“AI+医药健康”系列报告(三)：AI制药蓝海，人工智能助力新药开发全流程

微信扫码，打开到小程序

敬请阅读末页的重要说明 2025 年 02 月 17 日 推荐（维持） AI 制药蓝海，人工智能助力新药开发全流程 消费品/生物医药 医药健康是 AI 应用的核心领域之一，根据终端客户不同，我们将应用分为 To 医院、To 药企和 To 个人三大方向。在“AI+医药健康”系列报告（一）和（二） 中，我们重点分析了 AI To 院内和 AI To 个人两大应用方向。本篇报告重点聚 焦 AI 在制药行业的应用，全面介绍了 AI 在临床前和临床阶段的落地情况；同 时作为一种新的药物研发模式，我们基于全球 AI 制药龙头 Schrödinger，重点 讨论 AI 制药的商业模式变迁，并梳理相关公司。 ❑ AI 可用于新药开发全过程，达到降低成本，增加药物研发可能性目的。根据 DPI 援引英矽智能数据，通过 AI 技术能将 ISM001 分子发现时间由传统手段 的 2 年降至 11 个月，总费用从 4.14 亿美元降低至 20 万美元，极大降低了新 药研发负担。目前人工智能技术在药物研发过程中的应用主要集中于药物发 现阶段，随着 Deepseek 等大模型技术应用，AI 在临床阶段的应用价值也将 逐渐得到体现。 ❑ 全球 AI 制药行业投融资活跃，MNC 参与达成多项重磅交易。虽然 2023 年全 球资本市场景气度有所下降，但 AI 制药行业融资活跃度仍然保持高位。2024 年全球 AI 制药融资事件为 128 起，总金额为 58 亿美元，接近恢复 2022 年 的巅峰水平，美国和中国是交易最为活跃的两大地区。2017 年起，MNC 对 AI 制药企业的观望和谨慎态度开始发生转变，Big pharma 和 AI 药企的合作 数量持续增加，合作金额也屡创新高，AI 制药管线商业价值得到体现。 ❑ AI 制药可以分为 AI+SaaS，AI+CRO 和 AI+Biotech 三种经营形式。AI 制药 发展早期，企业以提供药物研发软件服务为主，附加值较低并且客户付费意 愿不强，市场空间有限，代表企业为 Schrodinger；为了更加深度参与客户药 物研发过程，突出 AI 制药优势，企业陆续向 AI+CRO 和 AI+Biotech 的商业 模式转变，通过 AI 技术为药企和 CRO 公司提供研发外包服务，甚至自建研 发管线对外授权或推进上市，近些年成立的初创公司多选择此类商业模式， 包括晶泰控股、英矽智能、Recursion Pharmaceuticals、Relay Therapeutics 等。 ❑ 单纯提供 AI 软件服务很难满足客户需求，同时市场空间有限，更深层次参与 新药开发过程提供 CRO 服务或者自建研发管线成为 Techbio 企业成为普遍 选择。对于 AI+SaaS 和 AI+CRO 为核心服务模式的企业，我们建议重点关注 公司平台能力的建设，包括数据的获得、技术积累等，同时与核心重点客户 的合作也是重要催化剂；对于自建管线为核心的 AI Biotech 公司，我们建议 重点关注核心产品的关键研发节点，比如英矽智能治疗 IPF 的 ISM001-055、 Schrodinger 用于实体瘤的 SGR-3515 等。 ❑ 相关标的：1）提供AI制药软件服务，或者CRO服务相关公司，如Schrodinger、 晶泰控股、康龙化成、维亚生物、泓博医药、成都先导、药石科技等；2）利 用 AI 技术自建创新药物管线的 Techbio 公司，如 Recursion、Relay 、 Exscientia、英矽智能（未上市）等。 ❑ 风险提示：技术迭代风险、市场竞争风险、数据获取风险、商业应用风险、 研发失败风险、盈利风险、政策监管风险等。 行业规模 占比% 股票家数（只） 450 8.8 总市值（十亿元） 5580.6 6.5 流通市值（十亿元） 4943.2 6.3 行业指数 % 1m 6m 12m 绝对表现 8.0 9.4 5.4 相对表现 4.9 -9.6 -11.7 资料来源：公司数据、招商证券 相关报告 1、《ToC 端应用普惠大众，有望蓬 勃发展—“AI+医药健康”系列报告 （二）》2024-11-18 2、《院内场景丰富，全流程 AI 赋能 —“AI+医药健康”系列报告（一）》 2023-07-31 3、《丙类目录年内发布+商业健康保 险提供创新药支付新增量，集采、医 保预付金等进一步完善》2025-01-19 梁广楷 S1090524010001 liangguangkai@cmschina.com.cn 许菲菲 S1090520040003 xufeifei@cmschina.com.cn 顾佳 S1090513030002 gujia@cmschina.com.cn 刘玉萍 S1090518120002 liuyuping@cmschina.com.cn 谢笑妍 S1090519030003 xiexiaoyan1@cmschina.com.cn 欧阳京 S1090524070012 ouyangjing@cmschina.com.cn 肖笑园 研究助理 xiaoxiaoyuan@cmschina.com.cn -20 -10 0 10 20 30 Feb/24 Jun/24 Sep/24 Jan/25 (%) 生物医药 沪深300 “AI+医药健康”系列报告（三） 敬请阅读末页的重要说明 2 行业深度报告 正文目录 一、AI 制药蓝海市场，人工智能赋能药研全流程 .............................................. 4 二、从 Schrödinger 看 AI 制药商业模式变迁 ..................................................... 9 三、相关标的 .................................................................................................... 12 四、风险提示 .................................................................................................... 16 图表目录 图 1：AI 技术赋能新药研发全流程 ..................................................................... 4 图 2：AI 技术减少 ISM001 研发时间和研发成本 ............................................... 4 图 3：2017-2022 年 Big pharma 和 AI 公司合作案例 ........................................ 5 图 4：主流 MNC 与 AI 公司的合作数量（截至 2023Q1） ................................. 5 图 5：AI 制药发展历史 ....................................................................................... 5 图 6：AI 制药产业链结构 .................................................................................... 6 图 7：2021-2024 年全球 AI 制药行业融资统计 .................................................. 6 图 8：中国 AI 制药企业融资额（单位：亿元） .................................................. 6 图 9：AI 制药临床管线适应症分布 ..................................................................... 7 图 10：AI 在药物开发各个阶段的应用占比 ........................................................ 8 图 11：AI 在临床研究阶段的应用价值更高 ........................................................ 8 图 12：AI 制药三种商业模式 .............................................................................. 9 图 13：国内 AI 制药企业商业模式统计 ............................................................ 10 图 14：Schrodinger 发展历程 .......................................................................... 10 图 15：Schrodinger 药物 CRO 合作项目（截至 2024Q3） ............................. 11 图 16：Schrodinger 自研管线（截至 2024Q3） .............................................. 11 图 17：Schrodinger 软件服务业务收入及增速（万美元） .............................. 11 图 18：Schrodinger 药物发现业务收入及增速（万美元） .............................. 11 图 19：晶泰控股发展历程 ................................................................................ 12 图 20：2020-2024H1 晶泰控股销售收入（万元） ........................................... 13 图 21：晶泰控股小分子药物研发平台 .............................................................. 13 图 22：英矽智能端到端生成式药物研发平台 Pharma.AI ................................. 13 图 23：2021-2023 年英矽智能不同业务营业收入（万元） ............................. 14 敬请阅读末页的重要说明 3 行业深度报告 图 24：英矽智能药物研发管线 ......................................................................... 14 图 25：维亚生物 AIDD/CADD 平台 .................................................................. 15 图 26：利用成都先导 DEL 数据库结合 AI 技术筛选活性化合物 ...................... 15 表 1：AI 在药物研发主要流程发挥作用 .............................................................. 4 表 2：2022 年全球 AI 合作交易 TOP10 ............................................................. 7 表 3：部分处于临床阶段的 AI 制药管线 ............................................................. 8 敬请阅读末页的重要说明 4 行业深度报告 一、AI 制药蓝海市场，人工智能赋能药研全流程 人工智能赋能新药开发，是指在规模化医药数据基础上，运用机器学习、深度学 习、自然语言处理等技术参与药物开发各个环节，包括靶点发现、化合物合成、 化合物筛选到患者招募、临床试验设计等，通过 AI 技术的运用有效解决传统新 药研发痛点，缩短研发周期，提高研发成功率，降低研发成本。根据 DPI 援引英 矽智能数据，通过 AI 技术能将 ISM001 分子发现时间由传统手段的 2 年降至 11 个月，总费用从 4.14 亿美元降低至 20 万美元，极大降低了新药研发负担。 图 1：AI 技术赋能新药研发全流程 图 2：AI 技术减少 ISM001 研发时间和研发成本 资料来源：36 氪研究院、招商证券 资料来源：DPI、招商证券 表 1：AI 在药物研发主要流程发挥作用 流程 痛点 AI 赋能 AI 技术 靶点发现 依赖人工阅读科研文献和经验， 花费时间长，且难以发现新靶点 AI 处理海量文献专利发现药物和疾病关系， 快速找到有效靶点，缩短靶点发现周期 NLP、DL 化合物合成 花费时间长，效率低 利用 AI 学习海量现存化学反应，推荐化合物 合成路线并优化反应条件 ML、DL 化合物筛选 成本高，效率低 使用虚拟筛选遴选出具有潜在成药性的活性 化合物，降低实验筛选化合物数量，降低资 金投入，缩短筛选周期 CV、DL 晶型预测 耗时长，筛选合适晶型困难 通过 AI 模拟晶型药物晶型筛选，可在短时间 选出稳定性强的最佳药物晶型 DL、ML 患者招募 招募适合入组患者难度高、周期 长 使用 AI 技术提取患者数据，快速匹配最合适 入组患者，降低临床开发风险 NLP、DL、ML、OCR 临床试验设 计及优化 优化受到局限，效率低 AI 通过机器学习和认知计算能力，从海量靶 点、临床试验数据中学习成功和失败经验， 设计优化当前临床试验方案 NLP、DL、ML 药物重定向 效率低，很难找到最适适应症 使用 AI 技术开发新适应症，将老药与罕见疾 病快速匹配 NLP、DL 资料来源：DPI、招商证券 敬请阅读末页的重要说明 5 行业深度报告 AI 技术理论从 1990 年便得到大规模发展，但直到 2014 年 AI 才在药物研发领 域得到广泛应用。彼时 Exscientia、晶泰科技、英矽智能等国内外首批 AI 制药 企业陆续成立，开启 AI 制药研发时代，在该阶段企业以提供单一技术服务为主， 市场规模小，竞争力不足；2020 年后，以 DeepMind 建立的 AlphaFold 平台成 功解决蛋白质空间结构预测难题和英矽智能开发全球首个由 AI 发现的具有全新 靶点和全新分子结构的候选化合物 ISM001-055 等事件为标志，全球 AI 制药行 业进入突破期，AI 药企开始追求端到端的服务能力，同时开始自建管线完成并推 动临床试验完成。与此同时，Big pharma 逐步认识到 AI 制药的潜力，行业合作 和投资案例增多，2021 年 5 月 BMS 与英国 AI 制药头部企业达成超 12 亿美元 的合作，AI 管线商业价值逐步得到体现。 图 3：2017-2022 年 Big pharma 和 AI 公司合作案例 图 4：主流 MNC 与 AI 公司的合作数量（截至 2023Q1） 资料来源：DPI、招商证券 资料来源：DPI、招商证券 图 5：AI 制药发展历史 资料来源：DPI、公司公告、招商证券 AI 制药产业链长、分工复杂，参与者众多。AI 制药上游包括软硬件供应商，主 要参与者是各类老牌互联网和电子企业，其中有效的规模化数据来源是上游关键 竞争壁垒。产业链中游是 AI 制药主体，包括 AI 制药初创企业、传统药企/CRO 公司以及互联网企业三大类，不同企业掌握不同资源禀赋在竞争中具有不同优劣 势，对于 AI 初创公司来说，其优势在于拥有较强的技术和算法能力，但在药物 开发数据积累和资金上存在不足，药企/CRO 公司拥有丰富的药物开发经验和数 敬请阅读末页的重要说明 6 行业深度报告 据以及资金实力，但 AI 技术能力较弱，对于互联网企业来说，算力和技术资源 丰富，但存在行业经验不足的问题，目前更多的情况是药企/CRO、AI Biotech 和互联网公司开展更多的合作，取长补短共同推进 AI 药物的研发。产业链下游 是 AI 制药需求方，包括药企、CRO 公司和科研机构等，中游企业根据需求向它 们交付运算完成的药物分子结构。 图 6：AI 制药产业链结构 资料来源：智药局、公司官网、招商证券 AI 制药行业发展处于早期阶段，行业景气度与投融资金额息息相关。根据 DPI 及智药局数据，受全球资本市场及生物医药投融资等大环境影响，AI 制药融资额 也有所波动。2024 年全球 AI 制药融资事件为 128 起，总金额为 58 亿美元，经 过 2023 年的调整后，接近恢复 2022 年的巅峰水平。具体看，美国仍然是 AI 制 药发展高地，2024 年融资事件为 62 起，其次为中国 37 起，从融资金额看美国 领先优势更为明显，中国 AI 制药融资额占比约 10%。 除了投融资外，随着 AI 制药管线商业价值体现，头部 AI 公司通过对外合作实现 自我造血，AI 制药 License out 金额屡创新高。2017 年开始，MNC 对 AI 制药 企业的观望和谨慎态度开始发生转变，根据 DPI 报告，过去 6 年 Big pharma 和 AI 药企的合作数量持续增加，合作金额也快速上升，赛诺菲、礼来、默克等 MNC 均与 AI 药企达成多项数十亿美元的交易，AI 制药市场交易活跃度明显提升。 图 7：2021-2024 年全球 AI 制药行业融资统计 图 8：中国 AI 制药企业融资额（单位：亿元） 资料来源：智药局、招商证券 资料来源：亿欧智库、招商证券 敬请阅读末页的重要说明 7 行业深度报告 表 2：2022 年全球 AI 合作交易 TOP10 AI 药企 合作方 订单金额 合作内容 Exscientia 赛