AI临床开发站上风口 太美医疗科技减亏83%

2026年被行业公认为AI制药的“临床验证之年”。全球已有170余个由AI设计或优化的候选分子进入临床阶段，十余条管线冲刺三期临床。但一个尴尬的现实是：AI加速了“分子发现”，却并未自动加速“临床成功”。美国17位教授联合发表的行业论文直言，目前尚无证据证明AI研发新药比传统模式更具优势。

当行业从“算法叙事”转向“价值兑现”，谁能率先打通临床开发这个占据新药研发80%时间、70%成本的“最重环节”，谁就可能掌握下一阶段的话语权。

8月26日，浙江太美医疗科技股份有限公司（股份代号：02576.HK）公布了截至2026年6月30日的中期业绩报告。报告期内，公司实现总收入人民币2.64亿元，同比增长8.0%；毛利达人民币1.18亿元，同比增长17.5%，整体毛利率由去年同期41.0%提升至44.7%。作为业务先行指标，公司上半年新增合同金额达人民币3.64亿元，同比增长15%，反映市场对AI药物临床开发平台需求持续提升。

财报显示，受股份支付、汇率波动等非现金及非经营性因素影响，本集团期内录得亏损。剔除相关影响后的非国际财务报告准则口径下，公司经营表现显著改善，经调整EBITDA亏损约人民币340万元，同比亏损收窄83%；Non-IFRS经调整净亏损（剔除汇兑损益影响）约人民币200万元，同比收窄84%，减亏态势明确。

在业绩说明会上，太美医疗科技董事长赵璐抛出了一个核心判断：“行业已经走到‘AI for Success’的新阶段。AI在临床阶段的核心价值，不是替代专家，而是优化临床方案、提升临床运营效率、精准匹配患者、输出科学方案、改造传统流程。”

临床才是真正的瓶颈

新药研发的“三个十”定律行业耳熟能详：十年周期、十亿美元、十分之一成功率。但鲜少被拆解的是，临床阶段消耗了整个研发周期约80%的时间。

赵璐在业绩说明会上算了一笔账：从几十万个候选化合物中筛选出上万个有潜力的分子，再经过反复优化进入临床前研究，最终推到临床阶段，上万个候选物里最终能获批的可能只有1个。而整个过程中，临床阶段占据了绝大部分时间和资金。

“除了在临床前阶段用AI做分子筛选和设计外，将AI能力投入到临床试验的效率优化和成功率提高上，更加重要。”赵璐提到，公司据此提出了“AI for Success”的理念，让AIDD概念更加完整。

赵璐将其价值分为三个层级：最基础的是提效降本，用AI更快地完成临床试验结果验证；中间层是优化临床试验设计，提前规避风险；最高层级是精准匹配患者需求，让合适的患者匹配最合适的方案。

财报数据显示，其AI临床开发平台已覆盖1600余家制药企业，全球前25大跨国药企中有20家是客户，国内创新药百强实现全面覆盖。2026年上半年，国内获批的1类创新药中，超过60%由该平台支持完成开发。

这些数据指向一个事实：在AI辅助临床试验这个细分领域，太美医疗科技已经占据了相当的市场份额。公司的核心表述是，其平台累计支撑完成超10000项临床试验，全口径市场占有率约20%。

基于战略定位，太美医疗科技将业务拆解为两大板块：第一类是工具型产品，即AI临床开发平台，覆盖临床数据处理、统计分析、运营、医学分析等环节。这套产品按使用量收费，客户以大型药企为主，企业采购工具后自主开展研发。

第二类是AI赋能的临床开发服务，本质上是端到端的CRO服务，但用“精英专家+AI智能体”的菱形架构替代传统CRO的金字塔人力结构。公司称团队仅三百余人，顶层由三位核心专家负责方案设计，部分底层重复性工作由AI完成。

客户被划分为三类：跨国药企和国内大型药企，采购工具类产品；成长期Biotech，因自身研发能力有限，需要一体化交付服务；早期初创企业，除了能力短板外还普遍面临资金问题。

针对早期初创企业，太美医疗科技推出了一种新模式，即通过“凯风太美创新药基金”提供资金支持，同时输出AI能力和临床开发团队，帮助科研团队推进项目。公司方面称，合作后科研人员只需专注自己擅长的研发工作，经营管理、临床运营等外围事务由平台提供助力。

“在管线推进过程中，60%～80%的项目会发生权益转让与合作迭代，能持续带来确定性现金流。而公司持有的管线权益，则能享受药物商业化后的资产增值收益。”太美医疗科技CFO王为在业绩说明会上表示。

跨越规模化落地“三道坎”

从财务数据来看，这套商业模式仍处于验证阶段。

公司披露，2025年全年亏损由2.17亿元收窄至5070万元，减亏幅度显著。2026年上半年AI临床开发平台收入同比增长22.2%，高毛利产品收入占比提升。但营收规模仍不算大，整体盈利拐点尚未到来。

产业基金方面，据公司方面披露，今年1月启动，到目前累计评估了150多个项目，首笔管线投资预计于2026年第三季度完成落地。

在赛道选择上，太美医疗科技也展现出了审慎姿态。公司并未押注单一疾病领域，而是在肿瘤、代谢、自免、消费属性药品等多个赛道间平衡布局。“肿瘤赛道后期资产竞争激烈，代谢和自免领域开发成本极高，每个赛道各有利弊。”赵璐坦言。

这也与AI面临的现实痛点密不可分。一直以来，AI在临床开发中的规模化落地，仍面临三道必须跨越的坎：

第一是数据质量与割裂问题。赵璐直言“AI无法创造人类未知的知识”，这意味着训练数据的全面性、准确性和代表性直接决定模型效果，而临床数据往往分散在不同机构，格式标准不一。

第二是算法“黑箱”与监管适配。2026年初FDA与EMA联合发布的《AI药物研发良好实践10项核心原则》，对训练数据来源、模型可复现性、全流程数据溯源提出硬性规范。太美虽已配合客户经历过FDA、EMA检查，并保持零重大事故，但监管框架仍在动态演进。

第三是人才与文化的融合。赵璐认为“行业核心发展方向一定是技术与专业的深度融合，而非替代”。他透露，公司有三支由顶层专家带领的团队，分别覆盖临床开发、临床运营、医学研究三大核心模块，专业水平行业顶尖。

不过，这几年，AI制药行业整体叙事也迎来了突破性的变化。两年前，行业普遍认为大语言模型的核心价值在于文档生成和方案撰写。但落地后发现AI自主创作能力有限、内容质量不稳定，行业热度迅速回落。如今，关注点已扩展至临床数据自动化处理、统计编程、研发流程智能化迭代等更硬核的落地场景。

“这条赛道的高质量玩家必须具备海量客户资源、高质量数据和深厚的医药研发业务沉淀。行业竞争从低价内卷转向比拼场景落地能力和综合成本控制能力。”赵璐强调。

从减亏83%的财报数据，到“AI for Success”的战略定位，太美医疗科技的案例揭示了一个清晰信号：当AI制药从“分子发现”的轻量化叙事，进入“临床验证”的重资产深水区，真正的赢家将是那些具有深厚行业沉淀、深谙复杂研发逻辑，并能以创新商业模式与客户风险共担的复合型平台。盈利拐点将至，但更值得期待的是，这种“工具+服务+资金”的铁三角模式，能否为中国创新药的下一个十年，开辟一条更具效率与韧性的新航道。