广东
智通财经APP获悉，中信建投发布研报称，AI4S正由模型能力竞赛迈向产业化临界点，技术、产业、需求、政策四重共振，价值锚点由模型能力向科研生产力、数据资产与系统化生物设计升维。科研Agent由回答问题升级为拆解目标、调用专业模型并衔接实验，推动AI从单点工具跃迁为执行复杂研发任务的科研生产力，Science Token等按量计费模式打开平台化变现空间;模型生成候选速度快于实验验证能力，实验产能与反馈周期成为研发效率的主要约束，掌握真实数据入口者借干湿闭环沉淀数据飞轮，焦点由模型性能转向实验吞吐量、数据质量与反馈效率;AI能力由小分子向抗体、蛋白及核酸等大分子延伸，研发由生成单一候选升级为贯通成药性优化、递送与体内验证的系统化成药设计，有望打开产业价值空间。
中信建投主要观点如下：
四重共振驱动AI4S迈向产业化临界点
技术端，生成式生物设计由单分子预测拓展至完整基因组;产业端，通用模型厂商延伸至湿实验，MNC横向结盟共建研发基础设施;需求端，候选供给放大合成与高通量验证需求，上游服务商率先兑现;政策端，AI制药、高质量数据集和科研基础设施纳入体系化布局，技术、资本、订单与政策形成合力。产业价值锚点正由单一模型能力向科研生产力、数据资产与系统化生物设计升维，主要体现在三方面。
范式演进：Agent延伸研发链条，TaaS打开价值空间
Agent正由回答问题升级为拆解科研目标、调用专业模型并衔接真实实验，使算法、数据和设备形成连续工作流。Science Token将模型、算力、任务编排与机器人实验封装为标准化服务，客户按调用量付费，平台则可将可复用的科研能力转化为持续、高频的平台收入。
壁垒深化：干湿闭环构筑数据飞轮，湿实验室沉淀数据资产
模型生成候选的速度已快于实验验证能力，实验产能、成本和反馈周期成为研发效率的主要约束。科技巨头通过自建湿实验室及连接CRO、自动化实验平台，掌握真实数据生产入口;实验结果持续回流训练，形成“设计—验证—反馈—迭代”的自强化飞轮，竞争重点也由模型性能转向实验吞吐量、数据质量和反馈效率。自动化湿实验室有望成为物理AI落地的重要场景。
边界拓展：从“选分子”走向“造体系”，大分子有望抬升产业天花板
小分子仍是数据基础、建模工具和临床验证最成熟的主战场;蛋白结构预测、蛋白语言模型与生成式生物学的发展，则推动抗体、蛋白及核酸药物迈向预测驱动和可编程设计。由于序列、结构、成药性、递送与体内效应高度耦合，大分子AI将从生成单一候选升级为多目标协同优化的系统化成药设计。
风险分析
(1)AI4S技术能力与科学验证不及预期风险；(2)高质量数据供给与合规风险；(3)干湿闭环建设与商业化进展不及预期风险；(4)研发转化及临床试验失败风险；(5)开源竞争、知识产权与生物安全监管风险。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
