北京
智通财经获悉，国泰海通发布研报称，这一轮AIDD与上一轮的区别在于，AI从搜索效率工具，升级到能够执行一套完整的决策体系、从头设计分子，有望改变药物设计的底层逻辑。2026年以来，基础大模型厂商加大对医疗行业的投入，药企合作模式由项目制转向模型订阅、联合实验室等企业级深度共建，行业迈入临床验证与订单兑现的关键窗口。
国泰海通主要观点如下：
AI制药迎来产业拐点，大模型入局重构行业范式。
大语言模型的飞速发展，加速了包括生物医药领域在内的科研发现。该行认为，这一轮AIDD与上一轮的区别在于，AI从搜索效率工具，升级到能够执行一套完整的决策体系、从头设计分子，有望改变药物设计的底层逻辑。2026年以来，基础大模型厂商加大对医疗行业的投入，药企合作模式由项目制转向模型订阅、联合实验室等企业级深度共建，行业迈入临床验证与订单兑现的关键窗口。
AIDD有望提升候选分子成药性，拓展生物学假设空间。
医药研发的核心痛点在于临床转化，经校正的药物-适应证项目成功率近年维持在约8%-9%的低位，约86%的临床沉没成本来自II期及以后终止的项目。该行认为，疗效不足与安全性问题大多根源于靶点和候选分子的早期决策。AIDD有望从两端破局，一方面同步优化多种分子性质、提升成药性；另一方面拓宽靶点、表位与分子形式的选择空间，扩大进入研发漏斗的项目数量。由此，市场空间存在双重增量，一是临床成功率提升有望重构研发成本模型，节省的研发费用可投向更多项目；二是可做项目数量本身扩容。
计算‑实验闭环形成，湿实验服务确定性受益。
该行认为，小分子在已成药靶点上的开发相对充分，新增项目更多靠靶点与机制层面的突破；AI从头设计则让大分子可在已知靶点上依托表位与分子形式的拓展持续新增项目，而这些项目产出的实验标签数据(包含成功与失败样本)，是当前大模型训练与迭代优化最核心的素材。由此，需求瓶颈将沿着“AI模型产生设计→DNA合成→蛋白生产→实验验证→临床前测试”的链条逐级向下传导。
AI湿实验订单逐步兑现，能力壁垒持续深化。
具备真实标签的湿实验数据是当前确定性最强的需求，DNA合成和蛋白生产成为最直接的瓶颈节点，金斯瑞(Gene-to-Protein一体化交付)与 Twist(规模化序列合成)率先受益。该行认为模型训练期，供应商的竞争聚焦交付通量、周转速度与数据质量，自动化设备成为当前扩产的主要制约因素；中长期竞争重心转向复杂靶点与创新模态的制备表征、以及全链条验证覆盖能力。此外，当前制药流程尚未被全面重构，产业链各环节需求将依次释放，药效、安评、CMC等后端环节有望随管线推进承接增量。
风险提示：技术迭代不及预期的风险，订单与产能兑现不及预期的风险，行业竞争加剧的风险，数据与供应链安全的风险。
本文源自：智通财经网
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.
