AI不是CXO的终结者,而是CXO的喂料机

9月8日上午，上海，国泰海通主办的第十五届医药CEO论坛主会场。圆桌环节，主持人国泰海通研究所副所长、生物医药首席分析师余老师先立规矩：不提前给嘉宾发提问提纲，嘉宾之间互不知晓对方要被问什么；鼓励不同意见，不要附和；所有人放下手机，专注一小时。五个人坐上了台——药明生物、泰格医药、昭衍新药三位CXO掌门人，加上中国生物制药和百利天恒两位药企掌门人。

这场圆桌的主题叫"创新突围与传承"，但真正让台下投资人竖起耳朵的，是中间关于AI的一段讨论。

主持人抛出一个问题：过去十年中国生物医药行业靠工程师红利起家，现在AI来了，工程师是人，人会被AI替代吗？印度呼叫中心被AI冲击的案例就摆在那里，中国的工程师红利会不会也被削弱？

几位掌门人轮流回答，观点各有侧重，但药明生物CEO Chris 说了一句话，直接把这个问题的框架掀翻了——

台下笑了。因为这句话的潜台词很清楚：你们都在担心AI颠覆CXO，但实际情况可能正好反过来，CXO才是AI浪潮里吃红利的那一方。

这个判断跟大众认知完全相反。市面上讲"AI+医药"，口径高度一致：AI提升效率，减少人工，CXO这种外包服务首当其冲要被颠覆。但我在现场听完整段讨论后，逻辑完全不是这么回事。

我认为，AI不是CXO的终结者，而是CXO的喂料机。下面拆开讲。

第一个反直觉

AI设计分子快了，但实验周期一点没缩短

百利天恒的朱总在台上讲了一段话，大意是：不管分子是AI设计的还是人设计的，到了细胞水平、到了体内实验，时间一样长。细胞不会因为分子是AI设计的，就从24小时分裂一次变成12小时分裂一次。

这句话很朴素，但逻辑很硬。AI能做的事情，是在前端设计阶段把通量拉上去——原来一个科学家设计10个候选分子，AI能给你设计100个。但接下来呢？这100个分子全都要过细胞实验、动物实验、安评实验，每一个环节的物理时间压缩不了。

朱总还讲了一个细节：他们内部用AI之后，AI一上来就给一堆分子，科学家反而更忙了——要从100个里挑、排序、判断。他的原话是"AI一开始不是减少你的工作，是增加你的工作"。所以百利天恒现在扩建实验室、提升通量，来迎接这个变化。

药明生物CEO Chris 给了一个更狠的数据。他说AI设计出来的抗体药物，到了实验室，人工设计的抗体表达量是10克，AI做出来的搞了6个月才1克，"不成药"。甚至有些AI合成的化学药，连药监局指定的专业合成机构都合成不出来——要知道常规化学药99%能合成成功。

也就是说，AI目前设计出来的分子，质量还不够高，反而增加了下游筛选和实验的工作量。

第二个反直觉

AI不是减少CXO的活，而是喂了更多的活给CXO

Chris 在台上算了一笔账：他现在跟全球20家AI制药公司合作，这20家每家每年承诺给他10个项目，理论上一年200个。但实际上，真正能落地超过10个项目的，全中国只有他一家。其他AI公司一年靠AI也就做出一个项目。

但关键是后面那句——

逻辑链条是这样的：AI降低了分子设计的门槛，更多人能设计分子 → 设计出来的分子数量暴增 → 这些分子全都需要做下游实验验证 → CXO的通量需求暴涨。

Chris 自己的预期是：药明生物现在一年做300个分子，AI加持后可能变成600个甚至1000个。原来预计到2032年累计做到2000个分子，如果AI真的乐观落地，2028年就可能实现。

这不是替代，这是扩容。而且扩容的部分，恰恰是CXO最擅长的——湿实验、通量执行、数据闭环。

护城河逻辑

AI公司为什么不自己干，非要找CXO？

Chris 那句话的后半段才是关键——"CXO企业进入AI制药，比AI公司进入医药容易无数倍。"这句话不是逞口舌之快，背后是三层壁垒。

第一层是数据。AI制药需要的不是公开文献数据，而是干湿实验闭环里产生的私域数据。你设计一个分子，做实验，拿到结果，结果反馈给模型，模型迭代——这个闭环CXO天天在跑，积累了十几年。AI公司有算法，但没有这个数据飞轮。Chris 说药明生物已经做了1000多个项目，这些项目跑出来的数据，是任何AI公司从零开始建不了的。

第二层是产能。分子设计出来，要做细胞实验、动物实验、安评实验，需要实验室、动物房、GMP产线。这些东西是重资产，建一个动物房动辄几个亿，周期两三年。AI公司是轻资产起家，你让它去建动物房？等建好了，黄花菜都凉了。昭衍新药的冯总在台上也提到，安全评价这个环节，不是有技术就能干，资质和产能缺一不可。

第三层是合规。药品研发从头到尾都在监管框架下跑，每一个步骤都要符合GMP、GLP规范，要跟药监局打交道，要应对海外FDA的审查。这套体系，CXO企业花了十几年建立，AI公司进来，连申报材料都不知道怎么写。

所以AI制药的生态，其实是一个"三层蛋糕"架构。顶层是通用大模型，谁都能用，竞争激烈；中层是垂直领域模型，需要专业数据训练，有一定壁垒；底层是干湿实验闭环+物理产能+合规资质，这是CXO的地盘，壁垒最高。

AI公司大多在顶层和中层打转，想往底层走，要么花十几年自建，要么找CXO合作。这就是为什么20家AI制药公司都来找药明生物——不是CXO去求AI公司，是AI公司离不开CXO。

换句话说，AI越发展，设计出来的分子越多，CXO的活就越多。AI不是来抢饭碗的，是来送饭碗的。

投资判断

理解了这层逻辑，回到投资上看CXO，判断就不一样了

先看一组数据。据国泰海通在论坛上发布的统计，全球市值前20的CXO企业里，中国企业从2020年的5家增长到2026年的9家，总市值1440亿美金，占全球榜单的41%，药明康德已经是全球市值第一的CXO。同期美国企业从6家降到4家。

但泰格医药的叶博在台上说了另一组数据：全球医药研发费用中70%投入临床环节，30%投入临床前。中国CXO的41%市值占比，主要集中在临床前。临床CRO的全球市占率仅2%-3%，排名第七第八。

这两组数据放在一起看，意味着什么？中国CXO在临床前环节已经做到了全球领先，但临床环节才刚起步。如果AI进一步拉通分子设计到临床前实验的通量，临床CRO的追赶空间比想象的大得多。

再看药明生物的Chris在台上算的那笔账：累计做了1000个项目，项目推进速度是跨国公司内部团队的70%——跨国公司12个月做完的，药明生物8个月。有跨国公司甚至直接跟内部团队说，如果做不过药明生物，项目全部转移过去。他预期AI加持后，一年从300个分子做到600个甚至1000个，原本预计2032年累计2000个分子，乐观情况下2028年就能实现。

Chris最后说了一句话："将来甚至70%的市场市值应该在中国。"这个数字当然有掌门人的乐观，但方向值得重视——中国CXO在临床前环节已经做到全球领先，AI加持下通量继续扩大的趋势是实的。

这个判断的底气，不是空喊口号。1000个项目的数据积累+干湿实验闭环+AI加持下的通量爆发，三重逻辑叠加。而且他明确说了，全球20家头部AI制药公司，真正一年能交付超过10个项目的，全中国只有药明生物一家。其他AI公司一年靠AI也就做一个项目。

所以我的判断是：如果AI对CXO是增量而非替代，当前市场对CXO板块的定价可能存在预期差。市面上讲"AI颠覆CXO"的叙事，和CXO掌门人在台上讲的"AI是CXO最大的增量市场"，这两者之间的认知落差，就是投资机会所在。

我比较看好几个方向：第一，临床前CXO龙头，通量大、数据积累深、AI加持下扩容弹性最大；第二，临床CRO，基数低、空间大，从2%-3%往上涨的确定性比较高；第三，安评CRO，资质壁垒和产能壁垒最硬，昭衍新药冯总说的"动物是芯片级资产"不是玩笑话。

当然，这个判断有时间节奏。AI对CXO的增量传导不是一夜之间完成的，从分子设计端到实验端再到订单端，大概有0到18个月的滞后。据博腾居总在另一场圆桌上说，研发支出传导到业务需求的周期就是这个时间。所以看CXO的AI红利，不用急，但方向要清楚。

判断标准

三个能带走的问题

不重复前面的论证，直接给一个你能带走的判断标准。下次看到一家CXO公司宣布AI合作、AI赋能，别急着追，先问三个问题：

第一，它有没有干湿实验闭环？AI设计分子只是第一步，后面要靠实验验证、数据反馈、模型迭代跑闭环。有闭环的CXO，AI越跑越强；没有闭环的，AI只是个PPT概念。

第二，它的通量能不能接住增量？AI带来的分子数量是几倍甚至十倍增长，实验室产能、动物房、GMP产线跟不跟得上？通量大的CXO，AI是增量；通量小的，分子再多也接不住。

第三，它的合规资质覆盖了几个市场？能同时接国内NMPA、美国FDA、欧洲EMA申报的CXO，客户黏性最强，AI公司最离不开。

这三条满足越多，AI对它越是增量而非替代。

标的方面，对应三条逻辑线，核心关注这几家：

通量扩容逻辑——药明康德（全球市值第一的CXO，一体化平台通量最大，据东吴医药研报分析，2026上半年经调整后毛利率53.9%，同比提升9.4个百分点，业绩确定性较强）、药明生物（累计1000个项目，干湿闭环数据壁垒最深，Chris预期AI加持后从一年300个分子做到600甚至1000个）。

临床CRO追赶逻辑——泰格医药（国内临床CRO头部，全球市占率仅2%-3%，追赶空间最大）。

安评壁垒逻辑——昭衍新药（国内最早一批安评CRO，资质+动物资源壁垒最硬，冯总说"优质猴子已经是芯片级资产"）。

另外两个方向可以跟踪：博腾（新分子模态CDMO，在下午的另一场圆桌上，博腾居总提到CDMO新业务从搭建到盈利约10年周期，目前还在投入期）、皓元医药（前端分子砌块——也就是药物研发早期用的小分子构建模块，据同场论坛的皓元医药郑博分享，AI制药带动单条管线的分子砌块需求从5-7个提升到10-20个，2026年上半年需求增长超预期）。

时间节奏上，AI对CXO的增量传导从分子设计端到实验端再到订单端，有0-18个月的滞后。看CXO的AI红利，方向要清楚，但不用追短线。