免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型+医疗:从问诊到新药开发 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 录，以及整合进微软 Teams 中来辅助远程医疗。建议关注国内科大讯飞、 云知声等企业的进展。 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 根据 Statista，2021 年全球制药行业总收入约 1.5 万亿美金，制药研发投入 约 2.4 千亿美金。DeepMind 是最早用 AI 赋能新药开发的企业之一，其推出 的 AlphaFold 主要解决从已知的氨基酸序列，预测相应蛋白质 3D AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 DeepMind 两代 AlphaFold 引领行业进入高速发展期。梳理 AI+制药的发展历程，我们发 现 AI 与制药的结合逐步深入，成为生物制药企业的常态化工具。经历了包括 Exscientia、 Atomwise、英矽智能、晶泰科技在 AI 新药研发领域的早期探索（2014-2017 年）、最早一 批 AI+新药企业开始获

数据融合能力可为医院管理者提供对话式交互和数据洞察，简化数据应用，实现精细 化医院管理。 在药物研发过程中，医疗大模型可预测药物-蛋白质相互作用和药物毒性等信息，从而 评估新药的功效和安全性，有助于缩减研发周期，加速新药发现。如，清华系初创团 队水木分子推出新一代对话式药物研发助手ChatDD，涵盖药物立项、临床前研究、临 床试验各阶段，作为制药专家的AI助手，提升药物研发人员的工作效率。 培训环境和模拟手术，生成虚拟病例、手术模拟和临床案例，帮助医学生和医疗专业 人员提高技能。 在药物研发与药物反应监测方面，医疗大模型未来或可通过预测药物-蛋白质相互作 用、药物毒性等信息来预测新药物的功效和安全性，有助于缩短药物研发的周期，加 速新药的发现。此外，模型还可用于监测和评估药物的不良反应和副作用。 在提高全球医疗效率和资源配置上，医疗大模型可用于流行病学研究和疫情监测，分 析大规模健康数据，如病例报告、病

通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 优化，临床前研究，临床实验，以及市场化等步骤 [1]。靶点发现作为整个流程 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅

1 2 3 4 新药研发 药品生产 药品销售 ** 交流使用 4 ** 未来业务发展关注点分析 市场环境形势 行业特点 医药行业是医药行业是按国际标准划分 的 15 类国际化产业之一，是世界贸最 快的 朝阳产业之一 跨国大药企（赛诺菲、辉瑞、诺华等） 在华建厂、国内药企的 行业集中度低， 抗风险能力低 定位在中高端市场，市场占有率处于同 行业前列，但面临新药专利期后仿制药 的 辅助，实现全面快速增长 ** 交流使用 5 ** 分层化业务重点：重点关注运营体系和管控目标 企业战略 财务核算 资金管理 经营预算 税务筹划 报表合 并 人力资源 绩效管理 流程规范 信息管理 新药研发体系 采购管理 生产供应链体系 营销管理体系 生产管理 生产执行 供应链业务 招投标 采购管控 原辅包材 外协采购 产销协同 生产外协 工艺配方 成本核算 生产下达 生产领发料 数据，减少人工干预，提高效率。经销商的返利数据在销售订 单 中实现兑现，各项返利使用情况 清晰，便于和经销商对账及事后追溯。 系统 支持 配置多种的返利类型  Z101 销量返利  Z201 新药返利  Z301 特殊返利  Z401 产品系列返利  Z501 月、季、年政策返利等 ** 案例 ** 交流使用 70 灵活的 销售政策管理：信用管理 录入销售订

的提升，算法的不断优 化，以及跨学科合作的加深，我们有理由相信，AI在药物虚拟筛选中的应用将越 来越广泛，其精准度和可靠性也将不断提升。 展望未来，AI大模型辅助的药物虚拟筛选方法方法将继续促进创新药物的研 发。它是一个诞生于大数据时代的工具，也将作为大数据时代的代表将药物筛选 由principle base 推向 data base。这不仅有助于缩短药物从实验室到市场的 时间，还有望为患者带

在用药咨询中的准确性和可行性，展示了大模型在医疗保健领域的巨 大潜力。此外，苏龙翔等[20]将大模型应用到真实病例用于预后与死亡风险预测上，并 取得一定的效果。 3.4 人工智能大模型在医学研究的应用 3.4.1 药物研发 从新药靶标到发现到临床试验研究通常需要海量的多模态数据以及大量的实验研 究。大模型正在全面驱动生物医药领域的变革，可充分发挥大模型的强大分析能力， 率先在模拟细胞培养、药物试验等场景展开应用探索，提升实验设计的准确性，提高

疗机构功能定位和布局，实施医疗卫生强基工程，推进全民健康数智化建设。加强慢性病综合防 控，发展防治康管全链条服务。全方位提升急诊急救、血液保障和应急能力。加强医疗卫生队伍 能力和作风建设。推进中医药传承创新，促进中西医结合。支持创新药和医疗器械发展。加强心 理健康和精神卫生服务。 （43）促进人口高质量发展。健全覆盖全人群、全生命周期的人口服务体系。倡导积极婚育观， 优化生育支持政策和激励措施，发挥育儿补贴和个人所得税抵扣政策作用，有效降低家庭生育养

的“点状”系统，向跨部门、跨业务的一体化协同方向发展。 （6）智慧医疗 工程智能正在深刻重塑医疗健康领域，覆盖从药物研发、临床诊断到健康管 理的全链条，旨在提升诊疗精度、加速新药创新并优化医疗资源配置。在新药研 发与生命科学探索方面，AI 大模型正成为驱动创新的核心引擎。例如，华为云 联合发布的盘古药物分子大模型，能够高效筛选和设计潜在的药物化合物，将先 导药物的研发周期从数年缩短至一个月，并降低了

能调度、产品质量AI视觉检测等技 术。工业数字化需要实时计算，对海量生产数据进行分析和建模，对边缘计算和云端算 力提出较高要求。另外，科学研究和超级计算也逐步增加高性能算力需求，在气候模 拟、新药研发、材料科学、天体物理等领域对计算能力的需求规模高速增长。 6、基础资源条件 欧盟的网络条件良好，以高普及率、高速度和强监管为特征。固定和移动宽带覆盖 率极高，千兆光纤和5G网络正加速部署， 力的需求呈指数级增长。垂直行业需求日益显著，电信行业为支撑5G网络与边缘服务部 署大量算力设施；金融科技行业依赖高性能计算进行实时风险定价与欺诈检测；制造业 将算力用于数字孪生与自动化质量控制；医疗保健领域借助算力加速新药筛选与医学影 像分析。政府电子政务项目持续推进，“数字印度”倡议下各类公共服务在线化产生持 续算力需求。从地域看，一线城市需求最为集中，但二三线区域随着互联网普及正成为 全球重点区域算力竞争态势分析报告（2025年）

个。目前江苏省已初步构建起 可信数据生态，形成了第一批阶段性成果。例如，江苏省数据集团建 设运营的医保行业可信数据空间，发布了 8 个核心应用场景和 20 个 高质量数据集，赋能医保基金监管、医保商保联动、创新药研发等业 务，为江苏医疗保障事业数字化转型提供了新动能。该项目及江苏其 他 6 个项目入选国家数据局 2025 年可信数据空间创新发展试点名单， 体现江苏在可信数据空间建设中的创新实践和领先优势。