金吾財訊 | 招銀國際認為，當前AI製藥的價值主要體現在早期研發效率的提升上。據弗若斯特沙利文，AI可將早期藥物發現時間壓縮30%-40%。當前，監管框架持續完善，傳統藥企與AI原生公司加速合作，AI製藥正處於從研發提效工具邁向創新藥研發範式重構的轉折期。該機構認為，行業真正的分水嶺不在於效率驗證，而在於臨床成功率驗證，即AI製藥公司管線的臨床數據讀出能否證明AI不僅能提升藥物研發效率，更能提升臨床成功率。此外，該機構認為，AI製藥的核心壁壘正從算法轉向數據資產，擁有高質量私域數據與閉環迭代能力的企業有望建立競爭優勢。AI重構藥物研發全鏈條，早期效率紅利已率先顯現。傳統創新藥研發長期受困於高成本、長周期和低成功率，AI技術正在改變靶點發現、分子篩選與優化等關鍵環節的研發範式。小分子領域，生成式化學及多模態屬性預測已顯着壓縮研發周期，如英硅智能（3696 HK，未評級）利用Pharma.AI平台將靶點發現到PCC（臨床前候選化合物）提名的周期從行業平均4.5年壓縮至18個月。大分子領域，蛋白質結構預測與抗體從頭設計正推動藥物發現從傳統篩選轉向設計-預測-驗證。與此同時，美國FDA與歐洲藥品管理局（EMA）聯合發布AI實踐十項原則，為技術落地提供製度支撐。該機構認為，AI製藥在早期研發提效方面的價值已初步得到驗證，但從分子到藥品上市的完整閉環尚未走通，後續關鍵在於臨床數據讀出能否支撐更深層的範式變革。數據是AI製藥的重要護城河。該機構認為，在公域數據對所有參與者均等可及，主流算法架構通過學術論文和開源代碼快速擴散的情況下，真正決定AI平台性能上限的是高質量、標準化且可持續迭代的私域數據。公開數據雖構成行業共同起點，但其噪聲、偏倚和陰性數據缺失等問題，制約了模型的泛化能力。相比之下，藥企與CXO積累的SAR過程數據、ADMET實驗數據、臨床數據，以及AI原生公司通過自動化實驗室產出的高通量標準化數據，對模型訓練的價值更高。因此，以Recursion（RXRX US，未評級）為代表的AI原生公司正通過自建溼實驗室，構建「模型生成假設-實驗驗證-數據反哺模型」的閉環飛輪，形成數據壁壘。該機構認為，未來AI製藥的核心競爭可能將是數據資產與閉環能力的競爭。行業估值邏輯已從平台敘事切換至臨床與BD兌現。全球尚無AI生成藥物完成關鍵III期臨床驗證，行業仍處概念驗證階段，市場關注焦點正由平台能力本身轉向管線資產、數據讀出和商業化兌現。儘管2025年以來AI相關醫藥交易總金額快速增長，傳統藥企合作熱情顯着提升，但首付款佔比仍較低，反映出傳統藥企對AI平台仍持審慎態度。此外，多家海外AI製藥企業曾經歷了管線的挫折，也說明臨床結果仍是檢驗平台價值的金標準。2026年起，多家全球AI製藥公司的核心管線將迎來數據讀出，若能夠持續驗證AI在臨床獲益，AI製藥行業有望從概念驗證邁向價值兌現。