传统新药研发长期受“双十定律” 约束，即一款创新药平均需要10 年研发周期、投入超10 亿美元，且临床整体成功率不足10%，靶点发现、化合物筛选、ADMET 毒性预测、临床试验等环节试错成本极高。AI 创新药（AIDD，人工智能驱动药物发现），是依托机器学习、多模态生物大模型、分子生成算法，从靶点挖掘、虚拟分子筛选、药物分子设计、合成路线预测，延伸至临床试验设计、患者招募、临床数据分析全流程赋能新药研发的新模式，正在重塑全球创新药研发范式，从过去经验试错模式转向数据 + 算法+ 湿实验闭环的智能研发体系。

AI 的核心价值在于压缩研发周期、降低前期试错成本。传统模式下，从靶点发现到临床前候选化合物（PCC）确定，普遍需要4.5 年；成熟 AI 平台可将该阶段缩短至12–18 个月，候选分子合成数量、研发成本显著下降，部分项目可将临床前研发成本压缩至传统方案的1/5。工信部《“人工智能 +” 行动方案》明确提出建设AI 新药发现平台，依托多模态药效大模型加速靶点识别，政策层面持续支持AI 制药产业落地，叠加国内创新药产业转型、生物医药数据持续积累，AI 创新药行业进入从概念验证向管线临床转化的关键阶段。

一、行业现状、发展趋势与未来前景

（一）行业现状

全球 AI 制药市场保持高增长，2025 年全球市场规模约24.1 亿美元，预计2026 年接近30 亿美元；国内AI 制药市场规模快速扩容，国内企业数量突破百家。行业落地呈现明显分层：上游是AI 算法平台服务商；中游为AI 赋能CXO 企业，承接药企AI 药物研发外包；下游是传统大型药企，搭建内部AI 研发中台，将AI 工具嵌入自有创新管线。

现阶段行业仍处于早期商业化阶段，核心痛点并非模型生成分子，而是 AI 虚拟分子向湿实验、临床试验转化的断层。很多 AI 模型在计算机模拟中表现优异，但分子合成难度、体内毒性、成药性难以预测，高质量生物训练数据稀缺、数据孤岛、模型可解释性不足，仍是行业长期瓶颈。资本的关注点也从单纯比拼分子生成能力，转向企业 wet-lab湿实验验证能力、管线临床推进进度，市场投资逻辑趋于理性，逐步抛弃纯概念型标的，重视临床转化与商业化兑现能力。

国内已有 AI 辅助研发的创新药获批上市，验证了技术可行性；多款 AI 设计候选分子进入I、II 期临床，行业正式迈入管线收获前期。商业模式分为三类：平台授权+ 联合研发（预付款+ 里程碑+ 销售分成）、AI 技术服务外包、自研管线自主开发新药。

（二）行业发展趋势

第一，从单点工具走向端到端全链路 AI 大模型。早期 AI 多应用于分子筛选单一环节，当前行业趋势是多模态生物大模型，融合蛋白结构、基因、病理、临床多维度数据，覆盖靶点挖掘、分子生成、ADMET 预测、制剂优化、临床试验方案设计，打通药物研发全链条。

第二，AI 平台与湿实验实验室深度绑定。单纯算法公司缺少合成、生物实验验证能力，容易陷入“纸上分子” 困境；具备自建实验室、自动化合成平台的企业，能够形成AI 预测- 合成- 生物测试的数据闭环，持续迭代模型，是未来竞争核心壁垒。

第三，临床端 AI 应用权重持续提升。早期行业聚焦临床前药物发现，未来AI 在临床试验患者招募、临床终点预测、不良事件监控、真实世界数据挖掘的价值逐步凸显，降低临床阶段失败概率。

第四，产业协同常态化。传统药企不会全部自研 AI 模型，更多通过外购平台、联合研发、收购AI 初创企业的方式引入AI 能力；AI 公司依托药企的管线、临床资源完成模型训练，形成跨界合作生态。

第五，监管体系逐步完善。国内外药监机构持续出台 AI 辅助药物研发的指导原则，对AI 模型溯源、数据合规、算法验证建立规范，为AI 设计新药的申报、审批扫清制度障碍。

（三）未来前景

长期看，AI 创新药有望解决国内源头创新薄弱的痛点，提升国内First-in-class、Best-in-class 新药产出效率，降低创新药研发门槛，加速国产创新药出海License-out 交易。短期维度，2026–2028 年将是一批AI 发现候选分子密集读出临床数据的窗口期，临床数据的成功与否将决定板块估值分化。

风险层面，行业仍具备较高不确定性：AI 模型无法消除药物临床失败的根本风险；生物医药高质量数据获取成本高昂；算力、复合型人才缺口大；海外巨头AI 平台竞争挤压国内企业市场空间。行业不会短期全面替代传统药物研发，而是作为研发增效工具长期共存。

三、国内A股重点上市公司分析梳理

1. 成都先导（688222）

行业地位：国内 DEL（DNA 编码化合物库）龙头，AI+DEL 药物发现平台标杆企业，小分子药物早期发现领域核心服务商，DEL 库化合物储备规模国内领先。 

技术特征：将 AI 机器学习与DEL 筛选技术结合，AI 模型用于靶点结合分子预测、库设计、筛选数据分析。DEL 技术可以一次性完成数十亿级化合物筛选，AI 大幅缩短筛选数据分析周期，提升新颖活性分子命中率。具备完整化学合成、生物评价湿实验平台，打通AI 虚拟筛选到实体化合物验证闭环。 

业务特点：商业模式以药物发现 CRO 服务为主，同时布局自主新药管线，与国内外药企开展靶点发现合作，收取项目服务费+ 里程碑分成。优势在于海量化合物库数据，为AI 模型训练提供高质量数据底座，弥补AI 制药的数据短板。成长看点在于AI+DEL 一体化平台持续承接跨国药企早期药物发现订单，自研管线逐步进入临床阶段。

2. 泓博医药（301230）

行业地位：AI 赋能小分子CXO 代表企业，AI 药物发现平台 + 传统药物研发服务双轮驱动，在AI 分子设计、逆合成路线预测方面技术积累深厚。 

技术特征：自研 AIDD 平台，覆盖靶点预测、分子生成、ADMET 性质预测、合成路径设计，服务于客户早期新药分子设计。企业本身拥有成熟药物化学实验室，AI 设计的分子可快速在自有实验室合成与活性测试，形成算法与实验闭环。 

业务特点：主业为药物发现、工艺开发 CRO，AI 平台作为增效工具对外提供技术服务，同时支撑内部自研项目。优势是客户资源稳定，依托CXO 业务持续产生研发数据反哺AI 模型迭代。成长预期：AI 工具提升人均产出，高附加值AI 药物发现订单占比持续提升，自研小分子管线持续推进。

3. 恒瑞医药（600276）

行业地位：国内创新药龙头，国内管线储备最多的药企，AI 制药属于传统药企内部落地的标杆。 

技术特征：搭建内部 AI 药物研发中台，AI 全面应用于靶点验证、小分子分子优化、ADC 药物linker 设计、临床方案设计等多个环节。依托庞大内部研发数据、丰富的临床管线、完整的药理毒理实验平台，AI 模型可直接服务于内部数十条创新管线。 

业务特点：不以对外售卖 AI 平台为主，核心目标利用AI 加速内部创新管线研发，降低自研新药的试错成本。优势是临床转化能力极强，AI 产出分子可以快速进入临床开发，是A 股中AI 技术落地到商业化新药潜力最强的企业。成长逻辑：AI 赋能肿瘤、自免、GLP-1 等核心管线，缩短新药上市周期，持续产出重磅创新品种。

4. 药明康德（603259）

行业地位：全球 CXO 龙头，AI 制药基础设施平台，为全球药企提供一体化AI 药物研发服务。 

技术特征：打造自研 AI 药物发现平台，覆盖分子设计、蛋白结构预测、合成自动化、临床试验数据管理。依托全产业链CXO 业务，拥有海量实验数据、自动化合成实验室、药理毒理与临床评价能力，可提供从AI 分子设计到临床申报一体化服务。 

业务特点：面向全球客户提供 AI 药物发现外包服务，AI 作为现有CXO 业务增值模块，赋能客户新药开发。最大优势是数据规模与全链条湿实验能力，可承接跨国药企大型AI 新药研发项目。成长看点：全球药企降本需求下，AI+CXO 打包服务渗透率持续提升。

5. 博济医药（300404）

行业地位：国内临床 CRO 企业，AI 在临床试验环节布局的代表性标的。 

技术特征：AI 聚焦临床阶段，开发智能患者招募系统、临床数据自动核查、AI 辅助方案设计、真实世界研究数据分析工具，补齐AI 制药后端临床验证环节。 

业务特点：AI 工具主要用于提升临床试验运营效率，降低临床研究周期与成本。和专注临床前分子设计企业形成差异化，AI 赋能临床CRO 业务，辅助客户完成创新药临床试验申报。成长逻辑：国内创新药进入临床阶段项目持续增多，AI 临床工具降低临床研究成本，提升项目周转效率。

6. 健康元（600380）

行业地位：传统大型制药企业，较早完成 AI 模型本地化部署的药企。 

技术特征：搭建端到端 AI 制药平台，覆盖靶点识别、分子生成、ADMET 预测、逆合成分析。公开数据显示，平台可将新颖活性分子命中率提升2–5 倍，化合物虚拟筛选从数月压缩至数天，布局多个早期新靶点管线。 

业务特点：AI 平台主要支撑内部创新药、多肽管线研发，利用AI 补齐源头创新短板，布局呼吸、消化、抗感染领域早期创新项目。成长预期：AI 平台持续输出早期候选分子，丰富公司创新管线矩阵。

7. 众生药业（002317）

行业地位：国内小分子、多肽创新药企，AI + 多技术平台协同布局。 

技术特征：搭建 AI 驱动药物发现平台，结合多肽、小核酸、小分子筛选技术，AI 辅助多肽分子设计、靶点筛选，差异化布局神经、呼吸领域创新管线。 

业务特点：AI 作为自研管线赋能工具，重点用于多肽、小分子新药早期发现，依托自有药物评价实验室完成分子验证。成长看点：AI 加速多肽、小核酸等差异化管线推进。

四、核心总结与风险提示

核心总结：AI 创新药正在深刻变革新药研发的底层逻辑，但是行业仍处于早期转化周期，短期难以大规模贡献业绩。未来投资主线将从“AI 算法模型” 转向具备湿实验能力、管线临床转化落地、拥有高质量生物医药数据的企业。两类企业最具备长期竞争力：一类是 AI + 药物发现CXO 服务商，持续通过技术服务兑现收入；另一类是大型创新药企，利用AI 加速内部管线，依托成熟临床和商业化体系，将AI 设计药物推向市场。

行业主要风险：AI 设计药物临床失败风险；生物数据合规、知识产权争议；行业研发投入高、回报周期漫长；行业竞争加剧，模型技术迭代速度超预期；创新药医保谈判、海外 BD 交易不及预期。

（以上根据公开数据整理，相关内容仅为静态梳理，并无动态买卖指导，绝不构成任何投资建议、引导或承诺，不作推荐，请勿据此操作。股市有风险，入市需谨慎。）

（风险提示及免责声明：以上内容仅供阅览，不做任何投资建议，投资有风险，入市需谨慎！）

加关注不迷路！看完记得点赞、点个小红心，会有更多精彩分享！