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 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 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

应用端百花齐放。AI 制药行业得到国家层面的政策支持，如《“十四五”医药工业发展规划》和《“十 四五"生物经济发展规划》等，旨在推动云计算、大数据、人工智能等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩 .................... 6 表 2 国家层面 AI 新药研发行业政策 ......................................................................................... 6 表 3 “十四五”期间中国部分省份 AI 新药研发发展目标 .............................. 1.1 AI 技术发展迅速，引领制药领域创新变革 药物开发过程因其周期长、成本高、效率低而成为该行业长期关注的问题。平均而 言，药物开发需要 2 亿美元的投资，需要 10-15 年才能完成开发创新药物的整个过程， 从研发到营销。AI 制药是以医药大数据为基础，通过运用机器学习、深度学习等 AI 技术 替代大量实验，对药物结构、功效等进行快速分析，以优化药物研发环节的技术手段。 从初期计算机辅助

关注：1）AI+制药；2）AI+多组学；3）AI+精准诊断；4） AI+影像设备；5）AI+家用；6）AI+智慧医疗。 ◼ 药物研发周期长、资金投入高、成功率低，“AI+”方案有望解决痛点。一款新药成功上市销售大约需要花费十年以上的时间，药物发现阶 段从靶点到苗头化合物再到先导化合物优化过程，整体成功率为51%，临床研究阶段的整体成功率仅为12.9%。资金花费上，一款药物从研发 到上市销售 批上市，全球药品市场规模在2023年约为1.7万亿 美元，预计到2028年将会达到2.3万亿美元，年复合增长率为5%-8%。 请务必阅读正文之后的免责声明及其项下所有内容 全球新药研发市场热度高涨 ◼ 全球新药研发投入呈现上升的趋势。2022年全球药物研发投入达到2415亿美元，随着中小型药企的快速发展，研发投入持续增加，预计 到2030年增长至3943亿美元，年复合增长率为6.3%。美 药物研发周期长、投入高、成功率低 ◼ 药物研发周期长、资金投入高、成功率低。全球新药研发如火如荼，整个研发过程需要经历 创新靶点研究、药物发现、临床前研究、临床研究最终申报上市，一款新药成功上市销售大 约需要花费十年以上的时间。在研发成功率方面，药物发现阶段从靶点到苗头化合物再到先 导化合物优化过程，整体成功率为51%，临床研究阶段的整体成功率仅为12.9%，制约新药的 研发上市。资金花费上，一款药物从研发到上市销售，平均需要投入8-23亿美元，药物上市

(腾讯健康内部测试数据，通过⾼质量医学病历数据 ⼤模型及DeepSeek潜在应⽤场景探索 DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 • 管理营销素材 • 营销内容策划 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ • 65岁以上⼈⼝占⽐从 2014年的10.1%升⾄ 2023年的14.9%，医 疗需求激增1 ⼈⼝⽼龄化 • 收⽀失衡加剧，控费 边际效应减弱2 • 职⼯医保：结余稳健但增速 款天数平均为152天，⽐ 2022年增长2天4 医院艰难 • 国家层⾯已开展10 批集采，平均降幅 50%-60%，极端降 幅超90%5 药品集采5 • 研发成本激增 • 成功率低 • 美国创新药临床成功率仅 5.1% • 研发回报率低 研发回报下滑6 医疗⾏业⾯临前所未有的挑战 新⽣产要素在数据，“问数据，要数字” 数据来源：1. 甲⼦光年智库梳理，2023年；2医疗保障事业发展统计快报，国家医保局;

• 内容⽣产辅 助 • 管理营销素 材 • 营销内容策 划 • 患者招募 • 试验设计优 化 • 执⾏效率提升 新药研发与 临床试验 • 客户精细化标签 • 个性化与医⽣互动 • 交叉证据⽹ 络 构建 提升新药研发和 临床管理效率 数字化内部流程 提效 更个性化、 互动 ⾏业学术化推⼴ ⽣产与 供应链 数据驱动的 多渠道营销 新⽣产要素在数据，“问数据，要数字” 研发回报下滑 6 • 研发成本激增 亿美元 21.7% 11.9% 2010 2018 单个创新药上市成本 • 成功率低 • 美国创新药临床成功率仅 5.1% • 研发回报率低 IRR 10.1% 3.2% 2010 2018 医院艰难 • 收⼊受限与成本攀 报， 2024 年 12 ⽉ ; 4. 《 2023 年药品流通⾏业运⾏统计 分析报告》 , 国家商务部 ; 5. 求解集采制度改⾰⽬标：“降价”是集采的惟⼀考量 , 澎湃新闻； 6. 创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据

(腾讯健康内部测试数据，通过⾼质量医学病历数据 ⼤模型及DeepSeek潜在应⽤场景探索 DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 • 管理营销素材 • 营销内容策划 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ • 65岁以上⼈⼝占⽐从 2014年的10.1%升⾄ 2023年的14.9%，医 疗需求激增1 ⼈⼝⽼龄化 • 收⽀失衡加剧，控费 边际效应减弱2 • 职⼯医保：结余稳健但增速 款天数平均为152天，⽐ 2022年增长2天4 医院艰难 • 国家层⾯已开展10 批集采，平均降幅 50%-60%，极端降 幅超90%5 药品集采5 • 研发成本激增 • 成功率低 • 美国创新药临床成功率仅 5.1% • 研发回报率低 研发回报下滑6 医疗⾏业⾯临前所未有的挑战 新⽣产要素在数据，“问数据，要数字” 数据来源：1. 甲⼦光年智库梳理，2023年；2医疗保障事业发展统计快报，国家医保局;

文本：文字+代码信息内容加工 音频：音频内容加工创作 图像（静态）：图片处理+图片 制作 图像（动态）：视频处理+3D模 型加工 ChatGPT 实体经济的AIGC: 新产品、新流程、新药物的 智能设计生成 文化艺术的AIGC: 广告、动漫、影视、绘画、 音乐、儿童教育的智能内容生成 城乡发展的AIGC: 城市规划、美丽乡村、线上 会议、生态推演等智能模拟的生成 AI 型企业的商业化能力主要体现在AI技术服务能力、自研管线储备等 方面。近年来，越来越多AI制药领域布局的传统药企与CRO企业选择与头部AI制药初创企业合作，旨在最大程度节省研发成本 ，利用双方优势提升新药研发效率。  其市场进入方式通常为利用自身的AI技术优势切入制药场景中的一个或多个环节，通过与药企、医院、实验室等外部机构合作 ，利用获取的差异性公开数据训练模型，优化制药流程，从而实现研发效率的提升。 2015年、2018年分别参与晶泰科技的A轮、B轮融资，目前晶泰科技已 成为国内AI制药头部企业 自主研发建立AI 制药平台 基于腾讯AI Lab自主研发的深度学习算法开发AI驱动临床前新药研发 开放平台“云深智药”，同时提供数据库和云计算支持，主要功能有 蛋白质结构预测、虚拟筛选、分子生成、ADMET预测和合成路线规划 基于华为云AI和大数据技术优势开发华为云“EIHealth”，为基因组

摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 带来收益， 他们便愿意为这类产品付费。 4 尤其是在智慧运营、智慧后勤等场景，很多三级医院已经采购了相应的数智化系统，率 先享受到了 AI 赋能后的管理红利。 制药 AI 方面，绝大多数创新药企都对医疗 AI 持积极态度。不过，大多数药企在药物发 现阶段均倾向于自研 AI，而到了临床试验，更多药企习惯于采购成熟的第三方综合解决 方案，降低成本并规避研发风险。 5 6 第二章：自我突破，医疗 大模型落地的典例。 2.3 制药 AI：下行时期，在变化之中寻找新的机遇 自 2020 年制药 AI 在一级市场迎来爆发性增长后，大量创业公司将其管线推至临床阶段。 此前，AI 主导的进入临床试验阶段的创新药项目仅为个位数。2021 年这一数字已迅速 增长至 100 多个，2022 年维持增势突破 200，2023 年进一步提升，管线数量迈入 300 大关。 趋势之下，阿斯利康、拜耳、罗氏、礼来及赛诺菲等等

摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 带来收益， 他们便愿意为这类产品付费。 4 尤其是在智慧运营、智慧后勤等场景，很多三级医院已经采购了相应的数智化系统，率 先享受到了 AI 赋能后的管理红利。 制药 AI 方面，绝大多数创新药企都对医疗 AI 持积极态度。不过，大多数药企在药物发 现阶段均倾向于自研 AI，而到了临床试验，更多药企习惯于采购成熟的第三方综合解决 方案，降低成本并规避研发风险。 5 6 第二章：自我突破，医疗 大模型落地的典例。 2.3 制药 AI：下行时期，在变化之中寻找新的机遇 自 2020 年制药 AI 在一级市场迎来爆发性增长后，大量创业公司将其管线推至临床阶段。 此前，AI 主导的进入临床试验阶段的创新药项目仅为个位数。2021 年这一数字已迅速 增长至 100 多个，2022 年维持增势突破 200，2023 年进一步提升，管线数量迈入 300 大关。 趋势之下，阿斯利康、拜耳、罗氏、礼来及赛诺菲等等

病灶识别与标注 / 三维重建 靶 区自动勾画与自适应放疗 辅助诊疗 医疗大数据辅助诊疗 医疗机器人 疾病风险预测 基因测序与检测服务 预测癌症 / 白血病等重大疾病 药物挖掘 新药研发 / 老药新用 / 药物筛选 药 物副作用预测 / 跟踪研究 健康管理 营养学 / 身体健康管理 精 神健康管理 医院管理 病历结构化 / 分级诊疗 DRGs 智能系统 / 专家系统 辅助医学研究平台 场景描述：药物挖掘，主要完成的是新药研发、老药新用、药物筛选、药物副作用预测、药物跟踪研究等方面的内容；人工智能技 术在 药物挖掘方面的应用，主要体现于分析化合物的构效关系（即药物的化学结构与药效的关系），以及预测小分子药物晶型结构 （同一药物的不同晶型在外观、溶解度、生物有效性等方面可能会有显著不同，从而影响了药物的稳定性、生物利用度及疗效）；  人工智能与药物挖掘的结合，使得新药研发时间大大缩短，研 药占到 1/3 ； 舶众数据 思路迪 吉凯基因 瑞博生物 赛福基因 裕策生物 明码生物科技 2 典型应用场景  发展环境：传统的药物研发存在研发周期长、研发成本高、研发成功率低等痛点。一款新药的研发，要经过化合物研究、临床前研 究、 临床研究（临床Ⅰ、Ⅱ、Ⅲ期试验）、 SCFDA 或 CFDA 审批后才能够上市。而人工智能技术的引入，则在一定程度上解决这些 痛点。 例如，在临床前研究