- AI药物发现行业的核心护城河在于模型与专有数据的整合，而非算法本身；中国在该领域快速追赶美国，具备成本与效率优势；目前缺乏晚期临床验证，尚无AI设计的分子获

• 序号：404
• 星球链接：打开网页
• 附件：图片 0，音频 0，文档 0
• 音频文件：无音频

图片

无图片

正文

• AI药物发现行业的核心护城河在于模型与专有数据的整合，而非算法本身；中国在该领域快速追赶美国，具备成本与效率优势；目前缺乏晚期临床验证，尚无AI设计的分子获批；混合商业模式（AI CRO + AI Biotech）更受青睐；AI可能提升下游CRDMO需求，尤其在新分子合成与制造方面。

UBS于2026年4月23日发布了中国医疗保健行业专家电话会纪要，聚焦AI药物发现（AIDD）市场趋势。核心观点包括：，纯算法优势有限；中国在AIDD领域快速追赶美国，临床成本低、执行能力强；目前行业缺乏晚期验证，尚无AI分子获FDA批准；**混合商业模式（AI CRO + AI Biotech）**兼具稳定性和高弹性收益；AIDD对CRDMO的影响因业务模式而异，在合成与制造领域可能创造增量需求。

1. AIDD技术路线与应用场景 专家介绍了从经典AI到机器学习（ML）、深度学习（DL）、大语言模型（LLM）和生成式AI的多层次技术。；生成式AI（如GAN、扩散模型）在小分子和蛋白质药物设计中发挥关键作用；LLM可辅助提取疾病靶点关系、处理分子结构并起草临床试验方案。
2. 中美差距与竞争格局 美国在基础研究、FDA监管经验和AI生态系统方面仍领先，但中国投入巨大，，正在快速追赶。潜在风险包括监管不确定性和美国芯片出口限制等地缘政治因素。
3. 护城河：数据整合而非算法 随着AI工具成本下降、可及性提高，。真正的壁垒在于将AI模型与**专有数据（患者、生物标志物、临床试验数据）**深度整合。部分公司通过AI模型+自动化实验室结合（如XtalPi、Insilico Medicine）提升数据生成能力。
4. 商业化挑战与估值 美国上市AIDD公司多因缺乏晚期临床验证、自身商业化能力不足而估值较低。，多数项目处于临床前或早期临床阶段。变现主要依赖与大型药企的许可/合作，下游价值多被大药企拿走。
5. 对CRDMO的影响 ：AIDD公司与传统计算机辅助CRO存在竞争。 ：AI加速发现更多结构新颖的分子，可能增加临床前安全性评价、实验室检测、临床CRO、分子合成和放大生产的需求。AI设计的分子结构复杂，制造环节更具挑战性，利好CDMO。

本报告为专家电话会纪要，未给出具体评级或目标价。但专家指出，**混合模式（AI CRO+AI Biotech）**长期利润率更高，因CRO模式竞争激烈、利润空间有限，而内部管线可通过对外授权、里程碑付款和版税实现显著上行。。投资者应关注具备高质量专有数据、模型-数据整合能力强、且能与药企达成合作的公司。

：AI分子尚未获得FDA批准，晚期临床失败可能导致估值大幅修正。 ：中国和美国对AI药物开发的监管政策可能变化。 ：美国芯片出口限制等可能影响中国AIDD公司算力获取。 ：AI工具普及导致门槛下降，行业可能进入同质化竞争。 ：多数AIDD公司缺乏独立销售和制造能力，变现依赖合作伙伴。 ：专有数据的获取和质量差异可能导致不同公司表现分化

总体总结

主题正文

1. • AI药物发现行业的核心护城河在于模型与专有数据的整合，而非算法本身；
2. UBS于2026年4月23日发布了中国医疗保健行业专家电话会纪要，聚焦AI药物发现（AIDD）市场趋势。
3. AIDD对CRDMO的影响因业务模式而异，在合成与制造领域可能创造增量需求。
4. 潜在风险包括监管不确定性和美国芯片出口限制等地缘政治因素。
5. 5. 对CRDMO的影响
6. 但专家指出，**混合模式（AI CRO+AI Biotech）**长期利润率更高，因CRO模式竞争激烈、利润空间有限，而内部管线可通过对外授权、里程碑付款和版税实现显著上行。
7. 投资者应关注具备高质量专有数据、模型-数据整合能力强、且能与药企达成合作的公司。
8. ：美国芯片出口限制等可能影响中国AIDD公司算力获取。