化工行業生物制造專題研究：AI賦能合成生物學或加速制造業革命-230405（16頁）.pdf

《化工行業生物制造專題研究：AI賦能合成生物學或加速制造業革命-230405（16頁）.pdf》由會員分享，可在線閱讀，更多相關《化工行業生物制造專題研究：AI賦能合成生物學或加速制造業革命-230405（16頁）.pdf（16頁珍藏版）》請在三個皮匠報告上搜索。

1、 1 行業報告行業報告行業專題研究行業專題研究 化工行業化工行業生物制造生物制造專題研究專題研究 AIAI 賦能合成生物學或加速制造業革命賦能合成生物學或加速制造業革命 合成生物學掀起生物制造業革命合成生物學掀起生物制造業革命 二戰前后聚合物技術引發制造業革命，合成纖維、塑料等眾多石油化工制品相繼實現了商業化，至80年代后聚合物產品商業化速率已明顯放緩；而自20世紀50年代DNA雙螺旋結構發現以來，生物技術持續發展、突破并不斷成熟，合成生物學作為最新一代生物制造技術，正推動新一輪制造業革命。隨著技術發展，“設計-構建-測試-學習（DBLT）”以及工程化為主要內容的合成生物學體系成本快速下降，技

2、術進步令合成生物學成本快速下降，成本下降的“騎士法則”帶來生物制造革命的信號。未來5-10年內，制藥、肉類、化妝品、非處方藥、化學品、紡織品、非肉類食品、農業等領域將受到合成生物學的較大沖擊；在更遠期的未來，合成生物學有望在礦業、燃料、發電、建材、機械等領域實現顛覆性革新。AIAI賦能合成生物學加速產業革新賦能合成生物學加速產業革新 AI技術于合成生物學產業發展大有裨益，并由此衍生bio-AI。Bio-AI可結合環境、公開數據、實驗數據進行結果預測，而不是簡單的試錯分析，大幅增效并降低算力依賴。當前AI技術的應用已經從合成生物學的“學習”階段向外延伸，逐漸應用于整個“DBLT”循環及工程化全流

3、程。Bio-AI模型培育達到一 定程度或涌現從“猿”至“人”的跨越，最終構建一位基于人工智能的“合成生物學家”，大幅提升目標工程菌株構建和目標產物規模生產的速率。在此過程中，Bio-AI系統的核心差距或在于數據的積累，先發者優勢明顯。B Bioio-AIAI不等同于傳統的不等同于傳統的CADDCADD技術技術 AI與CADD（計算機輔助制藥）存在密切聯系，但分別關注不同的技術范疇和應用領域，但AI的發展可強化CADD技術手段，加速新藥研發過程。投資建議投資建議 站在合成生物學產業快速發展的當口，覺察“騎士法則”的產業信號，合成生物學正推動新一輪制造業革命；AI技術突破性進展進一步加快了生物制造

4、產業革新的步伐，Bio-AI模型大幅提升了合成生物學系統全流程的效率和潛力，高質量數據庫的積累逐漸成為產業競爭的關鍵，而部分合成生物學的企業已具備較好的先發優勢。鑒于此，建議關注合成生物學平臺型企業嘉必優、華恒生物、凱賽生物，關注益生菌制品明星企業科拓生物。風險提示：風險提示：AI技術發展遇到瓶頸，Bio-AI技術融合不及預期，基因工程產品商業化的法規風險，知識產權風險 相關標的相關標的 簡稱簡稱 市值市值 EPSEPS（元（元/P/EP/E 評級評級 億元億元/g g、22A/E22A/E 23E23E 24E24E 22E22E 23E23E 24E24E 嘉必優 44.42 0.53 1

5、.33 1.89 69.85 27.83 19.59 增持 華恒生物 178.82 2.94 3.94 5.40 56.11 41.87 30.54 關注 科拓生物 59.25 0.73 0.98 1.30 46.10 34.37 25.89 關注 凱賽生物 357.32 0.95 1.63 2.13 64.48 37.52 28.81 關注 數據來源：Wind,國聯證券研究所，股價取 2023 年 4 月 4 日收盤價；除嘉必優外均為 wind 一致預期 證券研究報告 2023 年 04 月 05 日 投資建議：投資建議：強于大市(維持評級)上次建議：上次建議：強于大市 相對大盤走勢相對大盤

6、走勢 Table_First|Table_Author 分析師：柴沁虎 執業證書編號：S0590522020004 郵箱： Table_First|Table_Contacter 聯系人 申起昊 郵箱： 相關報告相關報告 1、電子材料持續走強，沙特參股中國石油化工產業化工2023.04.02 2、維生素 D3 底部反彈，除草劑、鋰鹽跌勢延續化工2023.03.26 3、趁海外產能出清擴產，瓶片業迎來加速成長期化工2023.03.22 請務必閱讀報告末頁的重要聲明 2 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 正文目錄正文目錄 1.1.合成生物學掀起生物制造業革命合

7、成生物學掀起生物制造業革命 .3 3 1.1.世界工業演變：電化學-石油化工-合成生物學.3 1.2.合成生物學掀起制造業革命.4 2.2.AIAI 賦能合成生物學加速產業革新賦能合成生物學加速產業革新 .7 7 2.1.AI 給合成生物學帶來發展新機遇.7 2.2.高質量數據為 bio-AI 的發展關鍵.9 3.3.BioBio-AIAI 不等同于傳統不等同于傳統 CADDCADD 技術技術 .1111 4.4.關注合成生物學上市企業的先發優勢關注合成生物學上市企業的先發優勢 .1313 5.5.風險提示風險提示.1515 圖表目錄圖表目錄 圖表圖表 1 1：合成生物制造技術示意圖：合成生物

8、制造技術示意圖 .4 4 圖表圖表 2 2：合成生物學賦能解決資源問題：合成生物學賦能解決資源問題 .4 4 圖表圖表 3 3：合成生物學工程化的過程示意圖：合成生物學工程化的過程示意圖 .5 5 圖表圖表 4 4：基因測序成本下降曲線比摩爾定律更陡峭：基因測序成本下降曲線比摩爾定律更陡峭 .5 5 圖表圖表 5 5：細胞編程的修飾成本每年快速下降：細胞編程的修飾成本每年快速下降 .6 6 圖表圖表 6 6：合成生物學對不同行業的預計影響時間：合成生物學對不同行業的預計影響時間 .6 6 圖表圖表 7 7：基于：基于人工智能的人工智能的“類合成生物學家類合成生物學家”概念圖概念圖 .7 7 圖

9、表圖表 9 9：AIAI 技術解決生物工程領域一些挑戰的潛力技術解決生物工程領域一些挑戰的潛力 .8 8 圖表圖表 8 8：200520052021 2021 年人工智能應用于合成生物學的代表性進展年人工智能應用于合成生物學的代表性進展 .9 9 圖表圖表 1010：MLML、DLDL 為為 AIAI 細分技術細分技術 .1010 圖表圖表 1111：MLML、DLDL 屬于屬于 AIAI 技術范疇技術范疇 .1010 圖表圖表 1212：計算機輔助藥物設計（：計算機輔助藥物設計（CADDCADD）示意圖）示意圖 .1111 圖表圖表 1313：部分合成生物學領域上市公司：部分合成生物學領域上

10、市公司 .1414 QViWlYOXhVgVtQoNtRaQaO9PmOoOsQtQeRoOtPjMqQrPaQqQwPNZpNrRvPoNqP 3 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 1.1.合成生物學掀起生物制造業革命合成生物學掀起生物制造業革命 20 世紀 50 年代聚合物技術引發制造業革命以來，合成纖維、塑料等眾多石油化工制品相繼實現了商業化，80 年代后聚合物產品商業化速率已明顯放緩；而自 20 世紀 50 年代 DNA 雙螺旋結構發現以來，生物技術持續發展、突破并不斷成熟，合成生物學作為最新一代生物制造技術，正在推動新一輪的制造業革命。1.1.1

11、.1.世界工業演變：電化學世界工業演變：電化學-石油化工石油化工-合成生物學合成生物學 19 世紀 60 年代,諾貝爾公司硝酸甘油炸藥的應用促進了有機化工業的發展；從18 世紀伏特發明第一個化學電池以來，科學家通過實驗不斷分離出化學物質，1890年，電解法制取氯氣和燒堿的方法誕生，電化學工業就此興起，主要用于無機化合物的制備，到 19 世紀末，美國氨基氰等公司已經在電化學工業領域建立了豐富的產品系列。20 世紀 20 年代，以石油為原料的化學工業逐漸從美國萌生；30 年代，催化裂化工藝的出現，開創了石油化工新的歷史時期；二戰前后，石油化工得到迅速發展，50年代在歐洲繼起，60 年代進一步擴大到

12、日本及世界各國，世界化學工業的生產結構和原料體系也隨之發生了重大變化，并催生了許多新工藝與新產品，至 70 年代，美國石油化工生產的各種產品數目達數千種。而從 80 年代以來，石油化工業逐漸遇到瓶頸，石油化工新產品的出現趨于漸緩。合成生物學（Synbio）是一門新興的交叉學科，通過工程生物學、系統生物學和生物信息學等學科的融合，以實現生物系統的設計和改造為目的。自 20 世紀 50 年代DNA 雙螺旋結構發現以來，生物技術持續發展、突破并不斷成熟，合成生物學作為最新一代生物制造技術，正在推動新一輪的制造業革命。20 世紀 70 年代以來，合成生物學又經歷了幾個重要成長階段：1.基因工程時代（1

13、970-1990）：這一時期的研究主要集中在基因的克隆和表達，為后續的合成生物學奠定了基礎。2、生物信息學和基因組學時代（1990-2000 年代）：隨著計算機科學和測序技術的飛速發展，研究者開始利用大量基因組數據進行生物系統的研究。3、系統生物學時代（2000-2010 年代）：通過對基因、蛋白質和代謝物等生物組學數據的整合，研究者開始構建生物系統模型，并試圖理解生物系統的調控機制。4 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 4、合成生物學時代（2010 年至今）：通過對生物系統的設計和改造，實現對生物系統功能的定制和優化，為生物技術和生物產業的發展提供了新的

14、動力。圖表圖表 1 1：合成生物制造技術示意圖：合成生物制造技術示意圖 圖表圖表 2 2：合成生物學賦能解決資源問題：合成生物學賦能解決資源問題 來源：凱賽生物招股書，國聯證券研究所 來源：CB Insights，國聯證券研究所 1.2.1.2.合成生物學掀起制造業革命合成生物學掀起制造業革命 經過 20、21 世紀幾十年的理論知識和技術積累，近年來合成生物學技術快速發展，并逐漸掀起了新一輪的制造業革命?！霸O計-構建-測試-學習（DBLT）”以及工程化形成了合成生物學體系，設計階段重點在于基因測序并根據基因測序和現有模型數據進行遺傳代謝途徑設計；構建階段主要是用 CRISPR 等技術對細菌或真

15、菌的 DNA 進行定制；測試階段采用高通量技術“釀造”特定細胞并進行測試篩選；學習階段則通過機器學習（ML）或人工智能（AI）來進行數據收集完善數據模型，并進入下一輪數據迭代。合適的工程菌將被用于工程放大，用以規模生產目標產物；工藝的放大對企業生物發酵工藝的積累存在一 定的考驗。隨著 CRISPR-Cas9 等剪切技術的不斷迭代，高通量技術、高通量篩選等技術的不斷突破，以及 AI/ML 等學習技術的不斷應用，合成生物學的成本快速降低，與此同時，生物制造的潛力迅速打開。5 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 圖表圖表 3 3：合成生物學工程化的過程示意圖：合成

16、生物學工程化的過程示意圖 來源：上海市生物工程學會，國聯證券研究所 技術進步令合成生物學成本快速下降，“騎士法則”帶來生物制造革命的信號。在人類基因組計劃中測序和組裝的成本估計在 5-10 億美元，隨著過去的 20 年DNA 測序和合成技術進步，如今同等工作的成本不到 1000 美元。合成生物學和計算機產業在成本、可編程性（本質是 AGCT 堿基對的排序）和可擴展方面日益相似。合成生物學的成本的快速下降與半導體行業的摩爾定律相似，Ginkgo Bioworks將之稱為“騎士法則”或“Knights law”，是生物制造革命即將到來的信號。圖表圖表 4 4：基因測序成本下降曲線比摩爾定律更陡峭：

17、基因測序成本下降曲線比摩爾定律更陡峭 來源：上海市生物工程學會，國聯證券研究所 6 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 圖表圖表 5 5：細胞編程的修飾成本每年快速下降：細胞編程的修飾成本每年快速下降 來源：上海市生物工程學會，國聯證券研究所 生物制造業潛力很大，用途非常廣泛，有望對諸多行業造成顛覆性革新。根據上海市生物工程學會數據，站在 22 年末的時間節點，未來 5 年內合成生物學有望在生物制藥、肉類和水產養殖、化妝品、非處方藥等領域取得較大突破；5-10 年內化學品、紡織品、非肉類食品、農業等領域將受到合成生物學的較大沖擊；在更遠期的未來，合成生物學有

18、望在礦業、燃料、發電、建材、機械等領域實現顛覆性革新。圖表圖表 6 6：合成生物學對不同行業的預計影響時間：合成生物學對不同行業的預計影響時間 來源：上海市生物工程學會，國聯證券研究所 7 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 2.2.AIAI 賦能合成生物學加速產業革新賦能合成生物學加速產業革新 AI 技術對合成生物學產業發展具有重要的推動作用，尤其 AI 可結合環境、公開數據、實驗數據進行結果預測，而不是簡單的試錯分析，增效的同時降低了算力依賴。當前 AI 技術的應用已經從合成生物學的“學習”階段向外延伸，逐漸應用于 DBLT 循環及工程化全流程。Bio-

19、AI 模型培育達到一 定程度或涌現從“猿”至“人”的進化，并隨著算法的優化減低對訓練的算力依賴，最終構建一位基于人工智能的“合成生物學家”，大幅提升目標工程菌株構建和目標產物規模生產的速率。在此過程中，Bio-AI 系統的核心差距或在于數據的積累，先發者優勢明顯。2.1.2.1.AIAI 給給合成生物學合成生物學帶來發展新機遇帶來發展新機遇 OpenAI 公司的 Gpt-4 引發人們對人工智能（AI）的關注，AI 技術的快速發展對合成生物學領域大有裨益，甚至由此衍生了智能合成生物學（bio-AI）。Bio-AI 是人工智能與合成生物學的融合，其將傳統費時費力、周期長、依賴實驗人員操作水平的生物

20、合成過程，轉化為智能全自動一體化生物合成流程。起初，合成生物學領域的 AI 技術主要實踐于“學習”階段；逐漸地，AI 技術的影響已經延伸至整個 DBLT 循環，并且在工程放大等領域有望發揮重要作用，從而大幅度提高合成生物學的效率。圖表圖表 7 7：基于：基于人工智能的“類合成生物學家”概念圖人工智能的“類合成生物學家”概念圖 來源：人工智能在合成生物學的應用，國聯證券研究所 8 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 具體地，AI 對合成生物學的基因編輯效率、代謝途徑優化、生產過程優化、蛋白質設計等方面均具有較大提升作用：1 1）提高基因編輯的精度與效率：）提高

21、基因編輯的精度與效率：AI 在基因編輯中的應用主要體現在提高編輯效率、減少非特異性剪切和預測編輯結果等方面。通過利用機器學習技術，可以訓練模型來預測 CRISPR-Cas9 等基因編輯工具的活性和特異性，并指導合成生物學家選擇更合適的 sgRNA 序列，以達到更高的編輯效率和減少副作用。同時，AI 可以分析已有的基因編輯實驗數據，從而為未來的實驗提供更準確的預測和指導。2 2）指導蛋白質設計：）指導蛋白質設計：AI 在蛋白質設計領域的應用主要集中在預測蛋白質三維結構、設計具有特定功能的蛋白質以及優化蛋白質的穩定性和生物活性等方面。通過深度學習技術，如 AlphaFold 等模型，可以預測蛋白質

22、的三維結構，為合成生物學家提供有關蛋白質功能的信息。此外，AI 可以用于蛋白質親和性設計，通過優化蛋白質與目標分子的相互作用，提高蛋白質的生物活性。這些技術在藥物設計、生物傳感器和工業酶等領域具有重要應用價值。3 3）優化代謝途徑與生物生產過程：）優化代謝途徑與生物生產過程：AI 在代謝工程領域主要用于優化代謝途徑、調控基因表達以及預測微生物生產性能等方面。利用機器學習技術，可以構建代謝網絡模型并預測基因敲除或過表達對產物產量的影響。這有助于研究者篩選和優化生產菌種，提高生物制品的產量和純度。此外，AI 還可以指導合成生物學家進行基因調控元件（如啟動子、核糖體結合位點等）的設計，以實現對生物系

23、統功能的精細調控。圖表圖表 8 8：AIAI 技術解決生物工程領域一些挑戰的潛力技術解決生物工程領域一些挑戰的潛力 生物工程的挑戰生物工程的挑戰 關鍵關鍵 AIAI 技術技術 機器輔助基因通路設計 專家系統、基于約束的推理、啟發式搜索、優化、機器學習、多智能體系統 靈活協議自動化 機器人技術，不確定性下的規劃 分析解釋和建模 機器學習、定性推理 代表/交換設計 語義網絡、本體 代表/交換協議 語義網絡、模式 來源：AI Challenges in Synthetic Biology Engineering，國聯證券研究所 不僅如此，AI 還可幫助優化發酵過程與放大過程，環境因素和細胞代謝之間具

24、有復雜的相互作用關系，傳統的發酵放大方法是利用統計學方法結合反復試錯及發酵工程師經驗；而借助人工智能技術，利用微型反應器集群形成的海量發酵過程數據，結合實驗設計理論，可更高效地實現發酵菌種驗證、發酵工藝開發等工作，大幅縮短合成生物學創新菌種從實驗室走向工業化的時間。9 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 尤其地，AI 可以幫助合成生物學克服一個基本挑戰，即預測生物工程方法對宿主和環境的影響。此前合成生物學由于無法預測生物工程的結果，即使結合計算機輔助也只能通過大量的試錯來實現工程目標，并消耗大量算力資源，但 AI 提供了利用公開數據和實驗數據來預測對宿主和環

25、境影響的機會，讓合成生物學發展進入新階段。圖表圖表 9 9：200520052021 2021 年人工智能應用于合成生物學的代表性進展年人工智能應用于合成生物學的代表性進展 來源：人工智能在合成生物學的應用，國聯證券研究所 總之，AI 在合成生物學領域的應用涉及基因編輯、蛋白質設計和代謝工程等多個方面，這些技術為合成生物學的研究提供了強大的支持，有助于加速實驗進程、提高研究準確性和降低研發成本。隨著 AI 技術的不斷發展和進步，可以預見 AI 將在合成生物學領域發揮越來越重要的作用，推動該領域的創新和突破。2.2.2.2.高質量數據為高質量數據為 b bioio-AIAI 的發展關鍵的發展關鍵

26、 人工智能（AI）、機器學習（ML）和深度學習（DL）屬不同概念，之間為從屬關系。人工智能（AI）屬于概括性術語，包含機器學習技術，而深度學習是機器學習的一種類型。10 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 DL 是機器學習（ML）的一個子集。深度學習使用神經網絡以更高的精度學習、理解、解釋和解決關鍵問題，讓計算機解決更復雜的問題，獲得更準確的結果。相較于ML，DL 可以自動確定用于分類的特征，因而可以理解細微的差異，而 ML 需要手動理解這些特征。不過 DL 需要大量的深度學習訓練數據才能給出更準確的結果。圖表圖表 1010：MLML、DLDL 為為 AIA

27、I 細分技術細分技術 圖表圖表 1111：MLML、DLDL 屬于屬于 AIAI 技術范技術范疇疇 深度學習深度學習（Deep Learning)Deep Learning)機器學習機器學習（Machine Learning)Machine Learning)人工智能人工智能（Artificial Intelligence)Artificial Intelligence)來源：CSDN，國聯證券研究所 來源：國聯證券研究所 AI 作為一個廣泛的概念，本質是用數據和模型去為現有的問題提供解決方法。在合成生物學領域，無法僅用 ML 或 DL 代表 AI，Bio-AI 更應該如一位基于人工智能的“類

28、合成生物學家”。在實踐中，我們希望 bio-AI 可以像有智力的人一樣地處理工程任務、實現工程目標，且速度更快效果更好。因此，AI 不僅包括數據挖掘和機器學習的內容，同時還會有監視（monitor）和控制進程（process control）的內容，并應用于整個生物工程的 DBTL 循環和工程化。當前，數據是 bio-AI 發展的痛點，現有的數據模型依賴高質量數據。根據機器學習和 AI 專家 Andrew Ng 建議，數據準備應占用約 80%的時間和資源，而實際的模型訓練應僅占用 20%。訓練一直是大多數正在啟動 AI 項目的企業的主要關注點，但如今這種觀點已開始發生變化，高質量數據庫的積累和

29、構建或逐漸成為 bio-AI 發展的關鍵。11 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 3.3.BioBio-AIAI 不等同于傳統不等同于傳統 CADDCADD 技術技術 CADD（計算機輔助技術）與 bio-AI（智能合成生物學）屬不同概念。AI 是一種模擬人類智能的技術，涉及計算機科學、語言學、心理學等多個學科。而 CADD 為計算機輔助藥物設計，是利用計算機技術和生物信息學方法進行藥物研發的一種技術。AI 與 CADD 存在密切聯系，但分別關注不同的技術范疇和應用領域。技術上，AI 技術主要關注算法和模型的開發，包括機器學習、自然語言處理等，可以處理復雜

30、的數據結構，進行模式識別、預測和決策等任務。而 CADD 主要基于計算化學，依賴于計算機模擬技術、生物信息學方法和數學模型，如分子對接、藥效團分析、藥物靶點預測等，用于模擬藥物分子與生物大分子之間的相互作用過程。數據處理方式上，AI 技術通常需要大量的數據進行訓練和優化，尤其是在深度學習領域。通過訓練數據，AI 模型可以學習到數據中的隱藏規律和特征，從而用于新數據的預測和分析。而 CADD 通常依賴于已知的生物學、化學和藥理學知識，使用統計學方法分析數據，并結合實驗驗證來指導藥物研發。從具體應用上看，Bio-AI 應用廣泛，涵蓋了基因編輯、蛋白質設計、代謝工程、工程放大等內容，最終實現目標菌株

31、的快速構建和目標產品規?；a的目標；相較之下，CADD 主要關注藥物發現和設計領域，如藥物靶點識別、藥物篩選等過程。圖表圖表 1212：計算機輔助藥物設計（：計算機輔助藥物設計（CADDCADD）示意圖）示意圖 來源：計算機輔助藥物設計在新農用化合物開發中的應用，國聯證券研究所 不過，AI 與 CADD 也存在一 定的技術互補，AI 技術強化 CADD 可提高藥物研發的效率和準確性。通過應用深度學習、機器學習等 AI 技術，CADD 可以實現更準確的藥 12 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 物靶點預測、更高效的化合物篩選以及更優化的藥物分子設計。同時，

32、AI 可以幫助研究者更好地理解藥物與靶點之間的相互作用機制，從而加速新藥研發過程。近年來 AI 技術迅速發展，尤其在深度學習和大數據處理方面進展顯著，使得 AI在合成生物學領域的應用更加廣泛和深入。而 CADD 作為藥物研發領域的一種技術手段，也在不斷地完善和發展，與 AI 的融合將進一步推動藥物研發領域的創新。13 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 4.4.關注合成生物學上市企業的先發優勢關注合成生物學上市企業的先發優勢 在 bio-AI 浪潮之下，國內合成生物學企業華恒生物、凱賽生物、嘉必優、科拓生物等上市企業存在較大機遇和先發優勢。受益于 AI 技術

33、發展，在位企業的產品構建和商業化有望顯著提速，與此同時，高質量數據庫的積累有望成為公司較為重要資產和獨特的競爭壁壘。1 1）華恒生物：）華恒生物：公司是合成生物學領域領軍企業，成立了華恒合成生物技術研究院，引進海外高端人才，搭建系統與合成生物中心，完善從菌種構建技術研發-小試中試放大-工廠大規模生產相結合的全產業鏈技術產業化路徑，圍繞發酵法和酶法兩大技術平臺，加速布局在研管線產品，形成合成生物技術相關的核心競爭力。公司突破了厭氧發酵技術瓶頸，構建了以可再生葡萄糖為原料厭氧發酵生產 L-丙氨酸、L-纈氨酸的微生物細胞工廠，在國際上首次成功實現了微生物厭氧發酵規?；a L-丙氨酸產品。目前公司主

34、營產品包括丙氨酸系列（L-丙氨酸、DL-丙氨酸、-丙氨酸）、L-纈氨酸、D-泛酸鈣、泛醇和熊果苷等，可廣泛應用于中間體、動物營養、日化護理、植物營養和功能食品營養等領域。公司現有業務保持較快的增長趨勢，根據 2021 年年報，公司氨基酸產品從 2.68萬噸增加至 4.79 萬噸，同比增加了 79%。與此同時，公司募投項目“交替年產 2.5 萬噸丙氨酸、纈氨酸項目”和發酵法丙氨酸 5000 噸/年技改擴產項目，按計劃投產，產能利用率有序釋放提升；“年產 7000 噸-丙氨酸衍生物項目”和“年產 1.6 萬噸三支鏈氨基酸及其衍生物項目”，正按計劃有序建設投產，持續拉動公司成長。2 2）嘉必優：）嘉

35、必優：公司立足于生物科技，建立了完整的技術產業鏈轉化平臺，先后實現了花生四烯酸（ARA）、二十二碳六烯酸（DHA）、-胡蘿卜素（BC）及 N-乙酰神經氨酸（SA）等多個產品的產業化，產品廣泛應用于人類營養、動物營養以及個人護理及化妝品等領域。截至 2022 年半年報，公司擁有 420 噸/年 ARA 油劑、105 噸/年DHA 油劑、10 噸/年 SA，并計劃進一步分別擴產至 570 萬噸、555 萬噸、30 萬噸，另新增 1500 萬噸/年粉劑產能。目前，公司重點發展合成生物學領域，已打通合成生物學全技術鏈條，基于對不同微生物底盤遺傳背景的了解，能更高效地對工程菌株進行高通量發酵優化、產物提

36、取和精制，最終實現合成生物學技術成果快速工程化和產業化。截至 2022 年上半年，基于構建的合成生物學技術平臺，公司開展了 2-FL、3-SL、蝦青素、依克多因、14 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 EPA、麥角硫因等高附加值產品的開發。3 3）凱賽生物：）凱賽生物：公司是一家以合成生物學等學科為基礎，覆蓋從基因工程到應用開發的全產業鏈生物制造技術的高新技術企業，布局生物法長鏈二元酸、戊二胺，引領生物基聚酰胺浪潮，是全球領先的利用生物制造規?；a新材料的企業之一。目前，公司擁有生物法長鏈二元酸產能 7.5 萬噸（金鄉基地 4.5 萬噸+烏蘇基地3 萬噸

37、），能夠生產從十碳到十八碳的各種產品，下游客戶覆蓋杜邦、艾曼斯、諾和諾德、贏創等全球著名化工、醫藥企業。同時，公司通過協助國內客戶進行應用領域的拓展研究，成功培育出國內市場。2022 年 9 月底，公司 4 萬噸癸二酸生產線調試完成，試車產品已獲得國內客戶認可并形成銷售，國際客戶認證也在有序進行，未來有望復制公司月桂二酸對化學法的替代過程。4 4）科拓生物：科拓生物：自 2003 年成立以來公司長期專注于復配食品添加劑業務，2015-2016 年公司通過并購切入益生菌賽道，目前形成了“兩個基礎，三大系列”的業務布局。兩個基礎指復配食品添加劑和益生菌相關工藝技術；三大系列指復配食品添加劑、食用益

38、生菌制品和動植物微生態制劑。公司擁有包含 2 萬余株乳酸菌（含益生菌）的菌種資源庫，是中國最大的乳酸菌庫，2021 年公司實現產業化的益生菌共 120 余株，同比增長 76.47%。目前公司主要生產基地為金華工廠，擁有食品配料產能 3500 噸/年、益生菌原料菌粉（即發酵、凍干設備的產能）產能 30 噸/年、益生菌終端消費品產能 100 噸/年。22 年公司發布定增預案，擬募資不超過 7 億元建設內蒙古和林工廠，投項目完全達產后，復配食品添加劑、益生菌原料菌粉和益生菌終端消費品產能將分別為現有產能的 3.9 倍、14.3 倍和 13.0 倍。圖表圖表 1313：部分合成生物學領域上市公司：部分

39、合成生物學領域上市公司 公司公司 總市值總市值 收盤價收盤價 EPSEPS（元（元/股）股）P/EP/E P/BP/B (億元億元)(元元/股股)22A/E22A/E 23E23E 24E24E 22E22E 23E23E 24E24E (LYR)(LYR)嘉必優 44.42 37.02 0.53 1.33 1.89 69.85 27.83 19.59 3.23 華恒生物 178.82 164.96 2.94 3.94 5.40 56.11 41.87 30.54 12.55 科拓生物 59.25 33.73 0.73 0.98 1.30 46.10 34.37 25.89 3.65 凱賽生物

40、 357.32 61.26 0.95 1.63 2.13 64.48 37.52 28.81 3.26 平均值 59.14 35.40 26.21 5.67 來源：Wind，國聯證券研究所；除嘉必優外均為 wind 一致預期 15 請務必閱讀報告末頁的重要聲明 行業報告行業專行業報告行業專題研究題研究 5.5.風險提示風險提示 1 1）AIAI 技術發展遇到瓶頸技術發展遇到瓶頸 盡管近年來 AI 大模型和算法有了長足發展，但距離實現“人”的作用仍有一 定距離，尚未達到基于人工智能的“類合成生物學家”的目標，AI 技術發展存在不及預期的風險；2 2）B Bioio-AIAI 技術融合不及預期技術

41、融合不及預期 AI 在合成生物學的應用挑戰仍存，在數據質量與可靠性、模型解釋性、泛化能力、跨學科協作與知識共享等方面有一 定難度，存在發展不及的風險。3 3）基因工程產品商業化的法規風險基因工程產品商業化的法規風險 鑒于目前人們對生命探索尚處于初級階段，經過基因編輯的食品對人體基因組的作用，已經廣泛使用的生物制劑是否對生物安全構型威脅仍是需要持續研究的課題，各國法規對合成生物學產品態度也存在差異，法規和監管風險是影響基因工程產品商業化的重要因素之一。4 4）知識產權風險知識產權風險 合成生物學成果過早地公開細節，技術可能會在未經授權的情況下被他人使用，尤其在 bio-AI 架構的競爭下成果數據

42、的重要性不言而喻；但公眾有權了解公司正在進行的基因改造或“生命創造”的細節和開發情況，尤其形成了知識產權的剝奪風險。16 請務必閱讀報告末頁的重要聲明 分析師聲明分析師聲明 本報告署名分析師在此聲明：我們具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，本報告所表述的所有觀點均準確地反映了我們對標的證券和發行人的個人看法。我們所得報酬的任何部分不曾與，不與，也將不會與本報告中的具體投資建議或觀點有直接或間接聯系。評級說明評級說明 投資建議的評級標準 評級 說明 報告中投資建議所涉及的評級分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后 6到 12 個月內的相對市

43、場表現，也即：以報告發布日后的 6 到 12 個月內的公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。其中：A 股市場以滬深 300 指數為基準，新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以摩根士丹利中國指數為基準；美國市場以納斯達克綜合指數或標普500 指數為基準；韓國市場以柯斯達克指數或韓國綜合股價指數為基準。股票評級 買入 相對同期相關證券市場代表指數漲幅 20%以上 增持 相對同期相關證券市場代表指數漲幅介于 5%20%之間 持有 相對同期相關證券市場代表指數漲幅介于-10%5%之間 賣出 相對同期相關證券市場代表指

44、數跌幅 10%以上 行業評級 強于大市 相對同期相關證券市場代表指數漲幅 10%以上 中性 相對同期相關證券市場代表指數漲幅介于-10%10%之間 弱于大市 相對同期相關證券市場代表指數跌幅 10%以上 一般聲明一般聲明 除非另有規定，本報告中的所有材料版權均屬國聯證券股份有限公司（已獲中國證監會許可的證券投資咨詢業務資格）及其附屬機構（以下統稱“國聯證券”）。未經國聯證券事先書面授權，不得以任何方式修改、發送或者復制本報告及其所包含的材料、內容。所有本報告中使用的商標、服務標識及標記均為國聯證券的商標、服務標識及標記。本報告是機密的，僅供我們的客戶使用，國聯證券不因收件人收到本報告而視其為國

45、聯證券的客戶。本報告中的信息均來源于我們認為可靠的已公開資料，但國聯證券對這些信息的準確性及完整性不作任何保證。本報告中的信息、意見等均僅供客戶參考，不構成所述證券買賣的出價或征價邀請或要約。該等信息、意見并未考慮到獲取本報告人員的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對任何人的個人推薦?？蛻魬攲Ρ緢蟾嬷械男畔⒑鸵庖娺M行獨立評估，并應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專家的意見。對依據或者使用本報告所造成的一切后果，國聯證券及/或其關聯人員均不承擔任何法律責任。本報告所載的意見、評估及預測僅為本報告出具日的觀點和判斷。該等意見

46、、評估及預測無需通知即可隨時更改。過往的表現亦不應作為日后表現的預示和擔保。在不同時期，國聯證券可能會發出與本報告所載意見、評估及預測不一致的研究報告。國聯證券的銷售人員、交易人員以及其他專業人士可能會依據不同假設和標準、采用不同的分析方法而口頭或書面發表與本報告意見及建議不一致的市場評論和/或交易觀點。國聯證券沒有將此意見及建議向報告所有接收者進行更新的義務。國聯證券的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。特別聲明特別聲明 在法律許可的情況下，國聯證券可能會持有本報告中提及公司所發行的證券并進行交易，也可能為這些公司提供或爭取提供投資銀

47、行、財務顧問和金融產品等各種金融服務。因此，投資者應當考慮到國聯證券及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突，投資者請勿將本報告視為投資或其他決定的唯一參考依據。版權聲明版權聲明 未經國聯證券事先書面許可，任何機構或個人不得以任何形式翻版、復制、轉載、刊登和引用。否則由此造成的一切不良后果及法律責任有私自翻版、復制、轉載、刊登和引用者承擔。聯系我們聯系我們 無錫：無錫：江蘇省無錫市太湖新城金融一街 8 號國聯金融大廈 9 層 上海：上海：上海市浦東新區世紀大道 1198 號世紀匯廣場 1 座 37 層 電話：0510-82833337 電話：021-38991500 傳真：0510-82833217 傳真：021-38571373 北京：北京：北京市東城區安定門外大街 208 號中糧置地廣場 4 層 深圳：深圳：廣東省深圳市福田區益田路 6009 號新世界中心 29 層 電話：010-64285217 電話：0755-82775695 傳真：010-64285805