《晶泰控股-港股公司研究報告-AI for Science全球領袖萬億賽道啟航-250526（45頁）.pdf》由會員分享，可在線閱讀，更多相關《晶泰控股-港股公司研究報告-AI for Science全球領袖萬億賽道啟航-250526（45頁）.pdf（45頁珍藏版）》請在三個皮匠報告上搜索。

1、證券研究報告|首次覆蓋報告 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 gszqdatemark 晶泰控股（晶泰控股（02228.HK）AI for Science 全球領袖全球領袖，萬億賽道啟航，萬億賽道啟航 晶泰晶泰控股：控股：AI for Science 范式革命范式革命引領者引領者。公司由三位 MIT 華人物理學家于 2015 年創立，是通過“AI+機器人”重塑化學研發范式的引領者。公司于 2016 年獲得輝瑞盲測大賽冠軍，COVID-19 期間僅用六周時間幫助輝瑞完成新冠藥晶體結構預測，使藥物提前 6 個月上市。目前，全球前20 大藥企中已有 16 家為公司客戶。其背后的核心優

2、勢在于：算法：公司已積累分子生成模型 XMolGen、晶體結構預測模型 CSP、自由能微擾算法 FEP 等超過超過 200 個個 AI 垂類模型垂類模型；數據：機器人實驗室 7 x 24 小時濕實驗形成的高質量、高通量數據可加速 AI 模型訓練，進而形成飛輪效應，賦能實驗室由“自動化”向“自主化”迭代。公司擁有超超 200 個個自動化自動化工作站工作站，數據收集能力提升 40 倍，覆蓋超覆蓋超 80%常見藥化反應類型常見藥化反應類型，每月積累超 20 萬條化學合成過程數據。公司目前擁有科學家與技術專家超過 500 人，在一級市場已獲得騰訊、紅杉、軟銀、谷歌、OrbiMed、中國生物等機構投資，

3、賬上現金賬上現金資產資產達達 60 億億港元港元。醫藥領域，公司基于廣闊的頭部客戶覆蓋面輸出技術服務，將持續受益于 AI 制藥行業滲透率的提升；而 AI 新材料或將成為公司真正的星辰大海。去年以來公司已與頭部材料企業展開合作，萬億賽道揚帆啟航。AI4Science 遠期萬億市場遠期萬億市場，我國具備培育巨頭的我國具備培育巨頭的土壤土壤。2024 年的英偉達GTC 大會中，黃仁勛將大語言模型、具身智能、AI for Science（AI4Science）并列為 AI 的三大關鍵方向。AI4Science 可以由原子尺度深入化學反應的本質，相比傳統化學研發實現速度和精度的大幅提升。遠期，AI4S

4、有望有望成長為千億美金的巨大市場成長為千億美金的巨大市場。我國擁有最齊全的化學制造業門類、最完備的產業鏈。因此我們認為，未來的未來的 AI4S 全球龍頭有望率先誕生在中國全球龍頭有望率先誕生在中國。公司公司的商業邏輯如何轉化為盈利的商業邏輯如何轉化為盈利？Isomorphic Labs 高管認為：五年后，不借助 AI 就無法設計出藥物。首先，晶泰科技作為 AI 制藥的先行者，將率先且持續地受益于行業整體滲透率的提升。同時，AI 大分子制藥業務訂單價值大，公司與優時比、強生的合作若落地將貢獻可觀盈利；AI 新材料方面，公司此前已與協鑫、中石化、方大炭素等龍頭客戶達成戰略合作，有望與客戶聯合開發前

5、沿材料、共享收益。綜合看來，AI4S 滲透率提升滲透率提升、大分子、新材料業務大分子、新材料業務將將共同共同驅動驅動晶泰實現晶泰實現收入高增速收入高增速。公司目前成本主要來自基礎研發人員等固定成本，算力等變動成本占比低。邊際新增業務具備可觀的利潤率。收入增速疊加規模效益，公司未來盈利涌現可期。投資投資建議建議：預計公司 2025-2027 年營業收入分別為 4.22/6.84/9.54 億元；對應 PS 分別為 39.99/24.67/17.69 倍。公司是 AI4Science 范式革命的全球引領者，成長性可期。首次覆蓋，給予“買入”評級。首次覆蓋，給予“買入”評級。風險提示：風險提示：技術

6、路線滲透不及預期，下游盈利不及預期，計算存在誤差。財務指標財務指標 2023A 2024A 2025E 2026E 2027E 營業收入(百萬人民幣)174 266 422 684 954 增長率 yoy（%）30.8 52.8 58.6 61.8 39.6 歸母凈利潤(百萬人民幣)-1,914-1,517-301-70 76 增長率 yoy（%）-33.1 20.8 80.1 76.9 208.9 EPS 最新攤?。ㄔ?股）-0.48-0.38-0.07-0.02 0.02 凈資產收益率（%）26.3-38.3-8.2-1.9 2.0 P/E（倍）-9.6-12.1-61.0-264.0 2

7、42.5 P/B（倍）-2.5 4.6 5.0 5.1 4.9 資料來源：Wind，國盛證券研究所 注：股價為 2025 年 05 月 23 日收盤價 買入買入（首次首次）股票信息股票信息 行業 醫療服務 05 月 23 日收盤價（港元）4.57 總市值（百萬港元）18,370.54 總股本（百萬股）4,019.81 其中自由流通股（%）100.00 30 日日均成交量（百萬股）66.87 股價走勢股價走勢 作者作者 分析師分析師 楊義韜楊義韜 執業證書編號：S0680522080002 郵箱： 分析師分析師 張金洋張金洋 執業證書編號：S0680519010001 郵箱： 分析師分析師 楊然

8、楊然 執業證書編號：S0680518050002 郵箱： 分析師分析師 夏君夏君 執業證書編號：S0680519100004 郵箱： 分析師分析師 尹樂川尹樂川 執業證書編號：S0680523110002 郵箱： 相關研究相關研究 -50%-6%38%82%126%170%2024-062024-102025-012025-05晶泰控股恒生指數2025 05 26年 月 日 gszqdatemark P.2 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 財務報表和主要財務比率財務報表和主要財務比率 資產負債表（資產負債表（百萬元）利潤表（利潤表（百萬元）會計年度會計年度 2023A 202

9、4A 2025E 2026E 2027E 會計年度會計年度 2023A 2024A 2025E 2026E 2027E 流動資產流動資產 2945 3315 3152 3309 3613 營業收入營業收入 174 266 422 684 954 現金 711 1166 1058 1184 1450 營業成本 126 143 170 229 242 應收票據及應收賬款 39 99 157 253 354 營業稅金及附加 0 0 0 0 0 其他應收款 41 85 135 218 305 營業費用 62 71 120 101 131 預付賬款 0 0 0 0 0 管理費用 296 418 278

10、256 246 存貨 0 0 0 0 0 研發費用 481 418 300 277 350 其他流動資產 2155 1965 1803 1653 1504 財務費用-93-49-61-47-36 非流動資產非流動資產 1060 1039 1041 1043 1045 資產減值損失 0 0 0 0 0 長期投資 445 576 576 576 576 其他收益-1204-776 90 70 62 固定資產 370 320 320 320 320 公允價值變動收益 0 0 0 0 0 無形資產 197 99 99 99 99 投資凈收益-2-4-5-5-5 其他非流動資產 49 44 46 48

11、50 資產處置收益 0 0 0 0 0 資產總計資產總計 4006 4355 4194 4352 4659 營業利潤營業利潤-793-784-445-179-14 流動負債流動負債 297 280 398 603 811 營業外收入 0 0 0 0 0 短期借款 60 52 44 36 28 營業外支出 0 0 0 0 0 應付票據及應付賬款 14 16 19 26 27 利潤總額利潤總額-1906-1515-299-67 79 其他流動負債 224 212 335 542 756 所得稅 0 0 0 0 0 非流動負債非流動負債 10950 83 83 83 83 凈利潤凈利潤-1906-1

12、515-299-67 79 長期借款 0 0 0 0 0 少數股東損益 8 2 2 2 3 其他非流動負債 10950 83 83 83 83 歸屬母公司凈利潤歸屬母公司凈利潤-1914-1517-301-70 76 負債合計負債合計 11247 362 481 686 894 EBITDA-1878-1424-360-114 43 少數股東權益 26 29 31 33 36 EPS（元/股）-0.48-0.38-0.07-0.02 0.02 股本 0 0 0 0 0 資本公積-6820 4411 4130 4080 4176 主要財務比率主要財務比率 留存收益 0 0 0 0 0 會計年度會

13、計年度 2023A 2024A 2025E 2026E 2027E 歸屬母公司股東權益-7267 3964 3683 3633 3729 成長能力成長能力 負債和股東權益負債和股東權益 4006 4355 4194 4352 4659 營業收入(%)30.8 52.8 58.6 61.8 39.6 營業利潤(%)-47.7 1.2 43.2 59.8 91.9 歸屬母公司凈利潤(%)-33.1 20.8 80.1 76.9 208.9 獲利能力獲利能力 毛利率(%)27.7 46.3 59.9 66.6 74.6 現金流量表（現金流量表（百萬元）凈利率(%)-1097.6-569.2-71.3

14、-10.2 7.9 會計年度會計年度 2023A 2024A 2025E 2026E 2027E ROE(%)26.3-38.3-8.2-1.9 2.0 經營活動現金流經營活動現金流-568-479-377-121 26 ROIC(%)27.8-38.7-9.6-3.1 1.1 凈利潤 -1914-1517-301-70 76 償債能力償債能力 折舊攤銷 122 139 0 0 0 資產負債率(%)280.8 8.3 11.5 15.8 19.2 財務費用 10 7 6 6 5 凈負債比率(%)9.0-27.9-27.3-31.3-37.8 投資損失-2-4-5-5-5 流動比率 9.9 11

15、.9 7.9 5.5 4.5 營運資金變動 -13-37 2 4-1 速動比率 9.8 11.7 7.8 5.4 4.3 其他經營現金流 1231 933-78-58-49 營運能力營運能力 投資活動現金流投資活動現金流 736 74 262 242 234 總資產周轉率 0.0 0.1 0.1 0.2 0.2 資本支出-131-62 0 0 0 應收賬款周轉率 4.6 3.9 3.3 3.3 3.1 長期投資-160-132 0 0 0 應付賬款周轉率 9.1 9.6 9.6 10.2 9.1 其他投資現金流 1026 268 262 242 234 每股指標（元）每股指標（元）籌資活動現金

16、流籌資活動現金流 -26 840-14-14-13 每股收益(最新攤薄)-0.48-0.38-0.07-0.02 0.02 短期借款 24-8-8-8-8 每股經營現金流(最新攤薄)-0.14-0.12-0.09-0.03 0.01 長期借款 0 0 0 0 0 每股凈資產(最新攤薄)-1.81 0.99 0.92 0.90 0.93 普通股增加 0 902 0 0 0 估值比率估值比率 資本公積增加 -1846 11231-281-50 96 P/E-9.6-12.1-61.0-264.0 242.5 其他籌資現金流 1796-11284 275 43-101 P/B-2.5 4.6 5.0

17、 5.1 4.9 現金凈增加額現金凈增加額 137 455-109 126 267 EV/EBITDA-0.9-13.5-48.2-150.6 395.7 資料來源：Wind，國盛證券研究所 注：股價為 2025 年 05 月 23 日收盤價 2025 05 26年 月 日 gszqdatemark P.3 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 內容目錄內容目錄 1.晶泰控股：AI4Science 范式革命引領者.5 2.AI4Science 遠期萬億市場，我國具備培育巨頭的土壤.9 2.1.AI for Science：一場化學研發的范式革命.9 2.2.空間測算：AI4Scie

18、nce 擁抱萬億藍海.10 2.3.我國擁有誕生 AI4Science 巨頭全球最好的土壤.11 3.AI 制藥：小分子業務高速增長，大分子業務揚帆起航.13 3.1.AI4Science 在小分子領域正持續滲透，在大分子領域前景廣闊.13 3.2.晶泰打通臨床前全流程，涵蓋小分子、大分子.16 4.人工智能自主實驗平臺：AI機器人，打造數據飛輪.29 4.1.高質量數據驅動，晶泰是 Self-Driving Labs 先驅.29 4.2.機器人自動化已斬獲院校、國內外產業客戶訂單.34 5.進軍 AI4Material，萬億賽道啟航.37 5.1.新材料是 AI4Science 的星辰大海.

19、37 5.2.進軍 AI 新材料，萬億賽道啟航.40 6.盈利預測與估值建議.43 6.1.市場空間測算.43 6.2.關鍵假設.43 6.3.盈利預測.44 7.風險提示.44 圖表目錄圖表目錄 圖表 1：公司發展歷程.5 圖表 2：晶泰“AI+自動化”物質發現研究閉環.6 圖表 3：晶泰控股三位聯合創始人背景.6 圖表 4：公司股權結構圖（截至 2024 年報）.7 圖表 5：晶泰科技歷史融資情況.7 圖表 6：公司各輪融資后估值（億美元）.8 圖表 7：公司營收拆分及增速（億元）.8 圖表 8：公司各業務項目數（個）.8 圖表 9：藥物與材料研發都是多尺度高維問題，共同關鍵在于探究結構與

20、性質間的關系.9 圖表 10：AI4Science 有三種主要的商業模式.10 圖表 11：全球 AI for Science 市場規模測算（億美元）.11 圖表 12：2023 年 Nature Index 材料科學研究指數.11 圖表 13：全球 AI4S 標的匯總.12 圖表 14：AlphaFold3 對 RNA 修飾蛋白復合物的結構預測結果與真實結構（灰色）非常吻合.13 圖表 15：小分子藥物與大分子藥物對比示意圖.13 圖表 16：AI 與藥物開發的各環節相結合.14 圖表 17：人工設計蛋白質的機理.14 圖表 18：在自然界中存在的蛋白質種類 vs 潛在的蛋白質種類.15 圖

21、表 19：理論上生命的所有信息都蘊藏在基因序列之中.15 圖表 20：AI 在合成生物學有巨大應用前景.16 圖表 21：公司 AI 模型及機器人實驗室產品布局（部分，截止 2024 年 6 月）.17 圖表 22：公司基于量子物理的三大分子動力學模型.18 圖表 23：晶泰控股和部分創新藥企合作.19 圖表 24：公司小分子藥物發現流程圖.20 圖表 25：ID4Idea 平臺 AI 生成模型.20 圖表 26：ID4Idea 平臺高通量篩選模型.20 圖表 27：XPose 對小分子預測精度高達 58%，進而實現“不可成藥靶點”的攻克.21 圖表 28：公司通過大量 FEP 計算確定 GP

22、X4 催化口袋的關鍵藥效團.21 2025 05 26年 月 日 gszqdatemark P.4 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 29：晶泰科技針對 GPX4 特大庫的虛擬篩選流程.21 圖表 30：公司 XupremAb 大分子藥物發現平臺構成.22 圖表 31：公司 XupremAb 大分子平臺.22 圖表 32：XupremAb 平臺在 81%樣本中表現出改善 ADA 及較好親和性.22 圖表 33：公司蛋白質預測平臺 XtalFold 預測能力行業領先.23 圖表 34：公司 ProteinGPT 工具.24 圖表 35：新一代抗體發現平臺 XploreSeq

23、利用 NGS 和 AI 挖掘 BCR 免疫組庫，實現超快速抗體篩選.24 圖表 36：AI 驅動大分子親和力改造平臺.25 圖表 37：公司固態研發相較傳統人工方法具備優勢.26 圖表 38：公司 XtalCSP 晶型預測流程.26 圖表 39：公司晶體結構預測應用于輝瑞 Paxlovid 新冠藥研發.27 圖表 40：晶型預測與實驗研究時間流程對比.27 圖表 41：晶型預測支持藥品注冊申報.28 圖表 42：Self-Driving Labs 自主實驗室可大幅提升藥物發現生產力.29 圖表 43：正確的數據才能解決正確的問題.30 圖表 44：近年來，機器人自動化實驗室快速發展.30 圖表

24、 45：智能化平臺產生高通量&高質量數據資產，打造物質結構超級大腦.31 圖表 46：晶泰科技的機器人自動化“黑燈實驗室”.32 圖表 47：數據驅動專有領域 AI 大模型預測能力持續提升.32 圖表 48：公司 AI 模型預測能力超越人類化學家.33 圖表 49：公司 XmartChem智能合成工作站.34 圖表 50：公司無機材料研發智慧實驗室.34 圖表 51：公司機器人實驗室交付項目（部分）.35 圖表 52：無機材料制備流程.36 圖表 53：公司無機材料自動化研發系統.36 圖表 54：在新能源領域，AI 可全面賦能化學研發.38 圖表 55：用 AI 可以設計 OLED 分子結構

25、.39 圖表 56：晶泰產業布局初現.41 圖表 57：公司各業務營收拆分（億元）.44 2025 05 26年 月 日 gszqdatemark P.5 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 1.晶泰控股：晶泰控股：AI4Science 范式革命范式革命引領者引領者 晶泰是晶泰是 AI for Science 范式革命范式革命的的引領者。引領者。晶泰科技由三位華人 MIT 物理學博士后于2015 年創立，是化學研發范式革命的全球引領者。2016 年，公司獲得輝瑞盲測大賽冠軍，開始與輝瑞展開長期戰略合作。COVID-19 期間，公司僅用六周時間便幫助輝瑞完成口服藥晶體結構預測，使輝

26、瑞新冠藥 Paxlovid 提前 6 個月上市。2022 年，公司通過自建的機器人自動化實驗室開始了高質量數據的加速積累，成為了全球獨特的 AI 與機器人結合研發范式重構者。目前，在醫藥領域全球前 20 大藥企中已有 16 家為公司客戶。2024年，晶泰與保利協鑫簽訂鈣鈦礦研發訂單，正式駛進 AI for Science 新材料領域藍海。2025 年 4 月 29 日，習近平總書記在上?？疾炱陂g，晶泰科技作為代表企業向總書記匯報公司在人工智能領域的技術發展和應用情況。圖表1：公司發展歷程 資料來源：晶泰控股官網，晶泰控股公眾號，國盛證券研究所 公司使用 AI+機器人，打造行業獨有的“高通量實驗

27、-高質量數據-高智能模型”飛輪：算法算法：公司已積累分子生成模型 XMolGen、晶體結構預測模型 CSP、自由能微擾算法 FEP、三元復合物結構預測模型 Xmodel、自由能結合模式預測模型 Xpose、蛋白質復合物結構預測模型 XtalFold 等超過超過 200 個個 AI 垂類模型垂類模型，并在持續豐富儲備；數據數據：2024 年諾貝爾化學獎得主 David Baker 表示“數據是 AI 科學進步的瓶頸”，公司擁有規模、先進程度領跑全球的自動化實驗室，可以實現提升數據收集能力 40倍，已覆蓋超過已覆蓋超過 80%的常見藥化反應類型，每個月可以積累的常見藥化反應類型，每個月可以積累 2

28、0+萬條萬條化學合成過化學合成過程數據程數據。以“高質量數據”為核心的垂直領域以“高質量數據”為核心的垂直領域 AI for Science 模型將成為顛覆性力量。模型將成為顛覆性力量。在過往研究AI for Science：化學研發的超級范式中我們曾指出：AI+機器人的化學研發新范式可以大幅增加速度和精度，從而高效突破藥物和新材料分子研發的瓶頸。具體而言：公司的機器人實驗室平臺 724 小時進行實驗，高速地積累“高質量數據”，這些數據被用于訓練各類 AI 模型，用于包括靶點解析、合成策略推薦、虛擬篩選、合成反應結果預測、專利搜索及結構化地整理數據等環節。2025 05 26年 月 日 gsz

29、qdatemark P.6 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表2：晶泰“AI+自動化”物質發現研究閉環 資料來源：晶泰控股，國盛證券研究所 公司由公司由三位華人三位華人 MIT 物理學家物理學家于于 2015 年年創立。創立。公司由溫書豪、馬健、賴力鵬三位在麻省理工學院擔任博士后研究員的物理學家于 2015 年創立。公司董事長溫書豪博士為全球知名量子物理學家，在計算物理及量子化學領域擁有超過 14 年的研究經驗，擁有中科院大連化學物理研究所物理化學博士學位；CEO馬健博士擁有浙江大學物理學博士學位，在國際領先的科學期刊發表 30 篇論文；首席創新官賴力鵬博士本科為北京大學物

30、理數學雙學位，在芝加哥大學博士期間研究粒子物理、流體力學和數學物理領域。同時，公司還擁有大量的 AI 算法與物理化學復合型人才。截至 2025 年 5 月，公司擁有員工 783人，其中科學家與技術專家超過 500 人。圖表3：晶泰控股三位聯合創始人背景 姓名 職位 學術履歷 備注 溫書豪 執行董事兼董事會主席 中科大物理化學碩士、中科院大連化學物理研究所博士、MIT 博士后 知名量子物理學家，在計算物理及量子化學領域擁有逾 14 年的研究經驗，發表論文 36 篇，引用次數超過 2100 次；財富中國 40 位 40 歲以下的商界精英；深圳市十大杰出青年企業家；晶泰科技深圳市院士（專家）工作站主

31、任；深圳市海外高層次人才 馬健 執行董事兼首席執行官 浙江大學物理學學士及博士、MIT 博士后 在國際領先的科學期刊發表 30 篇論文；深圳市人大代表；深圳市地方級領軍人才；深圳市海外高層次人才；2019 年麻省理工科技評論“35 歲以下科技創新 35 人”之一 賴力鵬 執行董事兼首席創新官 北京大學物理與數學雙學士、芝加哥大學物理學碩士及博士、MIT 博士后 賴博士曾在物理評論快報等權威期刊上發表多篇論文；深圳市海外高層次人才 資料來源：Wind，澎湃新聞，晶泰科技官網，晶泰控股公眾號，國盛證券研究所 三位三位創始人創始人股權集中度高股權集中度高，騰訊是第一大外部股東，騰訊是第一大外部股東。

32、公司大股東主要包括三位核心創始人與董事長溫博士家族信托控股持股平臺 QuantumPharm Holdings Limited、QuantumPharm Roc Holdings Limited，以及騰訊、紅杉、國壽等戰略投資機構。截至2024年報，董事長溫書豪直接持股2.38%、信托持股6.51%，馬健博士直接持股1.33%、2025 05 26年 月 日 gszqdatemark P.7 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 信托持股 3.60%，賴力鵬博士直接持股 0.95%、信托持股 2.57%。三位創始人團隊股權集中度高，股權結構穩定。圖表4：公司股權結構圖（截至 202

33、4 年報）資料來源：公司公告，國盛證券研究所 獲全球頂級資本青睞，獲全球頂級資本青睞，2021 年底年底 D 輪融資估值輪融資估值已達已達 20 億億美美元元。公司在上市前已成為AI 應用領域一級市場明星項目，上市后繼續引入戰略投資者：一級市場融資：一級市場融資：公司為港股 18C 新規第一家上市公司，一級市場獲得騰訊、紅杉、軟銀、谷歌、OrbiMed 等投資公司入股。其中，騰訊自 2015 年參與 A 輪融資以來多次增持。2021 年 D 輪融資后，公司估值達到 19.68 億美元；上市后上市后配售配售：2025 年 1 月 19 日，公司擬以每股每股 4.28 港元港元配售約 2.64 億

34、股，募資約 11.30 億港元；2025 年 2 月 19 日，公司擬以每股 6.10 港元港元配售約 3.42 億股，募資約 20.88 億港元。圖表5：晶泰科技歷史融資情況 輪次 融資日期 融資金額 核心投資人 A 輪 2015-11 數千萬 RMB 騰訊，人人公司 A+輪 2017-01 800 萬 RMB 真格基金，峰瑞資本 B 輪 2018-01 1500 萬 USD 紅杉資本中國，Google 谷歌，騰訊 B+/B+輪 2018-10 4455 萬 USD SIG、Evolution Fund、國壽成達、Glut Treasure、Yael Capital 等 C 輪 2020-0

35、9 3.19 億 USD 五源資本，軟銀愿景基金，人保資本，中金資本，招銀國際資本，未來資產，中信證券投資，中信資本，海松資本，順為資本，方圓資本，IMO Ventures，Parkway 基金，騰訊投資，紅杉中國，國壽等 D 輪 2021-08 4 億 USD 五源資本，奧博資本，厚樸投資，和暄資本，中國生物制藥，騰訊投資，紅杉中國，IMO Ventures，法盛資本等 基石輪 2024-06 3.38 億 RMB 上海國盛投資集團，香港恒基集團，文萊王室成員，MIT 教授，法盛資本 FaaS Capital，Ginkgo Fund 資料來源：公司公告，職友集，財聯社，國盛證券研究所 202

36、5 05 26年 月 日 gszqdatemark P.8 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表6：公司各輪融資后估值（億美元）資料來源：公司公告，國盛證券研究所 根據公司 2024 年報，截止 2024 年 12 月 31 日，公司現金及現金等價物、定期存款、按公允價值計入損益的金融資產的流動部分及受限制現金合計人民幣 31.2 億元，若加入若加入2025 年年 Q1 兩筆配售所募款項凈額人民幣兩筆配售所募款項凈額人民幣 29.68 億元，億元，公司當下公司當下賬上賬上現金資產規?，F金資產規模超超過過 60 億元億元。藥物發現、自動化兩大業務并舉，收入高速增長藥物發現、自動

37、化兩大業務并舉，收入高速增長。2020 年以來，公司著手機器人自動化實驗室建設，并將業務拓展至醫藥以外的 AI 新材料領域。截止招股書數據，2023 年公司可創收項目達 504 個，同比 2022 年增長 72%。2024 年公司藥物研發、自動化兩大業務營收、項目數高速增長：2024 年公司實現營收 2.66 億元，同比大幅增長 52.75%，其中 H2 營收同比增長高達 73%。2024 年公司藥物發現實現營收 1.04 億元，同比增長18.16%；自動化板塊實現營收 1.63 億元，同比增長 87.76%。圖表7：公司營收拆分及增速（億元）圖表8：公司各業務項目數（個）資料來源：Wind，

38、國盛證券研究所 資料來源：公司公告，國盛證券研究所 0.20 0.64 2.44 3.87 9.39 19.68 0510152025Pre-A輪A-1輪A-2輪B輪B+輪B+輪C輪D輪公司各融資階段估值（億美元）公司各融資階段估值（億美元）0%20%40%60%80%100%120%00.511.522.5320202021202220232024智能自動化解決方案藥物發現解決方案YOY050100150200250300350400450202120222023藥物發現解決方案智能自動化解決方案2025 05 26年 月 日 gszqdatemark P.9 請仔細閱讀本報告末頁聲明請仔細

39、閱讀本報告末頁聲明 2.AI4Science 遠期萬億市場，我國具備培育巨頭的土壤遠期萬億市場，我國具備培育巨頭的土壤 2.1.AI for Science：一場一場化學研發的范式革命化學研發的范式革命 AI for Science（AI4Science）即人工智能驅動的科學研究，2024 年的英偉達 GTC 大會中，黃仁勛將大語言模型、具身智能、AI4Science 并列為 AI 三大關鍵方向。通過建立相應的AI 垂類模型，AI4S 可以對產品配方進行優化、研發出升級迭代的新品、對測試結果進行建模預測，為企業帶來研發效率切實的大幅提升。數據和算法能在多維復雜問題中比人數據和算法能在多維復雜問

40、題中比人腦更好地抓住規律腦更好地抓住規律。在問題維度少的時候，人腦相對容易找到規律。然而對于多維復雜問題而言，數據和算法往往能夠相比人腦更好地抓住規律。同時在原理層面，AI 建?？梢杂稍映叨壬钊氲交瘜W反應的本質，從而全方位地賦能化學研發。醫藥和材料醫藥和材料是是 AI4Science 的兩大主戰場的兩大主戰場。曾困擾科學家 50 年之久的蛋白質折疊問題就是典型的高維問題，該難題因 AlphaFold 的出現而取得了巨大突破。這是因為在目標函數明確、數據量足夠的前提下，AI 學習與高性能計算的結合能夠以從頭計算的精度來模擬數億個原子的系統，模擬精度提升 5 個數量級，特別適合解決蛋白質折疊等傳

41、統物理計算失效的多維場景。不局限于蛋白質，生命科學和物質科學領域多維問題層出不窮，而材料和藥物的開發正是典型的多維問題。圖表9：藥物與材料研發都是多尺度高維問題，共同關鍵在于探究結構與性質間的關系 資料來源：北京科學智能研究院，國盛證券研究所 AI4Science 有三種主要有三種主要的的商業模式商業模式。AI4Science 的能力圈主要包括“讀、算、做”。以晶泰為例，其在 AI4Science 領域的能力包括：讀晶泰的 PatSight 專利數據挖掘平臺可以將傳統需要數天甚至數周的提取的文獻和專利數據在 1 小時內提取完成，準確率達到 95%；算晶泰超過 200 個 AI 模型可以通過算法

42、大幅提升研發的速度和精度；做公司的自動化工作站可以實現提升數據收集能力40倍?；贏I4Science的能力圈，行業產生出了三種實現盈利的商業模式：2025 05 26年 月 日 gszqdatemark P.10 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 定制定制 AI 模型模型：該模式中，AI4Science 企業依托算法能力，擔任“賣鏟人”角色，既可以為客戶定制用于既可以為客戶定制用于優化、迭代、預測優化、迭代、預測的的 AI 垂類模型，又可以將反復淬煉后得垂類模型，又可以將反復淬煉后得到的到的 AI 垂類模型垂類模型復用復用給客戶給客戶的同類型需求的同類型需求。從中收取“里程碑

43、式”技術服務費，下游客戶產品上市銷售后一般可以從中獲得一定利潤分成；輸出輸出機器人機器人自動化自動化工作站工作站：機器人自動化實驗室為訓練 AI 模型生成高質量數據的重要方式，也是驗證化合物合成可行性的重要環節。以晶泰無機材料機器人實驗室系統為例，其中包括了自動化配料工作站、四通道自動球磨工作站、自動化馬弗爐、自動化壓片工作站、AGV 智能運輸機器人等部分。該模式中，AI4Science 企業可根據客戶（企業或院校）需求為其定制自動化工作站或全套的“黑燈實驗室”；自研自研管線管線：該模式中，AI4Science 企業（一般與各領域行業龍頭聯合）開發新產品，以合資公司的形式聯合投入并進行產業化。

44、該商業模式在新材料領域有巨大的潛力。圖表10：AI4Science 有三種主要的商業模式 資料來源：晶泰控股，國盛證券研究所 2.2.空間測算：空間測算：AI4Science 擁抱擁抱萬億萬億藍海藍海 AI4Science 未來有望成長為千億美金的巨大市場。未來有望成長為千億美金的巨大市場。得益于底層數理方程和基本科學規得益于底層數理方程和基本科學規律的強通用性，我們認為未來律的強通用性，我們認為未來 AI4Science 能夠在物質科學、生命科學兩大領域開拓出能夠在物質科學、生命科學兩大領域開拓出全新的全新的巨大巨大市場市場。我們認為 AI4Science 市場規模取決于各個下游領域頭部企業

45、的研發支出規模，以及 AI 導入研發的滲透率。在此基礎上進行測算，測算過程如下：（一）市場規模：我們對化工、醫藥、新能源、合金、顯示、半導體六大領域做出了測算，其中化工、醫藥、新能源市場規模最為龐大，分別為 5.8 萬億、1.6 萬億、2.3 萬億美元，合金、半導體、顯示市場也不容小覷，AI4Science 合計可覆蓋的下游市場規模近11 萬億美元。（二）AI4Science 領域的定價模式或為頭部下游企業以研發支出形式實現付款。例如，在晶泰科技與協鑫集團簽署的 5 年期戰略合作協議中，協鑫將向晶泰科技支付約 1.35 億美元用于研發費用，深勢科技的直接服務對象為寧德時代而非鋰電材料企業。因此

46、，我們以中信分類下各行業內企業 2023 年研發支出占總收入的中位數作為計算依據。（三）我們計算了在 AI 滲透率分別為 1%、2.5%、10%、25%的不同情況下，AI4Science的合計市場規模。結果表明，在滲透率達到 2.5%時，AI4Science 行業的規模約 149 億美元（近千億人民幣），若未來該比重提升至 25%，則 AI4Science 將成長為年產值突破1400 億美元（近萬億人民幣）的巨大市場。2025 05 26年 月 日 gszqdatemark P.11 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表11：全球 AI for Science 市場規模測算（

47、億美元）市場規模市場規模（2025E）研發支出研發支出 占比占比 AI 滲透率滲透率 1%AI 滲透率滲透率 2.5%AI 滲透率滲透率 10%AI 滲透率滲透率25%化工 58,182 3.86%22 56 225 561 醫藥 16,232 7.77%13 32 126 315 新能源 23,310 4.82%11 28 112 281 半導體 7,189 15.18%11 27 109 273 合金 3,349 2.53%1 2 8 21 顯示 1,955 7.20%1 4 14 35 合計市場規模（億美元）合計市場規模（億美元）59 149 595 1,486 資料來源：cefic，w

48、ind，德勤，艾美達醫藥咨詢，BloombergNEF，the business research company，precedence research，金融界，wind，國盛證券研究所 注：圖中研發支出占比采用各版塊公司 2023 年研發支出占收入比重的中位數，但由于顯示領域上市公司較少，是采用龍頭企業京東方的占比作為測算依據 事實上，事實上，AI 滲透率的提升是銳不可當的大趨勢。滲透率的提升是銳不可當的大趨勢。以醫藥行業為例，據2024 年中國醫療大健康產業發展白皮書，AI 在醫藥行業的滲透率將飛速提升，在 AI 醫學影像領域已有超 60 個三類證產品獲批上市，預期行業滲透率將由 202

49、0 年的 0.7%上升至 2030 年的 41.3%。目前，AI 在制藥行業還沒有達到普及階段，全球處于臨床階段且保持活躍狀態的 AI 參與研發的管線總計 97 項，大部分 AI 藥物研發項目處于臨床早期階段，而進入臨床三期的藥物占比僅有 6.2%，未來 AI 在醫藥領域的應用市場空間還將持續拓展。2.3.我國擁有誕生我國擁有誕生 AI4Science 巨頭巨頭全球全球最好的土壤最好的土壤 全球材料科學下游化工業主要聚集在中國，同時中國材料科學科研實力也在加速崛起。根據中國化信咨詢，2022 年我國化學品產值已占全球 45%。我國擁有最齊全的化學制造業門類、最完備的產業鏈，有望孵化出引領全球的

50、 AI4Science 巨頭。在 AI4Science 先行者中，不乏有晶泰科技、深度原理等海歸派（均孵化自 MIT），在美國（特別是波士頓地區）醫藥產業發達的情況下毅然決定回國擁抱更大的材料市場，具有重要啟示。引用深度原理創始人兼 CEO 賈皓鈞觀點：“在美國去工業化的背景下，材料化學領域的中國企業，正積極從生產轉向研發，故 AI for Science 在中國的落地機遇更為豐富”?？蒲袑嵙Ψ矫?，中國材料科學也處在加速崛起中。根據 Nature Index 最新數據，2023 年中國材料科學科研產出指數達到 10597.4，全球份額占比超 50%。圖表12：2023 年 Nature Ind

51、ex 材料科學研究指數 資料來源：Nature Index，國盛證券研究所 2025 05 26年 月 日 gszqdatemark P.12 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 中國是全球第一大制造業國家，根據高盛最新數據，2023 年中國光伏、鋰電池、新能源車、功率半導體、鋼鐵供給占全球分別為 86%、81%、66%、29%、54%。產業高度集中之于 AI4Science 主要有以下顯著意義：快速積累快速積累數據：數據：近產業者得數據，高質量的數據是訓練 AI 垂類模型的必備素材，中國化學制造企業數目繁多，有利于 AI4Science 企業快速積累數據；快速融合產業快速融合產

52、業：本質上，AI4Science 為跨學科領域，其產業的發展需要 AI4Science企業與不同細分領域生產企業的“雙向奔赴”。由于過去 AI4Science 在醫藥以外大部分細分領域尚未有過示范項目，因此“產、研”雙方的對接以及對于互相能力圈的理解將成為促成合作的重要要素。在中國，AI4Science 企業在與不同化學制造門類、產業鏈環節企業交流探討方面具有更大的便利；示范效應示范效應：中國制造業容量大、密集程度高，過去產業對于 AI4Science 范式革新趨勢持觀望態度。隨著各個細分領域出現“第一個吃螃蟹”的玩家，更多的企業有望加速擁抱產業趨勢，使得 AI4Science 范式在中國各材

53、料領域迎來“多米諾式”擴散。我國我國 AI4Science 勢力強勢崛起，領跑全球勢力強勢崛起，領跑全球。AI4S 材料制造底層科學原理具有統一性，受益于 DeepSeek 等國產大模型的滲透，跨行業知識學習變得高效且低成本，使得 AI 材料企業具備橫向擴張的可能性。我們對全球 AI4S 生態進行梳理：海外聚焦 AI4Science的廠商主要包括 Isomorphic Labs 等；國內方面，近年來我國一批平臺型企業開始加速崛起，代表性的企業包括晶泰科技、機數量子、深勢科技等。圖表13：全球 AI4S 標的匯總 資料來源：各公司公告，各公司官網，各公司微信公眾號，天眼查，證券之星，簡約財經，妙

54、投 APP，文匯上觀，BiG 生物創新社，智藥局，marketscreener，職友集，車云網，企業家雜志，AIGC 開放社區，物聯網技術，機械工程材料，HyperAl 超神經，中鯨社，Wind，AIDDPro，國盛證券研究所 企業名稱成立時間關鍵詞創始人背景業務及材料研發類型核心投資人晶泰科技2015第一性計算+AI+機器人實驗室，布局新材料版圖華人MIT量子物理博士后靶點、藥物發現；軟件服務；智能實驗室服務；新材料研發騰訊、紅杉、軟銀、國壽、人保、谷歌機數量子2017中科大孵化、著重聚焦新材料中科院、國家研究中心孵化基于第一性計算、自動化機器人實驗室、亞洲最大材料數據庫，進行材料研發合肥高

55、投、賽智創投微觀紀元2022量子計算+材料研發核心創始人畢業于中科大通過量子計算賦能藥物發現和新材料設計合肥高投、昆侖資本英矽智能2014AI+Biotech、自研管線雙CEO：Alex Zhavoronkov約翰霍普金斯，任峰曾任跨國藥企、CROAI+醫藥：Pharma.AI藥物發現系統、自研管線、合作授權高瓴、紅杉、百度、藥明康德深勢科技2018北大孵化、第一性計算創始人畢業于北大、普林斯頓，北大鄂維南為首席科學顧問藥物包括大分子、小分子，材料主要聚焦電池材料高瓴創投、北京AI產業基金深度原理2024MIT孵化、晶泰/深勢投資華人MIT物理化學博士ReactiveAI化學反應生成，材料發現

56、平臺，主要聚焦催化劑高瓴創投、晶泰科技、深勢科技SES AI2012AI+電池材料創始人畢業于MIT物理固態鋰金屬電池SK、淡馬錫、上汽、通用、天齊鋰業分子之心2022蛋白質預測、對標AlphaFold創始人許錦波為國際蛋白質結構預測泰斗蛋白質大模型、大分子結構預測凱賽生物、紅杉中國、百度BV、聯想創投百圖生科2020百度孵化、大分子結構預測百度孵化xTrimo生命科學大模型（蛋白質、DNA、RNA、細胞等）百度、港投公司企業名稱成立時間關鍵詞創始人背景業務及材料研發類型核心投資人薛定諤1990AI藥物發現鼻祖、軟件服務為主哥大化學教授、美國科學院院士小分子藥物發現，AI+SaaS模式比爾蓋茨

57、、DE Shaw、先鋒基金Recursion2013AI+Biotech、自研管線猶他大學醫學博士創立自研管線，小分子藥物發現英偉達、蓋茨基金會、ARK谷歌：IsomorphicLabs2021谷歌DeepMind孵化谷歌DeepMind孵化,分拆自AlphaFold大分子、小分子藥物發現谷歌Alphabet全資微軟MatterGen2024微軟孵化、AI+無機材料微軟孵化無機材料微軟公司體內CuspAI2024深度學習教父坐鎮、AI+環保材料Geoffrey Hinton諾貝爾獎和圖靈獎雙料得主，深度學習之父坐鎮，其他創始人均為機器專家碳捕獲材料Hoxton VenturesCITRINE2

58、013AI+數據優化材料制造軟件創始人來自斯坦福大學AI優化材料制造，涵蓋包括涂料、粘合劑、密封劑和彈性體、電池、食品飲料、金屬合金、航空航天Prelude Ventures國內海外2025 05 26年 月 日 gszqdatemark P.13 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 3.AI 制藥制藥：小分子業務高速增長，大分子業務揚帆起航：小分子業務高速增長，大分子業務揚帆起航 3.1.AI4Science 在小分子領域正持續滲透，在大分子領域在小分子領域正持續滲透，在大分子領域前景廣闊前景廣闊 從“試錯時代”到“算法驅動”，從“試錯時代”到“算法驅動”，藥物研發范式革命藥物

59、研發范式革命進行時。進行時。傳統藥物研發依靠“人力”的堆積，是耗時最長、成本最高的環節，科學家需要手動篩選數萬種以上的化合物，進行動物實驗和臨床驗證，平均耗時 10 年、耗資 26 億美元（智藥邦數據）。伴隨 AI 技術的發展，制藥行業正經歷一場深刻變革，從藥物發現到臨床試驗，從生產制造到市場推廣，AI 技術所帶來的（“分子級別”的精準計算正在以人人的效率優化流程。2024 年 5 月，AlphaFold3 橫空出世，成為第一個在生物分子結構預測方面超越基于物理學工具的 AI 系統，能以前所未有的準確度預測包括蛋白、多肽、核酸等所有生命分子的結構和相互作用，在全原子尺度去學習生物分子間的相互作

60、用，藥物開發能力極大提升。圖表14：AlphaFold3 對 RNA 修飾蛋白復合物的結構預測結果與真實結構（灰色）非常吻合 圖表15：小分子藥物與大分子藥物對比示意圖 資料來源：Google，國盛證券研究所 資料來源：德勤，Understanding molecular mechanisms of biologics drug delivery and stability from NMR spectroscopy_Pyae Phyo，國盛證券研究所 1）小分子藥物小分子藥物：AI4Science 能大幅提升研發效率能大幅提升研發效率 AI 在小分子藥物發現領域的應用非常廣泛，在蛋白質結構解

61、析與可藥性位點確證、候選在小分子藥物發現領域的應用非常廣泛，在蛋白質結構解析與可藥性位點確證、候選化合物的發現與優化、臨床前驗證等各環節都有豐富實踐?；衔锏陌l現與優化、臨床前驗證等各環節都有豐富實踐。以藥物晶型確認環節為例，相同的藥物分子會因其晶型不同而具有不同的理化性質，最終又會影響到藥效、給藥形式和計量。目前晶泰科技整合了晶型搜索算法、XForce Field 小分子通用力場，量子力學計算與晶體自由能計算等技術來預測晶型熱力學的相對穩定性。憑借著強大的計算預測能力，晶泰科技顯著縮短了抗新冠病毒藥物 Paxlovid 研發時間（2022 年銷售額 189 億美元），僅用 6 周時間就完成了

62、藥物優勢晶型確認工作，加速藥物上市 6 個月。2025 05 26年 月 日 gszqdatemark P.14 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表16：AI 與藥物開發的各環節相結合 應用環節應用環節 AI4S 作用機理作用機理 靶蛋白建模與解析 AI 蛋白質折疊、電鏡圖分類、基于電鏡密度圖的分辨率優化；結合位點確證 AI 學習已知蛋白結合位點特征，對新的靶蛋白的潛在位點進行預測；通過 AI 提高分子動力學采樣效率，尋找蛋白質結合位點，縮小實驗驗證范圍；苗頭化合物發現 將主動學習、底層程序高性能優化與傳統對接軟件結合，加快計算篩選速度；基于 AI預訓練模型提高分子表示能力

63、，改進搜索效果，最終富集陽性分子供實驗驗證；藥物活性優化 利用自由能微擾等方法，結合 AI 優化其力場或電荷表示方式以優化精度；結合 AI 主動學習策略提升計算通量；成藥性優化 利用 AI 預訓練模型提高分子表示能力和基于小樣本的學習能力，提高預測效果；結合自由能微擾（FEP）技術，尋找親和力沒有顯著變化但成藥性更佳的分子；臨床前驗證 工藝優化：AI 合成路線設計和優化；晶型確證：第一性原理晶型預測；劑型確證：AI+分子動力學模擬預測穩定劑型；多種屬驗證評價：AI 預測藥物在人體可能的藥效學、藥代動力學和毒理學等，乃至預測臨床實驗的首次給藥劑量，最大化發揮多種屬驗證評價獲得的寶貴實驗數據的價值

64、 資料來源：2023 版科學智能(AI4S)全球發展觀察與展望_北京科學智能研究院等，國盛證券研究所 2）大）大分子藥物分子藥物：AI4Science 應用潛力大，成為應用潛力大，成為 2024 年諾貝爾化學獎方向年諾貝爾化學獎方向 蛋白質是生命通過數十億年逐漸進化而來的，它們就像微型機器人，在生命體中承擔著各種重要的職能。長久以來，人類面臨著癌癥、神經退行性疾病等諸多難題。如果依靠大自然進化出全新的蛋白質來解決這些問題，恐怕要等上億年的時間。然而 AI for Science 的發展有望終結這一難題。圖表17：人工設計蛋白質的機理 資料來源：Nobel Prize lecture:David

65、 Baker,Nobel Prize in Chemistry 2024，國盛證券研究所 AI4Science 在醫藥大分子領域的應用潛力在醫藥大分子領域的應用潛力大大。一個典型的蛋白質包含 100 多個氨基酸構成的序列，而氨基酸本身就有 20 種，潛在蛋白質的種類有至少 20100 次方個，這是一個天文數字。生命自然進化中誕生的蛋白質，只是其中非常非常微小的一部分。下圖中灰色的區域表示潛在的蛋白質空間，紅色的區域是大自然中存在的蛋白質種類。2025 05 26年 月 日 gszqdatemark P.15 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表18：在自然界中存在的蛋白質種類

66、 vs 潛在的蛋白質種類 資料來源：Nobel Prize lecture:David Baker,Nobel Prize in Chemistry 2024，國盛證券研究所 通過將外源基因導入靶細胞或組織，替代補償阻斷修正特定基因，基因藥物在治療遺傳病、癌癥、糖尿病，預防傳染病等方面正不斷取得突破性進展，具體可以分為基于 DNA、基于 RNA 兩類。以 DNA 類藥物為例，CAR-T 離體基因治療是這種療法的典型手段，但傳統的 CAR-T 細胞存在復發率較高等問題。CAR 分子的胞外結構域中識別抗原的單鏈抗體片段十分重要，AI 可被應用于學習抗體片段規律，對抗體親和力或人源化性質進行預測推薦

67、。在商業化領域，我國企業萊芒生物的核心產品 CD19 CAR-T 療法（Meta10-19注射液）在臨床中以極低給藥劑量（僅傳統療法 1%）實現了腫瘤細胞的完全清除。此前，萊芒生物與晶泰科技合作開發了 AI 超級因子研發平臺 MetaAI-10，攜手加速新型腫瘤免疫治療藥物研發。圖表19：理論上生命的所有信息都蘊藏在基因序列之中 資料來源：Metabolic biomarkers in lung cancer screening and early diagnosis(Review)_Yongjie Xu國盛證券研究所 當前用當前用 AI 開發生物大分子藥物有三大前沿模型，開發生物大分子藥物有

68、三大前沿模型，已已吸引大藥企簽下數十億美元訂單。吸引大藥企簽下數十億美元訂單。1）RF diffusion：通過逐步降噪的方式來設計蛋白質。由于擴散過程的每一步都可逆，所以只要“步子”足夠小，就可以從簡單的分布倒著推斷出最初復雜的分布，榮獲 2024 年2025 05 26年 月 日 gszqdatemark P.16 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 諾獎。2）ESM3：直接用多模態的生成大模型“暴力”地進行計算直接用多模態的生成大模型“暴力”地進行計算，ESM3 的訓練數據集非常龐大，token 總數達到 7710 億。通過語言建模對蛋白質三大基本屬性序列、結構和功能建模。

69、團隊成功模擬了一種自然界中不存在的蛋白質的進化過程，該過程在自然界中需要 5 億年才可完成；3）DeepMind 團隊的 AlphaFold3：輸入蛋白的序列和小分子的SMILES 文件后，模型可以在幾秒的時間里給出共折疊的結構。2024 年初，Isomorphic Labs（DeepMind 孵化的以制藥為目標的新公司）宣布與禮來和諾華簽署了兩筆總價值近30 億美元的大額訂單。AI4S+合成生物學：合成生物學：開啟萬物合成新范式。開啟萬物合成新范式。人類對于生物機制的全貌仍不了解，只能通過對黑盒的干擾-觀察的方式來對這個復雜的編碼調控系統進行學習。而合成生物學正是探測黑盒的工具，即通過工程化

70、修改和重設計生物（通常是微生物）而使其產生新功能，而 AI 恰好可以通過以巨大參數空間對復雜系統的輸入和輸出進行擬合的方式，戰略性地設計探測實驗，從而加速對生物系統的了解與應用。圖表20：AI 在合成生物學有巨大應用前景 資料來源：Special Issue on Artificial Intelligence for Synthetic Biology_Hector Garca Martn，國盛證券研究所 3.2.晶泰晶泰打通打通臨床前全流程臨床前全流程，涵蓋小分子、大分子，涵蓋小分子、大分子 公司是公司是國際領先的國際領先的 AI 制藥服務商，涵蓋小分子、大分子藥物制藥服務商，涵蓋小分子、

71、大分子藥物發現，以及復雜分子固態發現，以及復雜分子固態研發研發能力。能力。公司是國際領先的 AI 藥物研發服務商，全球前 20 大生物技術與制藥公司中16 家為公司客戶。區別于 AI Biotech 企業需要親自下場做藥，晶泰主要承接下游客戶的訂單。公司藥物發現解決方案專注于識別和開發對特定疾病相關靶點表現出藥物活性功能的分子，可為下游客戶解決橫跨藥物發現及研究的整個過程（從靶點驗證、苗頭化合物識別、先導化合物生成、先導化合物優化至臨床前候選化合物 PCC），研發能力圈涵蓋小分子、抗體、多肽、抗體偶聯藥物、蛋白降解靶向嵌合體等多模態。模型底層模型底層邏輯邏輯：AI+量子物理計算的結合。量子物理

72、計算的結合。公司是人工智能與量子物理計算的集大成者，其中人工智能提供計算框架，量子物理則為微小尺度運算的第一性原理運算方式，兩者相結合就形成了 AI4Science 的模型邏輯。具體來看，公司 AI 制藥計算平臺產品包括：基于人工智能基于人工智能的模型的模型：小分子藥物發現模型 ID4Inno、大分子設計和抗體藥物發現模型 ProteinGPT、抗體藥物發現模型 XupremAb；基于量子物理計算基于量子物理計算的模型的模型：藥物發現模型 XFF、XFEP、XPose；固態研發模型 XtalCSP。2025 05 26年 月 日 gszqdatemark P.17 請仔細閱讀本報告末頁聲明請仔

73、細閱讀本報告末頁聲明 圖表21：公司 AI 模型及機器人實驗室產品布局（部分，截止 2024 年6 月）資料來源：公司公告，國盛證券研究所 從量子物理出發，公司具備頂級的分子力學計算平臺從量子物理出發，公司具備頂級的分子力學計算平臺。分子的性質與行為從本質上來說是由量子物理學所決定的，因此基于量子物理學的方法能夠更加準確地預測和模擬這些分子的結構、性質以及行為或反應活性，并且能夠從電子和原子層面提供對其作用機制的深入理解?；诹孔游锢淼谝恍栽淼幕A計算方法，公司開發出一系列計算工具，具備能量和結構計算、高通量篩選、綜合構象分析、構象空間采樣、熱力學特性預測、結構或參數優化等能力，使公司能夠識

74、別苗頭化合物和先導化合物，最終確定適合用于進一步開展藥物及材料科學研發的候選化合物和晶體形式。公司核心分子動力學模型平臺包括 XFF（力場計算）、XFEP（親和力計算）、XPose（結合構象計算），三者互相作用，根據不同場景定制化應用，為新材料及藥物化學空間提供高效、準確的開發平臺：力場計算平臺力場計算平臺 XFF：該模型為公司與輝瑞共同開發，用于計算分子間力場。XFF 全面覆蓋新型藥物及材料的化學空間，能夠以數倍的效率計算出更多的分子。同時 XFF運用量子化學以及實驗數據進行訓練，從而能夠可靠地呈現分子構造、單分子特性、分子間相互作用，以及在溶液環境和藥物靶點中分子的行為表現。相比開源及學術

75、力場模型，XFF 可節省 80%化學合成工作量；親和力計算平臺親和力計算平臺 XFEP：FEP（自由能微擾）是一種預測候選分子與其生物靶點之間結合強度的方法，可計算不同配體之間的相對結合自由能。傳統FEP 具有成本高昂、等待周期長、缺乏可擴展性等缺點，公司自主研發用于大規模評估候選分子與其生物靶點之間結合親和力的親和力預測平臺 XFEP，將高精度、高通量的親和力預測與人工智能模型相結合，并且集成了增強采樣算法、統計分析方法以及自主研發的 XFF。XFEP 可以加快從苗頭化合物識別到臨床前候選化合物提名的整個過程。公司 XFEP每年大約能夠評估 24 萬個分子的結合親和力，是其他知名生物技術與制

76、藥公司 FEP能力的 10-100 倍，同時相比傳統 FEP 成本降低約 75%；結合構象計算平臺結合構象計算平臺 XPose：分子及其靶點就如同鑰匙和鎖，結合構象是分子與其藥物靶點相結合時的正確結構和方向，正確的結合構象能夠設計出與靶點更匹配的分子，使分子能夠更有效地“解鎖”靶點，同時避免“解鎖”其他靶點。XPose 通過平臺應用功能ID4Inno*包括 ID4Idea 和ID4Gibbs小分子藥物發現ID4Inno是一個實現閉環的人工智能藥物研發計算平臺，能夠實現藥物與靶標相互作用的高精度預測。ID4Idea 用于小分子的生成、選擇和評估，擁有超過 200 個人工智能模型。ID4Gibbs

77、 是基于物理建模和第一性原理計算的高精度量子物理模型ProteinGPT大分子設計和抗體藥物發現一種生成式算法藥物和新材料設計工具，可應用于：（i）根據特定的靶蛋白序列生成結合蛋白；（ii）根據特定的預設標準生成抗體庫；（iii）根據特定的改進要求，優化某些抗體。ProteinGPT通過將大語言模型（LLM）納入其算法進行了升級XupremAb*包括 Xtalfold 和XpeedPlay抗體藥物發現涵蓋抗體藥物發現流程中不同的重要功能，包括人工智能賦能雜交瘤、人工智能賦能文庫下一代測序（NGS）發現、人工智能賦能噬菌體展示、從頭設計、超人源化、人工智能賦能親和力調整、可開發性評估及優化、雙特

78、異性設計和抗體偶聯藥物（ADC）設計。XtalFold 是抗原-抗體復合物結構預測算法，具有前所未有的可能性和準確性。XpeedPlay 是人工智能賦能的噬菌體展示平臺，能夠超高速生成苗頭抗體XFF藥物發現用于設計參數全局優化的新一代通用分子力場XFEP藥物發現高精度及高通量的結合親和力預測平臺，旨在大規模評估候選分子與其生物靶點之間的結合親和力XPose藥物發現能夠結合不同采樣及評估算法的優勢，更精準預測小分子靶點-配體的結合構象XtalCSP固態研發晶體結構預測平臺，配備全局搜索算法，涵蓋所有理論穩定形態。XtalCSP 是不依賴實驗的平臺，可交叉驗證實驗并降低多晶體系的風險ChemPlu

79、s固態研發及自動化化學合成ChemPlus 能靈活、高通量地處理各種固體樣品，可實現智能參數調整，支持全過程數據追蹤基于AI算法基于量子物理計算機器人自動化實驗室2025 05 26年 月 日 gszqdatemark P.18 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 整合不同采樣及評估算法的優勢，更精準地預測小分子靶點-配體的結合構象。通過與 FEP 的結合，XPose 的成功率大大提升，對于小分子結構（RMSD3 倍的突變體。2025 05 26年 月 日 gszqdatemark P.25 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表36：AI 驅動大分子親和力改造平

80、臺 資料來源：公司官網，國盛證券研究所 晶泰的晶泰的固態研發固態研發業務業務 固態研發是藥物研發的第二階段，傳統實驗篩選難以做到完整解析。固態研發是藥物研發的第二階段，傳統實驗篩選難以做到完整解析。固態研發是屬于藥物研發的第二個階段（第一個階段為藥物發現），其目的是為體外研究、中試研究以及專利保護確定合適且熱力學穩定的晶體形態。晶體結構預測的結果能夠加強實驗篩選工作，并且有可能減少不必要的實驗測試，進而能夠選出藥物的最佳固態形式。選擇藥物的最佳固態形式能夠提高后期藥物開發的質量和成功率。傳統的固態研發幾乎完全依賴于實驗篩選，無法保證全面解析所有的晶型、對確定藥物開發的最佳晶型、確保晶型情況的完

81、整性，進而導致在藥物的生物利用度和功效方面存在潛在風險。公司是公司是全球全球頂尖固態研發龍頭，頂尖固態研發龍頭，晶型晶型預測成功率達預測成功率達 100%。晶型預測是對目標分子及其他可選組分在指定晶體空間進行全局搜索，預測該空間內熱力學穩定的晶體結構（包括實驗結構）及其穩定性排序。公司可進行游離態、鹽型、共晶、水合物/溶劑合物等體系的晶型預測，是行業少有同時具備晶體結構預測、多晶篩選的服務商。公司通過 AI 驅動固態研發能高效解決傳統固態研發方案所面臨的挑戰，比如原料藥溶解度低、體外穩定性差、吸濕性、原料藥構象不清晰、多晶風險等，在所有針對小分子開展的晶體結構預測項目中都達到 100%的成功率

82、。2025 05 26年 月 日 gszqdatemark P.26 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表37：公司固態研發相較傳統人工方法具備優勢 資料來源：公司公告，國盛證券研究所 晶型預測平臺晶型預測平臺 XtalCSP，可高效分析復雜分子體系，可高效分析復雜分子體系。2016 年，公司推出晶型預測平臺XtalCSP，該平臺配備了全局搜索算法，涵蓋了所有理論上的穩定形態。XtalCSP 不依賴于實驗，能夠對實驗進行交叉驗證，降低多晶體系所存在的風險。XtalCSP 可以針對目標多晶型推薦具有更高結晶傾向性的溶劑，同時每年在超過 70 個實驗晶型上進行驗證。截至 2023

83、 年底公司已通過 XtalCSP 平臺評估過超 350 個體系的風險，可以在 4-8 周內提供收斂的低能晶體全景圖，而傳統的實驗方法需要數月甚至更久也僅能提供子集。同時，公司技術也可應用于更復雜的體系，如擁有超過 15 個可旋轉鍵的高柔性分子、具有多個柔性環的復雜異構化分子，以及鹽型、共晶、水合物、溶劑化物等多組分晶體。圖表38：公司 XtalCSP 晶型預測流程 資料來源：公司官網，國盛證券研究所 為輝瑞為輝瑞 PAXLOVID 新冠藥研發晶型，幫助藥物提前新冠藥研發晶型，幫助藥物提前 6 個月上市。個月上市。PAXLOVID 是全球第一款獲 FDA 批準上市的口服固體新冠藥物，由輝瑞研發，

84、并相繼在世界各地投入使用，2022 年銷售額 189 億美元。PAXLOVID 的主要成分為化合物 PF-07321332，一款蛋白酶抑制劑，它可以干擾病毒復制的過程并起到抗病毒的效果，對已知可感染人類的所有冠狀病毒都表現出抗病毒活性。為了探索和理解 PF-07321332 的晶型分布，輝瑞科學家選2025 05 26年 月 日 gszqdatemark P.27 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 擇與晶泰科技聯手。晶泰科技的智能預測算法協助輝瑞顯著縮短了 PAXLOVID 藥物開發中的關鍵環節，僅用 6 周時間就完成了藥物優勢晶型確認工作，加速藥物上市 6 個月。圖表39：公

85、司晶體結構預測應用于輝瑞 Paxlovid 新冠藥研發 資料來源：公司公告，國盛證券研究所 具體項目中，公司晶型預測僅用具體項目中，公司晶型預測僅用 6-8 周完成客戶需求，而傳統晶型實驗花費周完成客戶需求，而傳統晶型實驗花費 17 周未能周未能獲取單晶結構。獲取單晶結構。在服務某國際知名藥企項目中，客戶要求通過理論計算，了解化合物的穩定晶型全景，判斷是否存在其他實驗未能獲得的穩定晶型；同時明確已知晶型（Form A&B&C）的轉晶風險；最后得到未能通過實驗完成單晶解析的 Form C 的單晶結構。公司僅用四周完成前期計算工作，對解得的晶胞參數及預測得到的晶體結構進行衍射精修，獲得實驗晶型 F

86、orm C 的單晶結構；隨后使用 PSCP 方法，比較實驗存在的晶型和理論的潛在穩定晶型的相對穩定性，給出隨溫度變化的穩定性變化曲線，估計相變溫度。公司晶型預測計算周期僅為 6-8 周，而晶型實驗共花費 17 周才得出與計算結果對應的相同結果。圖表40：晶型預測與實驗研究時間流程對比 資料來源：晶泰科技，國盛證券研究所 晶型預測有助于目標晶型專利的申報。晶型預測有助于目標晶型專利的申報。單晶結構的獲取有助于進一步研究目標晶型的固相性質（如結晶性分析、溶解度評估等），并且單晶結構的理論衍射峰位置對晶型專利的衍射峰保護有明確意義，在申報資料中尤為重要。在具體項目中，某國際知名藥企的在研管線 API

87、 分子結構較為復雜，存在復雜的多晶型現象，有一定的多晶型風險。而通過實驗僅能得到目標穩定晶型 Form A 結晶度質量有限的粉末，單晶結構難以獲得。同時目標穩定晶型 Form A 粉末衍射數據/固態核磁數據存在雜峰，難以確定樣品是否為純凈晶型，不利于質量控制及申報工作。公司利用 XtalCSP晶型預測平臺，最終獲得了實驗2025 05 26年 月 日 gszqdatemark P.28 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 未能得到的目標晶型 Form A 的單晶結構，并確認該晶型粉末是純凈晶型。通過單晶結構獲取的目標晶型理論衍射峰位置，可用于申報晶型專利時的衍射峰保護；同時根據前

88、期晶型預測結果，得到該化合物穩定晶型全景，并確認目標晶型 Form A 是全局最穩定晶型。整個流程周期來看，公司晶型預測+固相分析大約 8-10 周，而實驗路線總周期長達 30 周。圖表41：晶型預測支持藥品注冊申報 資料來源：晶泰科技，國盛證券研究所 2025 05 26年 月 日 gszqdatemark P.29 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 4.人工智能自主實驗平臺：人工智能自主實驗平臺：AI機器人，打造數據飛輪機器人，打造數據飛輪 4.1.高質量高質量數據驅動，數據驅動，晶泰晶泰是是 Self-Driving Labs 先驅先驅 自主實驗室自主實驗室 Self-D

89、riving Labs 是材料科學研發的重要發展方向。是材料科學研發的重要發展方向。Nature 于 2025 年 1月發布2025 年值得關注的 7 項技術，涉及癌癥治療、生物修復、可持續建筑、光子計算等諸多前沿領域，其中自主實驗室 Self-Driving Labs 位列榜首。Nature 指出：“將現代機器人技術與人工智能算法相結合，能夠規劃和解讀復雜的高通量工作流程”。ARK INVEST 的BIG IDEAS 2025同樣對 Self-Driving Labs 前景進行了詳細的解讀和推薦：“自主實驗室通過整合可大規模解讀生物學信息的多組學工具、配備能實現高通量實驗的自動化設備、搭配可

90、分析數據并設計下一組實驗的大語言模型（LLM），有望推動藥物研發從自動化向自主化轉變。Self-Driving Labs 可加快發現周期、降低成本和時間、提高效率，在藥物發現過程中最多可節省 2 年時間和數億美元投資”。圖表42：Self-Driving Labs 自主實驗室可大幅提升藥物發現生產力 資料來源：BIG IDEAS 2025（ARK INVEST），國盛證券研究所 正確的數據是決定正確的數據是決定 AI4S 邏輯推理成敗的根基。邏輯推理成敗的根基。目前通用大模型持續迭代，在處理日常非學術問題能力顯著，但面對物理、化學空間結構探索即材料（藥物）科學研發時，往往由于沒有足夠的數據（行

91、業公開數據僅為冰山一角且眾多來源難以溯源）而導致推理邏輯無法形成正確結論。正確且優質的高通量數據（無法用人工濕實驗完成），是解決正確且優質的高通量數據（無法用人工濕實驗完成），是解決AI4S 科學研發的重要根基科學研發的重要根基。2025 05 26年 月 日 gszqdatemark P.30 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表43：正確的數據才能解決正確的問題 資料來源：晶泰控股，國盛證券研究所 AI 模型訓練模型訓練的的數據的積累，數據的積累，目前主要依托高通量“自動化”實驗室目前主要依托高通量“自動化”實驗室。近年來快速發展的機器人自動化實驗能讓數據迎來“質”與“量

92、”的同步飛躍，促使 AI 模型加速進化。高質量數據如同大語言模型的“語料”，是 AI4S 的金礦山。傳統科學實驗過程中的數據（尤其錯誤的數據）往往不會被很完整地記錄下來，造成化學領域數據的缺失，因此需要通過 AI4S 結合自動化的方式積累用于訓練垂類模型的數據。AI4S 企業的數據來源有干實驗、濕實驗兩種，前者是數字化建模、提供用于虛擬篩選的數據，而 724 小時不間斷運行的機器人直接參與濕實驗，自動化完成投料、合成、稀釋、過濾和液質分析等系列過程，同時提升數據的規模和標準化程度，最終反哺給模型學習迭代，形成量變到質變的數據飛輪效應。圖表44：近年來，機器人自動化實驗室快速發展 資料來源：機器

93、化學家的挑戰和機遇江俊，晶泰科技，晶泰智造，北京大學材料科學與工程學院，測試匯大型服務平臺，國盛證券研究所 2025 05 26年 月 日 gszqdatemark P.31 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 公司機器人實驗室公司機器人實驗室可提升數據收集能力可提升數據收集能力 40 倍倍，每月積累，每月積累 20+萬條反應數據。萬條反應數據。公司通過“AI+機器人”模式打造了行業獨有的“高通量實驗-高質量數據-高智能模型”飛輪。公司機器人實驗室平臺可 7*24 小時高負荷實驗，通過高速積累“高質量數據”反饋于各類 AI 模型訓練，這些模型可應用于包括靶點解析及虛擬篩選、合成策

94、略推薦、合成反應結果預測、專利搜索等環節。目前公司機器人實驗室已經覆蓋了 80%以上的常見藥化反應類型，每月可以積累 20+萬條化學合成過程數據，實驗結果的一致性高，數據質量遠遠優于開源數據，可實現數據收集能力提升 40 倍。圖表45：智能化平臺產生高通量&高質量數據資產，打造物質結構超級大腦 資料來源：晶泰控股，國盛證券研究所 公司機器人自動化實驗可大大提升研發效率公司機器人自動化實驗可大大提升研發效率。以自動化合成為例，無論是在高通量平行反應，還是多步自動化合成反應，晶泰科技人機結合的自動化合成實驗系統都可大幅提高合成效率，提高藥物研發的效率，終極目標是在所有的人工實驗場景中用自動化合成替

95、代人工合成。舉例來看，某項目需要合成 78 個藥化分子，平均每個分子反應步數約為5 步，每個分子交貨 20mg，希望在 20 周內完成交貨。公司采用“人機結合”服務模式，配備了 1 個組長+3 個研究員+1 個自動化實驗室操作員。此項目 78 個藥化分子*5 步反應，總共合成步驟高達 390 步。傳統人工模式下，按每人每周同時推進兩條路線，每條路線上成功推進兩步來計算，一個 5 人組需要將近 20 周完成（390/(5X4)=19.5）。而人機結合模式下，5 人+3 臺自動化合成工站（未滿負荷運行），可在 10 周內完成。高通量平行反應高通量平行反應：在高通量反應或平行反應中（如化合物庫合成、

96、催化劑篩選、反應條件優化），自動化合成有明顯的優勢。機器人可承接重復、繁重而耗時的工作，實現 7*24h 不停歇地開設反應、處理反應、純化產物，減少人為失誤和環境改變帶來的偏差，使得實驗結果更加可控；多步自動化合成：多步自動化合成：自動化合成可以同時探索多條反應路線，效率遠遠高于傳統人工方法。應用場景包括：苗頭化合物的篩選和優化、多骨架探索、大量 SAR、同時探索多個基團替換。2025 05 26年 月 日 gszqdatemark P.32 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表46：晶泰科技的機器人自動化“黑燈實驗室”資料來源：實驗室自動化與智能化行業白皮書，國盛證券研究所

97、 “自主實驗室”是“自動化實驗室”的發展方向，兩者區別在于決策者由人轉變為“自主實驗室”是“自動化實驗室”的發展方向，兩者區別在于決策者由人轉變為 AI，而海量的數據積累就是推動實驗室由“自動化”轉向“自主化”的核心。圖表47：數據驅動專有領域 AI 大模型預測能力持續提升 資料來源：晶泰控股，國盛證券研究所 晶泰是晶泰是 Self-Driving Labs 自主實驗室探索先驅自主實驗室探索先驅，通過高通量機器人工作站的建設以及AI 算法的擴充，致力于早日實現 AI 決策的全自主化實驗室。隨著數據的持續積累，目目前公司前公司 AI 已展現出優于人類化學家的預測能力，尤其在失敗反應預測方面，預測

98、已展現出優于人類化學家的預測能力，尤其在失敗反應預測方面，預測召回召回率率高達高達 81%，顯著高于人類化學家的，顯著高于人類化學家的 39%、48%。2025 05 26年 月 日 gszqdatemark P.33 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表48：公司 AI 模型預測能力超越人類化學家 資料來源：晶泰控股，國盛證券研究所 通過底層技術協同，公司將通過底層技術協同，公司將“AI+機器人”機器人”解解決方案決方案由醫藥研發推廣至新由醫藥研發推廣至新材料研發的各材料研發的各個領域。個領域。萬華化學董事長廖增太在采訪中提到，以催化劑研發為例：催化劑其分子式、性能組合復雜

99、，包含 14000 多種可能性。傳統方法下一個有經驗的碩士做一個分子合成+評估需要 0.5-2 月時間，一年只能做 20 個左右實驗，合成 14000 種分子式需要 20 個碩士工作 35 年。而通過 AI 的方式進行篩選后再做合成、實驗，在得到滿意結果的前提下僅花費半年多時間，大大縮短了催化劑的研發周期。目前公司依托底層技術相通性，將（“AI+機器人”解決方案由醫藥研發持續推廣至新材料研發中的各個領域，并取得積極的進展：在催化合成領域：在催化合成領域：晶泰科技為中石化、復旦大學麻生明院士團隊交付了用于催化劑篩選的智能合成工作站，突破了高通量合成篩選的瓶頸，增加科學研究產出；在材料領域：在材料

100、領域：晶泰科技為某材料研究院交付了無機材料研發智慧實驗室，實現了多種輔助合成、制樣和分析設備的集成和調度，可自動完成材料研發中配料、球磨、焙燒、烘干、壓片和測試等實驗流程。2025 05 26年 月 日 gszqdatemark P.34 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表49：公司 XmartChem智能合成工作站 圖表50：公司無機材料研發智慧實驗室 資料來源：晶泰智造，國盛證券研究所 資料來源：晶泰智造，國盛證券研究所 4.2.機器人自動化已斬獲院校、國內外產業客戶訂單機器人自動化已斬獲院校、國內外產業客戶訂單 中石化催化劑合成工作站交付中石化催化劑合成工作站交付 催

101、化劑是石化工業的“芯片”，合成難度嚴苛。催化劑是石化工業的“芯片”，合成難度嚴苛。催化劑被譽為石化工業的“芯片”，石化工業領域 90%的工藝過程都需要使用催化劑，石化工業的發展很大程度上依賴于催化劑的發展。催化劑可以提高石油產品的產率和質量，減少環境污染物的排放。同時，石油催化劑的設計和研發也是一個復雜而關鍵的工程領域，需要考慮催化劑的穩定性、選擇性、反應速率等因素，以充分發揮其催化效果。例如，中石化在進行該催化劑合成研究時，需要面臨如下挑戰：該催化劑合成工藝流程復雜，實驗過程加粉加液頻繁，需要在不同的來源容器和目標容器間切換，量程和精度都有不同要求，對硬件穩定性和軟件靈活性要求高；實驗過程工

102、藝原料種類繁多且濃度高，反應液漿料粘度高，需要充分攪拌混合均勻；反應過程中產生大量酸性物質易腐蝕設備，要打通自動化全流程，具有極大的挑戰性。2024 年年 10 月公司順利交付給中石化上海石化研究院一臺催化劑合成工作站，用于一月公司順利交付給中石化上海石化研究院一臺催化劑合成工作站，用于一種催化劑的高通量合成。種催化劑的高通量合成。該系統運用先進的自動化和機器人技術，突破催化劑高通量合成瓶頸，可自動化完成固液投料、高溫控制不同攪拌方式下的反應等步驟。解決了客戶實驗過程遇到的催化劑合成工藝原料種類繁多且濃度高；反應液漿料粘度高，難以攪拌混合均勻；反應過程中產生大量的酸性物質易腐蝕設備等問題，助力

103、催化劑研發合成效率提升。2025 05 26年 月 日 gszqdatemark P.35 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表51：公司機器人實驗室交付項目（部分）資料來源：晶泰控股，國盛證券研究所 無機材料研發自動化解決方案無機材料研發自動化解決方案 高端無機材料應用領域廣闊，研發難度高。高端無機材料應用領域廣闊，研發難度高。無機非金屬功能材料具有獨特的高模量、高硬度、耐磨損、耐高溫、耐腐蝕、抗侵蝕、良好的生物相容性以及優異的電學、光學、磁電、壓電、熱電等特性，從而在航天航空、新能源汽車、半導體、高端裝備等新興戰略產業具有巨大的應用前景。無機材料的研發生產難點包括了材料合

104、成涉及的操作步驟繁瑣、需多種設備的配合、多種硬件設備的集成、不同種類樣品的轉移和軟件系統的精準調度控制等。公司為客戶開發出全流程材料制備和分析的智慧實驗室，實現了多種輔助合成、制樣和公司為客戶開發出全流程材料制備和分析的智慧實驗室，實現了多種輔助合成、制樣和分析設備的集成和調度分析設備的集成和調度。該系統包括了自動化配料工作站、四通道自動球磨工作站、自動化馬弗爐、自動化壓片工作站、AGV 智能運輸機器人、智能控制與調度系統等，適用于材料研發中配料、球磨、焙燒、烘干、壓片和測試自動化實驗流程。2025 05 26年 月 日 gszqdatemark P.36 請仔細閱讀本報告末頁聲明請仔細閱讀本

105、報告末頁聲明 圖表52：無機材料制備流程 圖表53：公司無機材料自動化研發系統 資料來源：晶泰智造，國盛證券研究所 資料來源：晶泰智造，國盛證券研究所 復旦大學復旦大學自動化實驗室自動化實驗室交付交付 2024 年 6 月公司順利交付給復旦大學化學系麻生明院士團隊一臺 XmartChem智能合成工作站（手套箱工站），用于團隊某催化劑的合成篩選研究。XmartChem智能合成工作站（手套箱工站）可自動完成合成實驗中投料、反應、產物稀釋、過濾全過程，實現無水無氧操作體系下化學合成實驗操作流程自動化，進而突破高通量合成篩選的瓶頸，提高實驗的效率和安全性。機器人自動化實驗室出海機器人自動化實驗室出海

106、與阿聯酋王室簽署合作協議，打響機器人自動化實驗室出海第一槍。與阿聯酋王室簽署合作協議，打響機器人自動化實驗室出海第一槍。2025 年 3 月，公司與阿聯酋王室謝赫哈馬德辦公室簽署商業合作協議，雙方將在阿聯酋共同建設中東地區首個自動傳統藥物現代化研發實驗室，首期投資 3000 萬美元（按建設進度支付）。該實驗室項目計劃于 2025 年 4 月正式啟動首期建設，將服務于阿拉伯世界藥物研發。2025 05 26年 月 日 gszqdatemark P.37 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 5.進軍進軍 AI4Material，萬億賽道啟航，萬億賽道啟航 5.1.新材料新材料是是 A

107、I4Science 的星辰大海的星辰大海 傳統研發傳統研發模式效率低，“模式效率低，“AI+機器人”驅動范式加速革新機器人”驅動范式加速革新?；衔锇l現是一個化學空間探索的過程，而新材料的研發多屬于高維非線性優化問題。新材料的研發需要對材料和環境的物理、化學及力學性質進行復雜的耦合建模，例如需要求解熱、力、電、輻照同時作用于固體、液體混合體系后的影響等復雜問題，傳統研發模式效率低下。AI4S 可以憑借統一數據建?？蚣?、跨尺度仿真能力和自主實驗平臺加速材料研發，推動材料科學進入“智能設計”時代。目前 AI 新材料研發商業化尚處于藍海，競爭格局優，在新能源材料、電子材料、合金材料、化工材料等領域已

108、開始滲透：1）新能源材料新能源材料 AI 正加速鈣鈦礦、超分子、鋰離子電池、正極材料、碳硅材料等正加速鈣鈦礦、超分子、鋰離子電池、正極材料、碳硅材料等材料的研發。材料的研發。鈣鈦礦鈣鈦礦電池：電池：AI4S 可以從鈣鈦礦制備工藝優化、表征數據分析和鈍化層材料篩選等多方面做出貢獻。傳統鈣鈦礦材料光譜表征數據分析過程冗長，而 AI 深度遷移學習在學習大量理論模擬數據后，僅僅需要少量實驗數據二次訓練，就可以準確地從反射/透射光譜中獲得薄膜厚度，大幅減少數據分析所用的時間。2024 年 8 月，晶泰科技與協鑫集團簽署了為期 5 年的戰略研發合作協議，為其提供鈣鈦礦等領域的新能源材料研發服務；電解液配方

109、電解液配方研發研發：基于電解液配方設計模型以及高精度分子動力學方法，其可對電解液分子和配方物性進行高通量高精度的快速預測，實現配方的設計和篩選，最終令性質預測精度高達 95%，配方設計研發周期縮短至原用時的 1/3；固態電池材料：固態電池材料：全固態電池研發的一大難題是如何開發出穩定的電化學材料體系。受困于此，日本豐田在固態電池領域擁有全球最多的專利，過去 30 多年里嘗試了數萬種應用于電池的電解質，但至今未能實現量產。而 AI 可分析各類材料組合的穩定性和導電性，縮短傳統實驗中逐一驗證的時間成本。2025 05 26年 月 日 gszqdatemark P.38 請仔細閱讀本報告末頁聲明請仔

110、細閱讀本報告末頁聲明 圖表54：在新能源領域，AI 可全面賦能化學研發 資料來源：2023 版科學智能（AI4S）全球發展觀察與展望_北京科學智能研究院等，國盛證券研究所 2）電子）電子材料材料 在光電領域，AI 可以通過結合分子設計和構效關系模型，構建百萬級化合物庫，實現高通量篩選，更準確地預測材料或器件的光電性能，在光刻膠、OLED 發光材料等難度最突出的領域做出貢獻：半導體材料：半導體材料：光刻膠PAG 光酸是光刻膠生產時必不可少的關鍵組分，傳統開發流程中發現新分子可能需要長達十年的時間，生成式 AI 可以在 5 小時內完成 2000 個潛在 PAG 的建模工作，確定有前途的候選分子后，

111、再結合自動化化學反應器系統合成。得益于此，IBM 團隊利用 AI 在一年內合成了三種新型 PAG 候選藥物，顯著減少了時間和成本；OLED 發光材料：發光材料：OLED 終端材料具有較高的技術及專利壁壘，分子式結構復雜，且純度要求 6-8N。OLED 終端材料主要被日本、歐美企業壟斷。AI 可以通過主動學習算法生成分子結構、預測物質屬性與合成方案。2024 年三星研究團隊采用生成對抗網絡和變分自動編碼器等人工智能技術來設計分子結構，成功設計了新型的藍色TADF（熱活化遲熒光光）材料，將材料的使用壽命提升了 20%。此外，全球 OLED材料領軍企業 UDC 也表示其具備獨有 AI 模型，用于加速

112、磷光 OLED 的研發工作，與 AI 的結合是 UDC 在 OLED 材料領域久居霸主的關鍵支柱之一。2025 05 26年 月 日 gszqdatemark P.39 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表55：用 AI 可以設計 OLED 分子結構 資料來源：清華大學智能產業研究院，國盛證券研究所 3）合金）合金材料材料 AI4S 在合金在合金材料研發材料研發中具有應用的必要性中具有應用的必要性。合金研究的主要關注點是“成分+加工工藝”，目標是“強度、塑性、抗蠕變性能”等材料的真實服役性能。AI4S 可以從微觀出發，提供全新解決方案與思路。理論上，研發高性能合金材料需要在數

113、百萬種可能的成分中確定左右性能組合的配方，AI4S 在具備一定前期研發數據的基礎上將會非常適用。通過 AI 技術的引入，一方面可以解決高熵合金等復雜配比產品研發問題，另一方面可以大大減少研發時間、降低研發成本：賦能賦能高熵合金的研發：高熵合金的研發：高熵合金通常是 5 種或以上的金屬形成的合金材料，每種元素的原子百分比在 5-35%之間，配比復雜，但具有更高的硬度、強度、耐腐蝕性、高溫抗力，高端領域應用潛力大；而傳統領域 90%為低熵合金，單一元素占比高達80-90%。熵合金研發難度高，若使用傳統方法探索，需要很多科學家積累幾代人的經驗才勉強能提煉出比較有限的物理模型，但是采用 AI4S 方法

114、，可以建立“成分-結構-性能”之間的定量關系，通過數據融合處理、選擇特征工程、訓練模型學習數據集背后的規則并應用力學性能進行預測，篩選合金的相結構、密度、熔點、硬度和耐腐蝕性，從而得到所需的高熵合金。提升合金研發速度提升合金研發速度、降低研發成本、降低研發成本：高端合金材料的行業特點為研發時間極長、驗證周期極短，研發時間極長：傳統方法需要大量的試驗和經驗積累，耗費時間和資源，研發周期可達幾十年，海外高端合金公司不乏起源于一戰、二戰的老企業，技術積累經歷百年技術沉淀；驗證周期極短：一旦金屬材料性能達標則可以快速進入生產銷售階段。QuesTek 是美國 AI+金屬龍頭廠商，以高通量材料計算為核心，

115、集成了從微觀到宏觀的多尺度計算工具，接入熱力學計算、動力學計算、宏觀有限元軟件以及性能預測模型，相比傳統“試錯法”，新材料研發周期縮短 50%，成本降低 70%，產品涉及高強鋼、鋁合金、涂層、高溫合金以及新興的高熵合金。4）化工材料）化工材料 化工材料的研發是化工材料的研發是 AI 可以大放異彩的領域?？梢源蠓女惒实念I域。在化工材料領域，從單體合成到聚合物調控，再到復配體系篩選，AI 都可以參與其中，大大加速化工材料行業的產品開發速度。2025 05 26年 月 日 gszqdatemark P.40 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 有機合成化學品：有機合成化學品：代表性產品

116、包括農藥、醫藥中間體、染料、有機顏料、催化劑、食品添加劑、合成香料等。這些行業多涉及復雜分子設計和多步驟反應，AI 既可以通過逆合成規劃與應可行性預測篩選最優合成路徑，也可以驅動自動化平臺完成高效實驗、對實驗數據做分析，提升產物良率與選擇性。以催化劑為例，AI4S 能夠揭示活性位點、表面吸脫附反應過程，深入理解催化劑構效關系等本質原理；聚合物：聚合物：由于單體序列、分子量分布、交聯程度等參數的復雜性，聚合物性能調控難度顯著高于單一分子中間體，典型產品包括高性能工程塑料、柔性電子器件所需的介電材料、分離膜等功能材料。AI 能夠融合物理模型與深度學習，預測聚合物斷裂行為、密度等復雜特性，突破人工試

117、錯法的局限性；復配體系復配體系：很多化工材料行業的專業壁壘高度依賴于 know-how（可以理解為配方與經驗），典型行業如涂料、油墨、膠黏劑等，都依靠復雜助劑、溶劑、添加劑復配體系實現特定功能。以涂料為例，作為具有樹脂、溶劑、顏填料、助劑四大類共數千種原材料的行業，涂料的產品配方排列組合極其豐富，尤其適合用 AI 進行優化。5.2.進軍進軍 AI 新材料新材料，萬億賽道啟航，萬億賽道啟航 晶體結構預測是打開材料發現之門的鑰匙，底層邏輯具有相通性晶體結構預測是打開材料發現之門的鑰匙，底層邏輯具有相通性。晶體結構預測是一類重要的物質結構預測技術，在新材料研發領域十分關鍵，而晶體預測正是公司一直以來

118、的技術優勢。2024 年 12 月公司在劍橋晶體數據中心舉辦的物質結構預測 CSP Blind Test中脫穎而出，成為表現最出色的兩個團隊之一。此次大賽涉及光電材料分子、生物醫藥分子、農藥分子等多個材料體系，公司均展現了全球領先的技術實力。引用董事長溫書豪博士觀點：“準確預測物質結構需要處理非常復雜的高維問題和極高的計算精度。獨特的物質結構會形成獨特的材料，帶來獨特的性質。這些物質結構既可以是治病救人的藥物物質結構，也可以是解決能源傳遞瓶頸的室溫超導材料，甚至可以是量子計算機的底層器件材料。掌握了精確的物質結構預測技術，就像掌握了打開未來材料發現之門的預言鑰匙”?？祚R加鞭，卡位快馬加鞭，卡位

119、 AI 新材料業務星辰大海。新材料業務星辰大海?；诘讓蛹夹g相通性，公司積極拓展 AI 新材料業務，賦能客戶實現更優的材料研發范式。目前公司在鈣鈦礦電池、固態電池、碳基材料、電解液、催化劑、化妝品、巖土固化材料超級塑料材料等方向均取得重要突破，實現全流程自動化、數字化及智能化。2025 05 26年 月 日 gszqdatemark P.41 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表56：晶泰產業布局初現 資料來源：晶泰科技，國盛證券研究所 與工信部簽署戰略協議，推動與工信部簽署戰略協議，推動 AI 技術賦能百行千業、助力產業集群升級。技術賦能百行千業、助力產業集群升級。2025

120、 年 3 月，工業和信息化部中小企業發展促進中心與晶泰科技達成戰略合作，聚焦美妝消費品、生美妝消費品、生物醫藥、前沿新材料、農業科技物醫藥、前沿新材料、農業科技等細分行業，運用人工智能和自動化技術，促進產業智能化轉型升級。依托中心覆蓋 31 個省級平臺和 169 個地（市）平臺的服務網絡以及體系內國家、省、市、縣四級 1780 多家中小企業公共服務機構，公司面向特定行業的垂直領域人工智能模型有望更高效地為廣泛分布于百行千業的中小企業提供更加高效、智能、可持續的解決方案，提升核心競爭力。AI 新能源材料新能源材料 斬獲協鑫斬獲協鑫 10 億億元元訂單，布局訂單，布局 AI 鈣鈦礦材料。鈣鈦礦材料

121、。2024 年 8 月 24 日公司與協鑫集團簽署為期 5 年的戰略合作協議，根據正式研發委托協議約定，協鑫將按照項目研發進度，分期向晶泰科技支付預計約 1.35 億美元（約 10 億元人民幣）的研發費用。晶泰科技將為協鑫提供鈣鈦礦、超分子、鋰離子電池、正極材料、碳硅材料等領域高科技新能源材料研發的訂單化服務，攜手開發一系列新材料。同時，晶泰還將為協鑫打造材料領域大模型驅動的 AI+自動化數智創制系統，實現從新材料/復合物的快速設計、功能材料的高定制，到工藝的高效開發應用。電解液材料電解液材料交付北京大學研發團隊交付北京大學研發團隊。公司為北京大學交付了電解液研發智能解決方案，該解決方案可以大

122、規模地進行電解液配方實驗，獲取大量的配方和測試數據，這些數據將用于算法的訓練和優化，能夠準確、高效地完成電解液的配方和測試。AI 碳基新材料碳基新材料 攜手碳素龍頭布局攜手碳素龍頭布局 AI 碳基新材料。碳基新材料。2025 年 3 月 22 日，公司與我國炭素材料行業的龍頭企業方大炭素簽署戰略合作協議，雙方將以人工智能（AI）為核心驅動力，圍繞炭素新材料領域展開協同創新，推動高端碳基材料研發與智能制造升級。合作模式下，通過構建垂直大模型，兩家公司將聯手打造新材料領域 AI+機器人結合的“超級智能體”，持續驅動行業創新與范式升級，在新能源、新材料產業實現技術突破與產業化落地。同時雙方將共同設立

123、“晶泰-方大炭素智能研究院”，共同培養新一代 AI 材料研發技術骨干。合作目標包括：2025 05 26年 月 日 gszqdatemark P.42 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 提升高端碳基材料量產效率：提升高端碳基材料量產效率：基于材料基因工程與 AI 算法，開發高性能硅碳復合材料及石墨烯應用方案，覆蓋鋰電池、土壤修復等多元化應用場景，優化合成工藝并實現自動化精準施工，推動新材料研發及量產效率升級；打造“打造“AI+工業”超級智能體：工業”超級智能體：通過數字孿生、人工智能及機器人等技術，打造覆蓋材料研發、監測、生產的全流程智能化管理系統，全面推進碳基材料的技術突破、

124、智能制造與自動化升級；構建技術資產與超級算力平臺：構建技術資產與超級算力平臺：在材料設計、工藝優化等關鍵場景沉淀超百個 AI 算法模型，搭建百萬核級算力資源調度平臺，支撐國家在新材料、新能源領域的垂直行業超級人工智能攻關。未來未來農業農業材料材料 未來農業材料是晶泰在 AI 新材料領域的重要潛在空間，主要包括了：AI 沙漠治理材料：沙漠治理材料：設立設立 Al 生物基材料和植物數字生命研究實驗室，布局沙漠綠化材料。生物基材料和植物數字生命研究實驗室，布局沙漠綠化材料。2024 年是聯合國防治荒漠化公約通過 30 周年，是習近平主席提出“勇擔使命，久久為功，創造新時期防沙治沙新奇跡”一周年。公司

125、聯合孵化企業綠技行（上海）農業科技有限公司，已經通過新材料技術在中國及中東地區，成功實現沙漠土壤改良。AI 超級作物：超級作物：攜手柒彩之心研發超級作物培育。攜手柒彩之心研發超級作物培育。2025 年 2 月，公司與柒彩之心簽署合作協議，兩家公司將攜手打造植物的“智能進化引擎”，催生下一代安全、抗壓、綠色、經濟的超級作物，以應對持續升級的氣候變化挑戰?；谄獠手牡腃yberplantX 平臺的海量數據，結合晶泰科技的 AI 蛋白質設計研發能力，研究團隊將精確識別植物細胞損傷后誘發組織修復與器官再生的調控蛋白信號因子，并對轉運蛋白進行精準設計改造，從而提升植物在應對氣候脅迫、病蟲害、機械損傷等

126、外部侵害時的組織器官修復與再生能力，定向培育出“超級作物”。AI 種業：種業：攜手壽光蔬菜，推動攜手壽光蔬菜，推動 AI 種業研發。種業研發。2025 年 3 月，公司與恒健控股（廣東省重大戰略投資平臺）、壽光蔬菜（現代農業廠商，負責種業產業及落地）簽署戰略合作協議。該模式下：1）建設智能育種科研平臺：在廣東打造人工智能種業科技平臺、AI 農業種業軟件研發平臺及機器人柔性實驗室；2）推動智能育種技術突破：運用量子物理與 AI 算法優化基因組選擇，提升精準育種能力；3）促進產業化落地：整合粵港澳大灣區產業鏈資源，培育高價值新型種子產品。AI 生物化肥：與美國生物化肥：與美國 Kula Bio 合

127、作合作 AI 生物化肥研發。生物化肥研發。2025 年，公司與美國 Kula Bio 簽訂千萬級研發合作訂單，雙方將結合晶泰的 AI 和自動化技術，以及 Kula Bio 在微生物領域的深厚技術，共同開發新型生物肥料，推動可持續高效農業發展。AI 建筑材料業務建筑材料業務 與國內巖土工程龍頭合作，以與國內巖土工程龍頭合作，以 AI 賦能特種巖土材料研發，服務國家重大工程建設。賦能特種巖土材料研發，服務國家重大工程建設。2025年 3 月 31 日，公司與國內巖土工程龍頭企業中巖大地簽署戰略合作協議。通過構建建筑材料垂類模型，雙方將開發新一代 AI 驅動的特種固化材料智能設計系統，研制適應極端環

128、境的特種巖土材料。項目還將借助 AI 技術實現深度解析建筑材料組分，精準推薦最優配方及工藝參數，實現建筑材料研發從“經驗試錯”到“智能預測”的模式躍遷，并大幅縮短研發周期。項目預計可降低傳統巖土工程碳排放 15%-20%。2025 05 26年 月 日 gszqdatemark P.43 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 6.盈利預測與估值建議盈利預測與估值建議 6.1.市場空間測算市場空間測算 AI 制藥市場空間制藥市場空間測算測算 全球醫藥全球醫藥 1.64 萬億萬億美元美元市場，海外頭部企業研發費用率普遍超市場，海外頭部企業研發費用率普遍超過過 20%，AI 研發滲透研發

129、滲透空間空間巨大巨大。根據藥出海，2024 年全球醫藥市場規模預計達到 1.64 萬億美元，其中美國是全球最大的醫藥市場，規模約為 6021 億美元。從藥企研發投入角度來看，行業主要呈現海外巨頭投資強度大（普遍高于 20%），國內藥企偏低（10%以上）的模式。2023 年全球前 3 大藥企默沙東、強生、羅氏研發投入分別為 305、151、148 億美金，研發費用率（研發投入占營收比重）分別為 50.8%、17.7%、22.5%。國內方面，2024 年我國化學制藥、生物制品行業上市公司研發投入分別為 579、165 億元，研發費用率分別為 10.9%、12.7%（第一藥店財智數據）。目前晶泰科技

130、主要可觸達市場為臨床前階段（公司臨床后 royalty 項目也涉及，但保守假設下暫不計入測算，實際市場規?？赡芨哂跍y算值），藥物研發中臨床前研發投入占全流程比重約33%（靶點確認3%+先導化合物篩選6%+先導化合物優化17%+臨床前7%），對應臨床前市場規模約 5412 億美元。我們對公司市占率進行彈性測算：假設全球藥企研發費用率 15%，在公司市占率 1%情景下，相關業務可實現收入 58 億億元元；在公司市占率 5%情景下，相關業務可實現收入 290 億元億元。AI 材料市場空間材料市場空間測算測算 根據 2.2 章節對 AI 材料市場空間測算，全球僅化工、新能源、半導體、合金、顯示共 5個

131、行業市場規模就達到 9.4 萬億美元，對應每年研發投入約 4686 億美元。假設公司在上述 5 個新材料領域分別獲得 0.1%、0.5%市占率，對應 AI 材料研發市場空間約 34、169 億元億元。6.2.關鍵假設關鍵假設 自動化和控制解決方案自動化和控制解決方案：公司深耕機器人自動化實驗室，伴隨訂單的加速兌現，預計公司自動化板塊營收體量持續增長，利潤率伴隨規模效應提升；AI 制藥制藥：公司是全球 AI 制藥領先企業，伴隨頭部客戶大訂單的持續兌現，預計公司生物制藥板塊營收體量持續增長，利潤率伴隨規模效應提升。若強生、優時比等大分子訂單超預期兌現，生物醫藥解決方案板塊有望上調營收、利潤預期；A

132、I 新材料新材料：AI 新材料是公司布局全新板塊，具有市場空間高、單個項目體量大、競爭格局好等特點。2024 年公司與協鑫簽訂 5 年 10 億元戰略訂單，同時持續布局電解液材料、碳基材料、陶瓷材料、合金材料、催化劑等 AI 新材料業務。2025 年開始，伴隨在手項目的持續推進，預計公司 AI 新材料板塊有望迎來營收體量的快速增長，同時由于新材料業務與傳統醫藥具有技術相通性，因此邊際成本低，預計項目利潤率較高，業績增厚明顯。若沙漠綠化材料等項目訂單超預期，AI 新材料板塊業績有望上調營收、利潤預期；整體營收、利潤體量：整體營收、利潤體量：目前公司醫藥板塊穩步增長，營業外減值影響減弱，整體凈虧損

133、收窄。伴隨 AI 新材料業務的放量節奏，單一項目體量大、利潤率高，預計公司整體盈利有望帶來大幅提振，沙漠綠化材料、大分子藥物研發大訂單若超預期，有望大幅增厚營收、利潤體量。2025 05 26年 月 日 gszqdatemark P.44 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 6.3.盈利預測盈利預測 我們預計公司 2025-2027 年營業收入分別為4.22/6.84/9.54 億元；截止 2025 年 5 月 23日對應 PS 分別為 39.99/24.67/17.69 倍。公司是全球 AI4S 標桿企業，新材料業務加速擴張，有望迎來加速兌現期。首次覆蓋，給予“買入”評級首次覆

134、蓋，給予“買入”評級。圖表57：公司各業務營收拆分（億元）報告期報告期 2023A 2024A 2025E 2026E 2027E 自動化和控制解決方案自動化和控制解決方案 收入 0.87 1.63 2.39 3.66 4.79 YOY 90%88%47%53%31%AI 制藥制藥 收入 0.88 1.04 1.52 2.34 3.23 YOY 0%18%47%54%38%AI 新材料新材料 收入 0.31 0.83 1.52 YOY 165%83%營業總收入營業總收入 收入 1.74 2.66 4.22 6.84 9.54 YOY 31%53%59%62%40%資料來源：Wind，國盛證券研

135、究所 7.風險提示風險提示 技術路線技術路線滲透滲透不及預期：不及預期：AI4S 下游潛在應用領域眾多，若下游客戶技術擴散進展低于預期，或對行業需求增速帶來影響；下游盈利不及預期下游盈利不及預期：AI4S 下游產業包括化工、新能源、電子、醫藥等。若下游產業盈利不及預期，導致其縮減研發開支，或對 AI4S 企業收入增速帶來間接影響；計算存在誤差：計算存在誤差：對于市場空間等方面采用權威公開數據測算，若數據來源存在誤差可能導致測算結果出現誤差。2025 05 26年 月 日 gszqdatemark P.45 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 免責聲明免責聲明 國盛證券有限責任公司

136、（以下簡稱“本公司”）具有中國證監會許可的證券投資咨詢業務資格。本報告僅供本公司的客戶使用。本公司不會因接收人收到本報告而視其為客戶。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。本報告的信息均來源于本公司認為可信的公開資料，但本公司及其研究人員對該等信息的準確性及完整性不作任何保證。本報告中的資料、意見及預測僅反映本公司于發布本報告當日的判斷，可能會隨時調整。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司不保證本報告所含信息及資料保持在最新狀態，對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本

137、公司力求報告內容客觀、公正，但本報告所載的資料、工具、意見、信息及推測只提供給客戶作參考之用，不構成任何投資、法律、會計或稅務的最終操作建議，本公司不就報告中的內容對最終操作建議做出任何擔保。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。投資者應注意，在法律許可的情況下，本公司及其本公司的關聯機構可能會持有本報告中涉及的公司所發行的證券并進行交易，也可能為這些公司正在提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。本報告版權歸“國盛證券有限責任公司”所有。未經事先本

138、公司書面授權，任何機構或個人不得對本報告進行任何形式的發布、復制。任何機構或個人如引用、刊發本報告，需注明出處為“國盛證券研究所”，且不得對本報告進行有悖原意的刪節或修改。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，本報告所表述的任何觀點均精準地反映了我們對標的證券和發行人的個人看法，結論不受任何第三方的授意或影響。我們所得報酬的任何部分無論是在過去、現在及將來均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。投資評級說明投資評級說明 投資建議的評級標準投資建議的評級標準 評級評級 說明說明 評級標準為報告發布日后的

139、 6 個月內公司股價（或行業指數）相對同期基準指數的相對市場表現。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，美股市場以標普 500 指數或納斯達克綜合指數為基準。股票評級 買入 相對同期基準指數漲幅在 15%以上 增持 相對同期基準指數漲幅在 5%15%之間 持有 相對同期基準指數漲幅在-5%+5%之間 減持 相對同期基準指數跌幅在 5%以上 行業評級 增持 相對同期基準指數漲幅在 10%以上 中性 相對同期基準指數漲幅在-10%+10%之間 減持 相對同期基準指數跌幅在 10%以上 國盛證券研究所國盛證券研究所 北京北京 上海上海 地址：北京市東城區永定門西濱河路 8 號院 7 樓中海地產廣場東塔 7 層 地址：上海市浦東新區南洋涇路 555 號陸家嘴金融街區 22棟 郵編：100077 郵編：200120 郵箱： 電話：021-38124100 郵箱： 南昌南昌 深圳深圳 地址：南昌市紅谷灘新區鳳凰中大道 1115 號北京銀行大廈 地址：深圳市福田區福華三路 100 號鼎和大廈 24 樓 郵編：330038 郵編：518033 傳真：0791-86281485 郵箱： 郵箱： 2025 05 26年 月 日