《生物醫藥行業“AI+醫藥健康”系列報告（三）：AI制藥藍海人工智能助力新藥開發全流程-250217（17頁）.pdf》由會員分享，可在線閱讀，更多相關《生物醫藥行業“AI+醫藥健康”系列報告（三）：AI制藥藍海人工智能助力新藥開發全流程-250217（17頁）.pdf（17頁珍藏版）》請在三個皮匠報告上搜索。

1、 敬請閱讀末頁的重要說明 證券研究報告|行業深度報告 2025 年 02 月 17 日 推薦推薦（維持）（維持）AI 制藥藍海，制藥藍海，人工智能助力新藥開發人工智能助力新藥開發全流程全流程 消費品/生物醫藥 醫藥健康是醫藥健康是 AI 應用的核心領域之一，根據終端客戶不同，我們將應用分為應用的核心領域之一，根據終端客戶不同，我們將應用分為 To醫院、醫院、To 藥企和藥企和 To 個人三大方向。在個人三大方向。在“AI+醫藥健康醫藥健康”系列報告（一）和（二）系列報告（一）和（二）中，我們重點分析了中，我們重點分析了 AI To 院內和院內和 AI To 個人兩大應用方向。本篇報告重點聚個人

2、兩大應用方向。本篇報告重點聚焦焦 AI 在制藥行業的應用，在制藥行業的應用，全面介紹全面介紹了了 AI 在臨床前和臨床階段的落地在臨床前和臨床階段的落地情況；情況；同同時作為一種新時作為一種新的的藥物研發模式，我們基于藥物研發模式，我們基于全球全球 AI 制藥龍頭制藥龍頭 Schrdinger，重點，重點討論討論 AI 制藥的商業模式變遷，并梳理相關公司。制藥的商業模式變遷，并梳理相關公司。AI 可用于新藥開發全過程，達到降低成本，可用于新藥開發全過程，達到降低成本，增加增加藥物研發可能性目的。藥物研發可能性目的。根據DPI 援引英矽智能數據，通過 AI 技術能將 ISM001 分子發現時間由

3、傳統手段的 2 年降至 11 個月，總費用從 4.14 億美元降低至 20 萬美元，極大降低了新藥研發負擔。目前人工智能技術在藥物研發過程中的應用主要集中于藥物發現階段，隨著 Deepseek 等大模型技術應用，AI 在臨床階段的應用價值也將逐漸得到體現。全球全球 AI 制藥行業投融資活躍，制藥行業投融資活躍，MNC 參與參與達成多項重磅交易。達成多項重磅交易。雖然 2023 年全球資本市場景氣度有所下降，但 AI 制藥行業融資活躍度仍然保持高位。2024年全球 AI 制藥融資事件為 128 起，總金額為 58 億美元，接近恢復 2022 年的巔峰水平，美國和中國是交易最為活躍的兩大地區。20

4、17 年起，MNC 對AI 制藥企業的觀望和謹慎態度開始發生轉變，Big pharma 和 AI 藥企的合作數量持續增加，合作金額也屢創新高，AI 制藥管線商業價值得到體現。AI 制藥可以分為制藥可以分為 AI+SaaS，AI+CRO 和和 AI+Biotech 三種經營形式。三種經營形式。AI 制藥發展早期，企業以提供藥物研發軟件服務為主，附加值較低并且客戶付費意愿不強，市場空間有限，代表企業為 Schrodinger；為了更加深度參與客戶藥物研發過程，突出 AI 制藥優勢，企業陸續向 AI+CRO 和 AI+Biotech 的商業模式轉變，通過 AI 技術為藥企和 CRO 公司提供研發外包

5、服務，甚至自建研發管線對外授權或推進上市，近些年成立的初創公司多選擇此類商業模式，包括晶泰控股、英矽智能、Recursion Pharmaceuticals、Relay Therapeutics等。單純提供單純提供 AI 軟件服務很難滿足客戶需求，同時市場空間有限，更深層次參與軟件服務很難滿足客戶需求，同時市場空間有限，更深層次參與新藥開發過程提供新藥開發過程提供 CRO 服務或者自建研發管線成服務或者自建研發管線成為為 Techbio 企業成為普遍企業成為普遍選擇。選擇。對于 AI+SaaS 和 AI+CRO 為核心服務模式的企業，我們建議重點關注公司平臺能力的建設，包括數據的獲得、技術積累

6、等，同時與核心重點客戶的合作也是重要催化劑；對于自建管線為核心的 AI Biotech 公司，我們建議重點關注核心產品的關鍵研發節點，比如英矽智能治療 IPF 的 ISM001-055、Schrodinger 用于實體瘤的 SGR-3515 等。相關標的：相關標的：1）提供AI制藥軟件服務，或者CRO服務相關公司，如Schrodinger、晶泰控股、康龍化成、維亞生物、泓博醫藥、成都先導、藥石科技等；2）利用 AI 技術自建創新藥物管線的 Techbio 公司，如 Recursion、Relay、Exscientia、英矽智能（未上市）等。風險提示：風險提示：技術迭代風險、市場競爭風險、數據獲

7、取風險、商業應用風險、技術迭代風險、市場競爭風險、數據獲取風險、商業應用風險、研發失敗風險、盈利風險、政策監管風險等。研發失敗風險、盈利風險、政策監管風險等。行業規模行業規模 占比%股票家數（只）450 8.8 總市值（十億元）5580.6 6.5 流通市值（十億元）4943.2 6.3 行業指數行業指數%1m 6m 12m 絕對表現 8.0 9.4 5.4 相對表現 4.9-9.6-11.7 資料來源：公司數據、招商證券 相關相關報告報告 1、ToC 端應用普惠大眾，有望蓬勃發展“AI+醫藥健康”系列報告（二）2024-11-18 2、院內場景豐富，全流程 AI 賦能“AI+醫藥健康”系列報

8、告（一）2023-07-31 3、丙類目錄年內發布+商業健康保險提供創新藥支付新增量，集采、醫保預付金等進一步完善2025-01-19 梁廣楷梁廣楷 S1090524010001 許菲菲許菲菲 S1090520040003 顧佳顧佳 S1090513030002 劉玉萍劉玉萍 S1090518120002 謝笑妍謝笑妍 S1090519030003 歐陽京歐陽京 S1090524070012 肖笑園肖笑園 研究助理 -20-100102030Feb/24Jun/24Sep/24Jan/25(%)生物醫藥滬深300“AI+AI+醫藥健康”系列報告（三）醫藥健康”系列報告（三）敬請閱讀末頁的重要說

9、明 2 行業深度報告 正文正文目錄目錄 一、AI 制藥藍海市場，人工智能賦能藥研全流程.4 二、從 Schrdinger 看 AI 制藥商業模式變遷.9 三、相關標的.12 四、風險提示.16 圖表圖表目錄目錄 圖 1：AI 技術賦能新藥研發全流程.4 圖 2：AI 技術減少 ISM001 研發時間和研發成本.4 圖 3：2017-2022 年 Big pharma 和 AI 公司合作案例.5 圖 4：主流 MNC 與 AI 公司的合作數量（截至 2023Q1）.5 圖 5：AI 制藥發展歷史.5 圖 6：AI 制藥產業鏈結構.6 圖 7：2021-2024 年全球 AI 制藥行業融資統計.6

10、 圖 8：中國 AI 制藥企業融資額（單位：億元）.6 圖 9：AI 制藥臨床管線適應癥分布.7 圖 10：AI 在藥物開發各個階段的應用占比.8 圖 11：AI 在臨床研究階段的應用價值更高.8 圖 12：AI 制藥三種商業模式.9 圖 13：國內 AI 制藥企業商業模式統計.10 圖 14：Schrodinger 發展歷程.10 圖 15：Schrodinger 藥物 CRO 合作項目（截至 2024Q3）.11 圖 16：Schrodinger 自研管線（截至 2024Q3）.11 圖 17：Schrodinger 軟件服務業務收入及增速（萬美元）.11 圖 18：Schrodinger

11、 藥物發現業務收入及增速（萬美元）.11 圖 19：晶泰控股發展歷程.12 圖 20：2020-2024H1 晶泰控股銷售收入（萬元）.13 圖 21：晶泰控股小分子藥物研發平臺.13 圖 22：英矽智能端到端生成式藥物研發平臺 Pharma.AI.13 圖 23：2021-2023 年英矽智能不同業務營業收入（萬元）.14 vXdWpOnPnOrNsP6MaO6MnPqQmOnQkPpPoMjMnMzR9PqQwOwMmRwOxNpMmP 敬請閱讀末頁的重要說明 3 行業深度報告 圖 24：英矽智能藥物研發管線.14 圖 25：維亞生物 AIDD/CADD 平臺.15 圖 26：利用成都先導

12、 DEL 數據庫結合 AI 技術篩選活性化合物.15 表 1：AI 在藥物研發主要流程發揮作用.4 表 2：2022 年全球 AI 合作交易 TOP10.7 表 3：部分處于臨床階段的 AI 制藥管線.8 敬請閱讀末頁的重要說明 4 行業深度報告 一、一、AI 制藥藍海市場，人工智能賦能制藥藍海市場，人工智能賦能藥研藥研全流程全流程 人工智能賦能新藥開發，是指在規?；t藥數據基礎上，運用機器學習、深度學習、自然語言處理等技術參與藥物開發各個環節，包括靶點發現、化合物合成、化合物篩選到患者招募、臨床試驗設計等，通過 AI 技術的運用有效解決傳統新藥研發痛點，縮短研發周期，提高研發成功率，降低研發

13、成本。根據 DPI 援引英矽智能數據，通過 AI 技術能將 ISM001 分子發現時間由傳統手段的 2 年降至 11個月，總費用從 4.14 億美元降低至 20 萬美元，極大降低了新藥研發負擔。圖圖 1：AI 技術賦能新藥研發全流程技術賦能新藥研發全流程 圖圖 2：AI 技術減少技術減少 ISM001 研發時間和研發研發時間和研發成本成本 資料來源：36 氪研究院、招商證券 資料來源：DPI、招商證券 表表 1：AI 在藥物研發主要流程發揮作用在藥物研發主要流程發揮作用 流程流程 痛點痛點 AI 賦能賦能 AI 技術技術 靶點發現 依賴人工閱讀科研文獻和經驗，花費時間長，且難以發現新靶點 AI

14、 處理海量文獻專利發現藥物和疾病關系，快速找到有效靶點，縮短靶點發現周期 NLP、DL 化合物合成 花費時間長，效率低 利用 AI 學習海量現存化學反應，推薦化合物合成路線并優化反應條件 ML、DL 化合物篩選 成本高，效率低 使用虛擬篩選遴選出具有潛在成藥性的活性化合物，降低實驗篩選化合物數量，降低資金投入，縮短篩選周期 CV、DL 晶型預測 耗時長，篩選合適晶型困難 通過 AI 模擬晶型藥物晶型篩選，可在短時間選出穩定性強的最佳藥物晶型 DL、ML 患者招募 招募適合入組患者難度高、周期長 使用 AI 技術提取患者數據，快速匹配最合適入組患者，降低臨床開發風險 NLP、DL、ML、OCR

15、臨床試驗設計及優化 優化受到局限，效率低 AI 通過機器學習和認知計算能力，從海量靶點、臨床試驗數據中學習成功和失敗經驗，設計優化當前臨床試驗方案 NLP、DL、ML 藥物重定向 效率低，很難找到最適適應癥 使用 AI 技術開發新適應癥，將老藥與罕見疾病快速匹配 NLP、DL 資料來源：DPI、招商證券 敬請閱讀末頁的重要說明 5 行業深度報告 AI 技術理論從技術理論從 1990 年便得到大規模發展，但直到年便得到大規模發展，但直到 2014 年年 AI 才在藥物研發領才在藥物研發領域得到廣泛應用域得到廣泛應用。彼時 Exscientia、晶泰科技、英矽智能等國內外首批 AI 制藥企業陸續成

16、立，開啟 AI 制藥研發時代，在該階段企業以提供單一技術服務為主，市場規模小，競爭力不足；2020 年后，以 DeepMind 建立的 AlphaFold 平臺成功解決蛋白質空間結構預測難題和英矽智能開發全球首個由 AI 發現的具有全新靶點和全新分子結構的候選化合物 ISM001-055 等事件為標志，全球 AI 制藥行業進入突破期，AI 藥企開始追求端到端的服務能力，同時開始自建管線完成并推動臨床試驗完成。與此同時，Big pharma 逐步認識到 AI 制藥的潛力，行業合作和投資案例增多，2021 年 5 月 BMS 與英國 AI 制藥頭部企業達成超 12 億美元的合作，AI 管線商業價值

17、逐步得到體現。圖圖 3：2017-2022 年年 Big pharma 和和 AI 公司合作案例公司合作案例 圖圖 4：主流主流 MNC 與與 AI 公司的合作數量（截至公司的合作數量（截至 2023Q1）資料來源：DPI、招商證券 資料來源：DPI、招商證券 圖圖 5：AI 制藥發展歷史制藥發展歷史 資料來源：DPI、公司公告、招商證券 AI 制藥產業鏈長、分工復雜，參與者眾多。制藥產業鏈長、分工復雜，參與者眾多。AI 制藥上游包括軟硬件供應商，主要參與者是各類老牌互聯網和電子企業，其中有效的規?；瘮祿碓词巧嫌侮P鍵競爭壁壘。產業鏈中游是 AI 制藥主體，包括 AI 制藥初創企業、傳統藥企/

18、CRO公司以及互聯網企業三大類，不同企業掌握不同資源稟賦在競爭中具有不同優劣勢，對于 AI 初創公司來說，其優勢在于擁有較強的技術和算法能力，但在藥物開發數據積累和資金上存在不足，藥企/CRO 公司擁有豐富的藥物開發經驗和數 敬請閱讀末頁的重要說明 6 行業深度報告 據以及資金實力，但 AI 技術能力較弱，對于互聯網企業來說，算力和技術資源豐富，但存在行業經驗不足的問題，目前更多的情況是藥企/CRO、AI Biotech和互聯網公司開展更多的合作，取長補短共同推進 AI 藥物的研發。產業鏈下游是 AI 制藥需求方，包括藥企、CRO 公司和科研機構等，中游企業根據需求向它們交付運算完成的藥物分子

19、結構。圖圖 6：AI 制藥產業鏈結構制藥產業鏈結構 資料來源：智藥局、公司官網、招商證券 AI 制藥行業發展處于早期階段，行業景氣度與投融資金額息息相關。制藥行業發展處于早期階段，行業景氣度與投融資金額息息相關。根據 DPI及智藥局數據，受全球資本市場及生物醫藥投融資等大環境影響，AI 制藥融資額也有所波動。2024 年全球 AI 制藥融資事件為 128 起，總金額為 58 億美元，經過 2023 年的調整后，接近恢復 2022 年的巔峰水平。具體看，美國仍然是 AI 制藥發展高地，2024 年融資事件為 62 起，其次為中國 37 起，從融資金額看美國領先優勢更為明顯，中國 AI 制藥融資額

20、占比約 10%。除了投融資外，隨著除了投融資外，隨著 AI 制藥管線商業價值體現，頭部制藥管線商業價值體現，頭部 AI 公司公司通過對外合作實現通過對外合作實現自我造血，自我造血，AI 制藥制藥 License out 金額屢創新高。金額屢創新高。2017 年開始，MNC 對 AI 制藥企業的觀望和謹慎態度開始發生轉變，根據 DPI 報告，過去 6 年 Big pharma 和AI 藥企的合作數量持續增加，合作金額也快速上升，賽諾菲、禮來、默克等 MNC均與 AI 藥企達成多項數十億美元的交易，AI 制藥市場交易活躍度明顯提升。圖圖 7：2021-2024 年年全球全球 AI 制藥行業制藥行業

21、融資統計融資統計 圖圖 8：中國：中國 AI 制藥企業融資額（單位：億元）制藥企業融資額（單位：億元）資料來源：智藥局、招商證券 資料來源：億歐智庫、招商證券 敬請閱讀末頁的重要說明 7 行業深度報告 表表 2：2022 年全球年全球 AI 合作交易合作交易 TOP10 AI 藥企藥企 合作方合作方 訂單金額訂單金額 合作內容合作內容 Exscientia 賽諾菲 53 億美元+不超過 21%銷售分成 15 個藥物管線 Evotec BMS 52 億美元 分子膠降解劑 Generate Biomedicines 安進 19.5 億美元 5 個靶標開發蛋白療法 英汐智能 賽諾菲 12.23 億美

22、元 6 個創新靶點 Atomwise 賽諾菲 10.2 億美元 5 個藥物靶點 Evotec 禮來 10 億美元 5 條藥物管線 Genesis Therapeutics 禮來 6.7 億美元 3 個藥物靶點 Proteovant Blueprint Medicines 6.52 億美元 2 個新型蛋白質降解劑 Absci 默沙東 6.1 億美元 提名 3 個藥物靶點 Nimbus 禮來 4.96 億美元 特定亞型 AMPK 的新靶向療法 資料來源：智藥局、公司公告、招商證券 從 AI 制藥產業現狀看，目前全球大部分 AI 輔助開發的藥品仍處于臨床期及之前階段，部分項目進入臨床期，美國、中國和

23、英國擁有的臨床階段 AI 制藥項目數量較多。2022 年 FDA 批準 AI 制藥公司 BioXcel 的鎮靜藥物 IGALMI 用于急性治療與成人精神分裂癥或雙相 I 或 II 型障礙相關的激越，利用 BioXcel 的 AI平臺，IGALMI 從獲批 IND 到藥物上市僅用了 4 年時間。從治療領域看，AI 制藥管線主要分布于腫瘤和免疫疾病領域，占比達到 37%和 21%，其次為神經性疾病、炎癥和心腦血管。圖圖 9：AI 制藥臨床管線適應癥分布制藥臨床管線適應癥分布 資料來源：DPI、招商證券 此外雖然目前此外雖然目前 AI 應用集中于藥物發現階段，在臨床階段使用有限，但應用價值應用集中于

24、藥物發現階段，在臨床階段使用有限，但應用價值較高。較高。AI 在臨床階段應用領域包括：1）患者招募和管理：基于病例信息和疾病數據，利用 AI 技術精準匹配入組患者；2）臨床試驗設計與優化：基于過往臨床試驗數據，對當前試驗方案設計優化；3）藥物重定向：基于藥物和靶點數據，加速藥物重定位研發，實現老藥新用；4）數據整合分析：利用 AI 技術整合分析數據，并生成相關報告；5）患者和用藥依從性檢測等。臨床階段作為藥物開發過程中時間和成本占比最高的環節，隨著人工智能技術的應用，其效率仍有較大提升空間。敬請閱讀末頁的重要說明 8 行業深度報告 圖圖 10：AI 在藥物開發各個階段的應用占比在藥物開發各個階

25、段的應用占比 圖圖 11：AI 在臨床研究階段的應用價值更高在臨床研究階段的應用價值更高 資料來源：速石科技、招商證券 資料來源：Drug Discovery Today、招商證券 根據智藥局統計數據，截至 2023 年底全球共有 102 條 AI 藥物進入臨床階段，一方面行業從“資本寒冬”中恢復，推進臨床后期的項目數量和速度均有所提升；另一方面我們也看到第一批 AI 賦能的藥物大多以失敗告終，包括全球首個由 AI涉及的藥物 DSP-1181 于 2022 年被住友制藥停止開發，明星企業 Exscientia 也終止了多個項目的開發。雖然隨著研發階段后移，AI 藥物面臨的挑戰也將更大，但是人工

26、智能技術帶來的藥物研發過程（尤其是臨床前）的效率提升已經顯而易見并被有效運用。Schrodinger 在其年報中展示基于其計算平臺的藥物設計能夠將篩選時間由傳統的 4-6 年縮短至 1.5-3 年，在成本和分子質量上實現優效。當然我們更期望 AI藥物在最終臨床結果上表現出差異化優勢，這將為 AI 制藥行業帶來更大信心，屆時人工智能技術將真正為突破困擾創新藥開發的“反摩爾定律”帶來可能性。表表 3：部分處于臨床階段的部分處于臨床階段的 AI 制藥管線制藥管線 企業企業 管線名稱管線名稱 適應癥適應癥 開發進展開發進展 Recursion Pharmaceuticals REC-617 晚期實體瘤

27、/期 Pharmaceuticals REC-1245 實體瘤和淋巴瘤/期 REC-994 腦海綿狀血管畸形/期 REC-4881 家族性腺瘤性息肉病/期 REC-2282 2 型神經纖維瘤病/期 REC-3964 艱難梭菌感染/期 Relay Therapeutics RLY-4008 實體瘤 早期臨床 RLY-2608 乳腺癌和實體瘤 早期臨床 Schrdinger SGR-1505 復發或難治性 B 細胞淋巴瘤、慢性淋巴細胞 期 SGR-2921 血液系統惡性腫瘤和實體瘤 期 SGR-3515 實體瘤 期 英矽智能 ISM001-055 特發性肺纖維化 IIa 期 ISM3091 具有

28、HRD 突變的廣泛腫瘤 期 ISM6631 實體瘤 期 埃格林醫藥 EG-007 子宮內膜癌 期 EG-501 紅斑狼瘡認知障礙 期 EG-301 眼底干性黃斑病變 期 EG-009 細胞因子風暴 期 EG-001 特發性間質性肺炎 期 未知君 LBP01 糖尿病足 期 FMT_XBI302 移植物抗宿主病 期 LBP02 潰瘍性結腸炎 期 LBP03 實體瘤 期 資料來源：公司官網、招商證券 敬請閱讀末頁的重要說明 9 行業深度報告 二、二、從從 Schrdinger 看看 AI 制藥制藥商業模式變遷商業模式變遷 從商業模式看，從商業模式看，AI 制藥可以分為制藥可以分為 AI+SaaS，A

29、I+CRO 和和 AI+Biotech 三種經營三種經營形式。形式。AI 制藥發展早期，企業以提供藥物研發軟件服務為主，附加值較低，客戶付費意愿不強，市場空間有限，代表企業為 Schrodinger。Schrodinger 是全球早從事 AI SaaS 服務的企業之一，依托于 30 多年在 CADD 和 AIDD 上積累的優勢，2023 年實現營收 2.17 億美元，其中軟件產品服務收入達到 1.59 億美元。為了更加深度參與客戶藥物研發過程，突出 AI 制藥優勢，企業陸續向 AI+CRO和 AI+Biotech 的商業模式轉變，AI+CRO 通過 AI 技術為藥企和 CRO 公司提供研發外包

30、服務，加速新藥的開發過程，代表企業為 Exscientia、晶泰科技等。AI+Biotech 模式則以開發內部管線為主，實現藥物對外授權或推進上市，代表企業為 Relay Therapeutics、英矽智能等。圖圖 12：AI 制藥三種商業模式制藥三種商業模式 資料來源：動脈網、公司官網、招商證券 在AI制藥行業數十年發展過程中，不同企業根據自身稟賦選擇了不同發展路線，主要包括以下兩類：1）售賣軟件）售賣軟件+提供提供 CRO 服務：服務：既包括典型的初創 AI 科技公司，如美國 Schrodinger、中國的晶泰控股等；也包括傳統的 CRO 企業，在主營業務中引入 AI 技術提升服務能力，包

31、括藥明康德、成都先導、泓博醫藥等；2）AI Biotch：借助 AI 能力實現“老藥新做”，或者開發新分子，推進臨床管線或對外 BD。國際上看，Schrodinger 是選擇前一路線的主要企業，由提供軟件起家，并逐漸與客戶合作開發新藥甚至自建產品管線。近些年成立的初創公司則多選擇后者，包括 Recursion Pharmaceuticals、Relay Therapeutics 等，國內企業也一般選擇三種模式中的兩種或者三種，以更好發揮 AI 優勢。敬請閱讀末頁的重要說明 10 行業深度報告 圖圖 13：國內：國內 AI 制藥企業商業模式統計制藥企業商業模式統計 資料來源：智藥局、招商證券 S

32、chrodinger 作為成立時間最早的 AI 藥物研發企業之一，2020 年作為首家 AI 制藥企業在納斯達克上市，其發展歷程見證了 AI 制藥商業模式的變遷。圖圖 14：Schrodinger 發展歷程發展歷程 資料來源：公司官網、招商證券 1990 年，Schrodinger 由哥倫比亞大學化學系教授 Richard Friesner 和 Bill Goddard 共同創立，成立之初以提供計算平臺和軟件服務起家，發展基于物理的計算平臺助力藥物分子發現和設計，1992 年公司軟件首次向Brookhaven National Laboratory 銷售，此后陸續推出 Glide、Prime、

33、WaterMap、FEP+多達 43 款應用軟件，奠定 Schrodinger 在全球 AI 藥物軟件領域的領先地位。2023 年全球排名前 20 藥企均是公司軟件服務客戶，合計收入 7180 萬美元，占軟件應用收入 45%。2010 年，公司開始從事 AI 輔助藥物發現業務，最初與其他公司合作開發新8%23%25%31%13%AI SaaSAI CROAI Biotech兼容兩種商業模式兼容三種及以上商業模式 敬請閱讀末頁的重要說明 11 行業深度報告 藥，當年公司就與 Agios 簽署合作協議，協助其 2 款腫瘤藥物獲得 FDA 批準。截至2024Q3，公司累計簽署18項藥物合作訂單，客戶

34、類型既包括Lilly、BMS 等跨國藥企，也包括 Agios、nimbus 等 Biotech 企業。2024 年 11 月，Schrodinger 與諾華達成合作共同開發創新分子，Schrodinger 獲得 1.5 億美元預付款，以及 23 億美元的潛在里程碑付款。2018 年開始，公司開始借助 AI 技術獨自開發藥物管線，2022 年推動首個擁有完全權益的分子 SGR-1505 進入臨床階段，截至 2024Q3，Schrodinger自有管線中共有 8 個推進項目。圖圖 15：Schrodinger 藥物藥物 CRO 合作項目合作項目（截至（截至 2024Q3）圖圖 16：Schrodi

35、nger 自研管線自研管線（截至（截至 2024Q3）資料來源：公司官網、招商證券 資料來源：公司公告、招商證券 可以看到，Schrodinger 通過軟件服務起家成為全球 AI 制藥的龍頭企業，隨著AI 軟件服務得到客戶認可并積累一定的技術基礎，公司意愿更深度參與藥物研發流程，拓展業務至新藥開發領域。一方面增加公司收入來源，另一方面通過輔助客戶新藥研發或者自研等模式有助于形成更強競爭壁壘，基于 AI 核心技術實現各業務的有效協同。圖圖 17：Schrodinger 軟件服務業務收入及增速（萬美元）軟件服務業務收入及增速（萬美元）圖圖 18：Schrodinger 藥物發現業務收入及增速（萬美

36、元）藥物發現業務收入及增速（萬美元）資料來源：公司公告、招商證券 資料來源：公司公告、招商證券 綜上，作為行業領導者，綜上，作為行業領導者，Schrodinger 由提供單一軟件服務的供應商成長為以由提供單一軟件服務的供應商成長為以AI 為核心的多業務經營的計算平臺為核心的多業務經營的計算平臺解決者解決者，橫跨多個商業模式。，橫跨多個商業模式。但 Schrodinger的成功一方面是基于其擁有超過 30 年的發展歷史，另一方面作為公司基石的軟件服務業務擁有強先發和技術優勢，在行業內遙遙領先，是公司成功拓展其他業務的重要保障。但如我們在上文分析，不同商業模式對企業稟賦要求不同，單純提供 AI S

37、aaS 軟件服務很難滿足客戶需求，商業化能力也有限，因此更多企業選擇同時兼容多種經營模式，比如 Biotech+SaaS、CRO+SaaS 等。敬請閱讀末頁的重要說明 12 行業深度報告 單純提供 AI 軟件服務很難滿足客戶需求，同時市場空間有限，更深層次參與新藥開發過程提供 CRO 服務或者自建研發管線成為 Techbio 企業成為普遍選擇。當然目前 AI 制藥仍處于發展的早期階段，國際上僅有 Schrodinger 在 2023 年實現首次盈利；國內晶泰控股在2024年上市，也是國內第一家上市的AI制藥企業，其他企業仍處在早期階段營收規模普遍較小，因此更為清晰穩定的盈利模式仍然需要持續探索

38、。三、相關標的三、相關標的 晶泰控股晶泰控股（2228.HK）晶泰控股是一家基于量子物理、以人工智能賦能和機器人驅動的創新型研發平臺，提供人工智能、高性能計算和機器人自動化技術為藥物及材料科學公司提供研發解決方案及服務。晶泰科技在 2015 年成立，最初在小分子藥物領域為客戶提供藥物研發服務，包括晶體結構預測、化合物合成等；2019 年起公司開始進入大分子藥物開發領域，陸續推出多肽及蛋白藥物研發平臺和抗體發現平臺XuprmbAb 等，2022 年建成可拓展、標準化智能機器人濕實驗室，并在隨后發布“XtaIPi 藥物發現”和“XtaIPi 智能自動化”品牌，覆蓋包括小分子藥物研發、大分子藥物研發

39、、藥物固體形態研發、化學合成及實驗室自動化解決方案等多個業務領域，2024 年晶泰控股成功在港交所上市。圖圖 19：晶泰控股發展歷程：晶泰控股發展歷程 資料來源：公司官網、招商證券 目前公司核心業務包括藥物發現解決方案和智能自動化解決方案兩塊，其中藥物發現解決方案涵蓋藥物發現及研究全流程，通過與客戶簽訂藥物發現合作協議并收取服務費、預付款或者里程碑付款，截至 2023 年底，藥物發現解決方案合計簽訂 188 項共同研發項目，助力多個項目進入 IND 階段。智能自動化解決方案包括固態研發服務和自動化化學合成服務，借助公司自建的機器人自動化濕實驗平臺為客戶提供晶體結構預測、工業開發和化合物合成等服

40、務。此外公司積極推動 AI for science 的應用領域拓展，如能源、新型化學品和化妝品等應用，2024年 8 月，公司與協鑫集團簽訂 5 年的戰略研發合作協議，預計合作金額達 1.35億美元，共同開發多種新能源材料領域的人工智能大模型和機器人自動化系統。敬請閱讀末頁的重要說明 13 行業深度報告 圖圖 20：2020-2024H1 晶泰控股銷售收入（萬元）晶泰控股銷售收入（萬元）圖圖 21：晶泰晶泰控股控股小分子藥物研發平臺小分子藥物研發平臺 資料來源：公司公告、招商證券 資料來源：公司官網、招商證券 英英矽矽智能智能 英矽智能是英矽智能是一家以一家以AI驅動藥物開發全流程的生物科技公

41、司，驅動藥物開發全流程的生物科技公司，2014年成立于美國，2019 年將總部搬入中國，是中國最早從事 AI 制藥的企業之一，經過 10 多年發展，逐漸成為全球領先的端到端、由生成式 AI 驅動的生物科技公司。2022 年公司發布了強大的生成式 AI 藥物開發平臺 Pharma.AI，能夠快速發現新靶點，高效生成候選藥物并預測候選藥物在臨床試驗中取得成功的可能性，降低藥物開發成本。目前基于 Pharma.AI 平臺，公司不僅提供軟件授權服務，同時自建強大的藥物研發管線，2023 年具有 FIC 潛力的創新分子 ISM001-055 同時在美國和中國開展期臨床試驗，是中國首個由 AI 研發并進入

42、臨床階段的候選藥物。圖圖 22：英英矽矽智能智能端到端生成式藥物研發平臺端到端生成式藥物研發平臺 Pharma.AI 資料來源：公司官網、招商證券 英矽智能核心業務包括人工智能技術驅動的藥物發現及管線開發服務和軟件解決方案服務，類似Schrodinger同時提供AI+SaaS和AI+Biotech多種服務模式。1）管線藥物開發管線藥物開發：公司收入占比最高業務，基于公司自主開發的端到端生成式AI 平臺，自建藥物研發管線并對外授權取得首付款、里程碑付款和銷售分成。目前公司建立了由 31 個項目組成的多元化 AIDD 管線，覆蓋腫瘤、免疫、纖維化等領域，并推動產品的對外合作和臨床研發，2022 年

43、公司與全球排名前 20 的制藥公司中的 11 家合作，推進管線中有潛力藥物的開發。核心產品 ISM001-055獲得 FDA 孤兒藥認定，中國a 期臨床試驗已經完成，有望成為 IPF 領域 FIC藥物。2）藥物發現服務：藥物發現服務：利用 Pharma AI 為客戶完成疾病靶點識別和藥物發現 敬請閱讀末頁的重要說明 14 行業深度報告 工作，并收取服務費，與復星醫藥、賽諾菲等國內外藥企達成多項合作開發協議。3）軟件軟件解決方案解決方案：授權客戶使用公司 Pharma.AI 平臺，并收取訂閱費。圖圖 23：2021-2023 年年英英矽矽智能智能不同業務營業收入（萬元）不同業務營業收入（萬元）圖

44、圖 24：英英矽矽智能智能藥物研發管線藥物研發管線 資料來源：公司公告、招商證券 資料來源：公司官網、招商證券 維亞生物維亞生物 維亞生物構建了從結構生物學到藥物篩選，再到后期藥物化學、藥效等的系統化尖端技術平臺，其中計算化學和人工智能貫穿始終，作為橋梁貫穿于整個藥物研發流程中。這種創新模式使得干實驗平臺能與各類濕實驗平臺緊密聯動，深入理解實驗過程，并賦能各個實驗平臺，實現計算與實驗的完美融合，形成相輔相成的良性互動，顯著提升了研發效率和創新速度。例如使用主動學習的虛擬篩選，可將篩選的命中率從平均 1%提高到 20%以上，對應富集因子為 20 倍或更高，與維亞多個篩選平臺聯動、完成篩選并驗證的

45、速度達到以周為記，對應篩選費用降低為三分之一。采用自由能微擾技術和 ADMET 性質預測對設計的化合物做先行評估，可減少超過半數的化合物合成數量，從而降低實驗人員投入，并將苗頭化合物發現周期從 12-36 月縮短到 6-18 月。公司開發了獨具特色的基于 AI 賦能的 SBDD 一站式原創藥物研發服務平臺，CADD/AIDD 平臺使用物理化學模型和人工智能算法，在上海建設超算中心，幫助推進各類藥物研發項目，有效提升公司創新效率。同時，公司正在探索生成式AI 驅動的抗體 de novo design 等新方向，使用先進的結構生物學知識和 AI 技術手段，進行抗體的人源化或動物源化改造，確?？贵w的

46、安全性和有效性，并且開發了高度自動化的抗體親和力改造工作流，進一步優化抗體的性能和特異性。維亞生物通過計算化學和人工智能方法，推動了靶向 RNA 小分子、多肽/環肽、抗體藥物等新興藥物類型的發展，以及這些藥物從頭設計的方法發展。敬請閱讀末頁的重要說明 15 行業深度報告 圖圖 25：維亞生物維亞生物 AIDD/CADD 平臺平臺 資料來源：維亞生物微信公眾號、招商證券 成都先導成都先導 成都先導聚焦于新分子及核酸新藥的發現與優化，基于公司領先的 DEL、FBDD/SBDD 技術，以及在計算機輔助藥物設計或 AI 分子設計、蛋白表達純化、結構生物學等環節技術能力，為客戶提供新藥發現和優化鏈條上各

47、類研發服務。目前，公司基于超 6000 種不同的骨架結構，已經完成了超 1.2 萬億種結構全新的 DNA 編碼化合物合成，推出自助式篩選 OpenDel 產品，同時結合 AI/ML 數據驅動的合成路線規劃，以迭代式的“設計-合成-測試-分析”（DMTA）循環模式加速臨床前候選藥物發現及優化過程。同時公司將多年積累的 DEL 篩選海量數據用于機器學習（ML）、AI 大模型的訓練和迭代，可以更加有效地在非 DEL 空間預測化合物活性、成藥性等，進一步擴大可探索的化合物空間以及加快化合物的優化過程。AI 制藥龍頭企業 Schrodinger 利用公司 DEL 庫篩選的 WEE2 項目進展到先導化合物

48、階段。圖圖 26：利用成都先導：利用成都先導 DEL 數據庫結合數據庫結合 AI 技術篩選活性化合物技術篩選活性化合物 資料來源：成都先導微信公眾號、招商證券 泓博醫藥泓博醫藥 泓博醫藥是一家新藥研發及商業化生產一站式服務商，致力于藥物發現、制藥工藝研究開發及原料藥中間體的商業化生產，先后搭建了 CADD/AIDD、酶化學、連續流化學、不對稱催化、小核酸藥物靶向遞送、固態化學、工藝安全評估等 7大核心技術平臺。2019 年，公司建立計算機及人工智能輔助的藥物設計CADD/AIDD 平臺，利用開源代碼在本地部署 AI 模型，開發了虛擬高通量篩選（VHTS）、無晶體結構靶點的同源建模、藥物靶點預測

49、、藥物 ADME 和毒性預測、SBDD、FBDD 以及定量構效關系等實際應用場景。截至 2024H1，CADD/AIDD 平臺累計服務 69 個新藥項目，其中 5 個進入臨床期，2 個處于IND 階段，采購 CADD/AIDD 服務的客戶數量達到 33 家。敬請閱讀末頁的重要說明 16 行業深度報告 四、風險提示四、風險提示 技術迭代風險：技術迭代風險：人工智能技術發展日新月異，屬于技術驅動發展行業，掌握核心技術決定公司核心競爭力；市場競爭風險：市場競爭風險：AI 制藥市場空間大，參與者眾多，競爭激烈；數據獲取風險：數據獲取風險：人工智能技術發展依托海量數據，制藥端的數據具有特殊性和隱私性，數

50、據獲得和來源具有重要意義；商業應用風險：商業應用風險：目前 AI 制藥行業商業仍處在探索期，可能存在應用推廣不及預期風險；研發失敗風險：研發失敗風險：藥物研發具有高風險高收益特征，有可能存在失敗或者不及預期風險；盈利風險：盈利風險：AI 制藥企業多處在發展早期，大部分公司仍未實現盈利；政策監管風險：政策監管風險：AI 制藥行業尚處于發展早期，政策監管隨著行業發展可能趨嚴。敬請閱讀末頁的重要說明 17 行業深度報告 分析師分析師承諾承諾 負責本研究報告的每一位證券分析師，在此申明，本報告清晰、準確地反映了分析師本人的研究觀點。本人薪酬的任何部分過去不曾與、現在不與，未來也將不會與本報告中的具體推

51、薦或觀點直接或間接相關。評級評級說明說明 報告中所涉及的投資評級采用相對評級體系，基于報告發布日后 6-12 個月內公司股價（或行業指數）相對同期當地市場基準指數的市場表現預期。其中，A 股市場以滬深 300 指數為基準；香港市場以恒生指數為基準；美國市場以標普 500 指數為基準。具體標準如下：股票股票評級評級 強烈推薦：預期公司股價漲幅超越基準指數 20%以上 增持：預期公司股價漲幅超越基準指數 5-20%之間 中性：預期公司股價變動幅度相對基準指數介于 5%之間 減持：預期公司股價表現弱于基準指數 5%以上 行業評級行業評級 推薦：行業基本面向好，預期行業指數超越基準指數 中性：行業基本

52、面穩定，預期行業指數跟隨基準指數 回避：行業基本面轉弱，預期行業指數弱于基準指數 重要重要聲明聲明 本報告由招商證券股份有限公司（以下簡稱“本公司”）編制。本公司具有中國證監會許可的證券投資咨詢業務資格。本報告基于合法取得的信息，但本公司對這些信息的準確性和完整性不作任何保證。本報告所包含的分析基于各種假設，不同假設可能導致分析結果出現重大不同。報告中的內容和意見僅供參考，并不構成對所述證券買賣的出價，在任何情況下，本報告中的信息或所表述的意見并不構成對任何人的投資建議。除法律或規則規定必須承擔的責任外，本公司及其雇員不對使用本報告及其內容所引發的任何直接或間接損失負任何責任。本公司或關聯機構可能會持有報告中所提到的公司所發行的證券頭寸并進行交易，還可能為這些公司提供或爭取提供投資銀行業務服務?？蛻魬斂紤]到本公司可能存在可能影響本報告客觀性的利益沖突。本報告版權歸本公司所有。本公司保留所有權利。未經本公司事先書面許可，任何機構和個人均不得以任何形式翻版、復制、引用或轉載，否則，本公司將保留隨時追究其法律責任的權利。