AI制药的新机遇：突破“最优解”之路

来源：新财富

01

引言：现在软件最强，不代表笑到最后

2020年，薛定谔（Schrödinger）登陆纳斯达克，上市首日股价大涨，一时风头无两。软件收入持续增长，毛利率长期稳定在70%—80%，续签率接近100%。这几乎是所有SaaS（软件服务）公司梦寐以求的财务指标。

然而，市场给它的估值，从来不是按SaaS公司的逻辑在走。

同期规模更小的英矽智能，2025年收入不到薛定谔的一半，但资本市场给它的关注度也很高。晶泰科技2025年收入同比增长201%，首次实现全年盈利，商业模式迅速得到验证。

这三家公司，分别代表了AI制药三种最典型的商业模式——SaaS、自研管线BD，以及CRO服务。它们在横向对比中展现出不同的价值天花板；在纵向时间线上，每一种模式都在经历痛苦的自我改造，试图向另一种模式靠拢。

谁离"临床数据"越近，谁的商业价值就越大。

02

模式横评：软件的天花板，临床的地平线

将AI制药公司按商业模式分类，市场上最活跃的玩家大致可以归入三个阵营。

模式一：自研管线BD，代表公司是英矽智能、Recursion、Generate。核心逻辑是利用自有AI平台研发药物管线，通过对外授权向药企收取首付款、里程碑款和销售分成。这一模式的最大特点是弹性极高，一旦管线进入临床II期并出现积极数据，交易金额可以瞬间跳升至数亿甚至数十亿美元。但硬币的另一面是周期极长、不确定性极大，一款药物从靶点发现到商业化，可能需要十年以上。

模式二：AI药物发现CRO，代表公司是晶泰科技、Recursion。核心逻辑是向药企提供AI驱动的药物发现外包服务，按项目或里程碑收费。与自研管线BD不同，CRO模式交付的不是管线权益，而是"候选药物分子+合成工艺+实验数据"一整套解决方案。优势在于收入可验证、来源相对稳定，但天花板受限于人力和产能，CRO公司很难靠堆人头突破规模瓶颈。

模式三：SaaS/Daas（软件服务/数据服务），代表公司是薛定谔、Isomorphic Labs。核心逻辑是将AI软件工具授权给药企研发部门，按订阅费或按次收费。这是三种模式中现金流最稳定的类型，毛利率高、续签率高、不依赖管线进展。但市场给它的估值，远低于拥有临床管线的公司。

横评三者的关键指标是收入天花板。SaaS模式的收入天花板取决于药企研发预算中用于软件的份额，而这个份额始终是有限的。薛定谔2025年软件收入增长11%，连续第五年增速放缓，市场早已嗅到了天花板的气息。反观自研管线BD，英矽智能与礼来的GLP-1合作，总金额超过27亿美元，一个BD交易就相当于薛定谔过去十年软件收入的总和。

软件能算分子，但药企愿意为软件付的钱，永远赶不上它愿意为一款看得见的候选药物付的钱。

当然，SaaS模式并非没有价值，薛定谔在FEP+算法精度上的持续投入构筑了极高的技术壁垒，大客户续签率100%证明了其不可替代性。问题在于，当整个行业的参照系在向"管线BD"倾斜时，单纯做软件的公司必须回答一个问题：下一个增长从哪里来？

03

纵向观察：每种模式都在痛苦地"变形"

三种模式并非泾渭分明、静态存在，随着发展，三种模式都在向"临床数据"靠拢。

SaaS模式下，纯工具授权已触顶，必须寻找管线出口。

薛定谔1990年代到2015年是它的工具积累期，靠量子化学软件和学术订阅费维持增长。2015年FEP+算法成熟后进入平台化升级阶段，软件毛利率攀升至70%—80%，拜耳、赛诺菲、武田等大客户纷纷签约，续签率趋近100%，这是SaaS模式的黄金期。

从2021年起，薛定谔做出了一个关键决定，宣布进入自研管线领域，目标是MALT1、CDC7、Wee1等靶点。转型的代价立竿见影，研发支出大幅上升，净亏损从千万级别跃升至以亿美元计。2023年成为薛定谔至今唯一盈利的年份，但那靠的不是软件或管线，而是Nimbus项目出售后的股权收益分成，即孵化模式的延迟变现，不是主营业务。

2025年，SGR-2921（CDC7抑制剂）在I期临床中出现两例与药物相关的患者死亡，项目被紧急终止。这是薛定谔自研管线的首次重大挫折，失败的原因并非AI模型失准，而是因为CDC7靶点本身是启动DNA复制的核心激酶，在人体中广泛存在，治疗窗极窄，AI目前根本无法模拟这种涉及多器官联动的系统性毒性。

这次失败印证了一个结论：AI可以预测活性，但无法预测靶点本身的生物学风险。

SaaS业务的内部结构也在发生变化，云端托管服务收入2025年Q1同比增长52%，是增长最快的子业务，但云端化意味着薛定谔需要承担更大的云计算和集群算力成本，导致整体软件毛利率从80%降至74%。这是典型的SaaS转型阵痛期，收入在增长，但利润在流失。

晶泰科技的发展轨迹则展现了CRO模式从"按项目计费"到"战略框架+里程碑"，壁垒从人力转向数据。2015年至2020年是它的专项服务阶段，主要靠晶型预测和计算化学服务费生存，商业模式本质上是"用算法替代人工"的高级外包。2020年与辉瑞合作，在六周内精确预测出Paxlovid室温下最稳定的晶型（传统方法需半年以上），这是晶泰的"成名之战"。它用一次实打实的成果证明，AI+湿实验的闭环可以在最短时间内解决药企最迫切的问题。

这场成名之战之后，晶泰的商业模式迅速升级，从单项目服务转向年度框架协议+里程碑，合作对象从国内药企扩展至辉瑞、礼来、默克等全球MNC，合作金额从百万级跃升至亿级。2025年，晶泰与DoveTree达成总包60亿美元的药物发现合作，覆盖肿瘤及自免多靶点小分子及抗体端到端发现，首付款约5,100万美元当场兑现。这一金额刷新了国内AI制药BD的纪录，标志着CRO模式已经触碰到自己的天花板，不是"按人头计费"，而是"平台价值+里程碑分成"。

更值得关注的是晶泰在数据壁垒上的积累。数千台自动化机器人每月产生超过20万条反应过程数据，这些数据不仅包含成功的案例，还包含大量失败的反应，而负样本数据恰恰是AlphaFold等纯软件算法公司最缺乏的。这种"数据闭环"使晶泰的AI模型能够不断自我优化，形成纯算法公司无法复制的物理壁垒。

英矽智能的纵向演变可以划分为三个截然不同的阶段，从"融资叙事"转向"临床数据换BD大单"。2014年至2020年是"生成式AI先驱"阶段，靠GAN（生成对抗网络）论文和21天设计分子的速度优势积累技术声誉，但没有实质性管线收入，这是典型的"平台叙事"时代。2020年至2022年是"平台+管线双线开拓"阶段，端到端AI平台Pharma.AI上线，ISM001-055进入临床，但这期间真正的商业化收入来自软件服务（与复星医药、赛诺菲的合作），管线BD尚未形成规模。

2023年ISM3091以8,000万美元首付款授权给Exelixis，总包接近10亿美元，这是AI制药领迄今首付款最高的单管线BD交易之一。

此后ISM001-055 IIa期积极数据公布，ISM5043授权Menarini，2026年与礼来的GLP-1合作总金额超过27亿美元，英矽的收入结构中管线BD占比稳定在90%以上，"自研管线BD"被彻底确立为核心商业模式。

英矽的演变路径揭示了平台叙事可以融资，但只有临床数据才能换来真金白银。

行业整体的合作模式也在发生结构性变化。药企与AIDD公司的合作正从早期的算法/数据交换模式，转向管线收购模式。

早期MNC主要看重算法能力，采取类似CRO的管线研发外包形式，按活性测试或分子设计等资料数据作为里程碑交付。

而当前市场因为害怕AI制药服务的高度不确定性，转向以收购更具确定性的自研管线为主要趋势。

近年大额BD交易（3—5亿美元以上）通常发生在药物已有I期甚至II期部分数据之后，MNC不会为纯临床前项目支付高价。

04

融合才是真正的主旋律

通过横向对比我们可以看出三种模式的天花板差异，纵向演变展示了各自的改造路径。把这两个维度叠加在一起，我们可以看出其实三种模式正在加速融合，单一模式的公司正在消失。

薛定谔正在寻找自研分子的BD机会；晶泰在推进XtalFold平台向强生、UCB等MNC授权，同时通过孵化生态建立自己的管线组合；英矽在保留软件服务线（约占收入10%）的同时，探索非医药AI技术应用（约占收入2%）；Recursion收购Exscientia补齐分子化学设计短板，"全栈AI制药"格局已成。

单一模式的天花板都太低，必须在横向扩展中寻找新增量。SaaS模式增长趋缓，CRO模式受制于产能，BD管线模式周期太长。最好的办法是把三种能力叠加在一起，让它们互相补位。软件能力提供算法精度，CRO能力提供湿实验闭环，管线BD能力提供天花板更高的商业化出口。

对数据壁垒的竞争则进一步加速了这个融合趋势。无论哪种模式，数据质量和数据类型才是决定性因素。晶泰有湿实验负样本数据、Recursion有数亿张表型组学细胞图像、Tempus积累了全美4,500家医院真实世界临床数据，都构筑了纯算法公司无法逾越的壁垒。没有湿实验闭环的纯软件公司，正在被排斥在最高价值的竞争之外。

05

最优解不在模式里，在模式的组合里

回到文章开头的问题，谁是AI制药的最优解？

从横向看，软件服务的天花板是明确的。药企愿意为软件付的钱有限，而愿意为一支有潜力的候选药物付的钱，理论上没有上限。因此，拥有AI平台和自研管线，再通过BD向MNC变现，应是当下天花板最高的商业模式。

从纵向看，没有一家公司是靠单一模式走到今天的。薛定谔从纯SaaS走向双轮驱动，晶泰从CRO走向平台授权+孵化生态，英矽从平台叙事走向管线BD为主。每一家都在主动改造自己的模式，向临床数据靠拢。

最优解不是一个模式，而是多种能力的组合。

未来的AI制药公司，可能很难用"软件公司""CRO公司"或"Biotech"来简单定义。它可能同时是三者。而在这个融合的过程中，唯一不变的衡量标准只有一条：谁能更快、更高概率地把一个有价值的分子推进到有临床数据的阶段，谁就拥有最高的商业价值。

这个标准，从未改变。