解密AI4S

这份报告最有价值的洞察是「数据护城河」论：把AI制药的竞争从「谁的模型更准」拉回到「谁拥有高质量、可关联临床终点的私有数据」，这一点直接颠覆了市场上把AI制药等同于「AI+药物」的简化叙事。从买方视角，我的延伸判断如下： ①核心逻辑成立的最大前提是「AI模型必须用临床反馈数据闭环训练」，而当前瓶颈恰恰在数据端——失败临床数据几乎不公开，分子数据与临床数据之间的生物学机制联系普遍缺失。这意味着即便英矽智能、晶泰科技这类头部玩家，其管线推进速度仍受制于外部数据采购和合作生态，而非自研模型本身。 ②报告有意无意回避的一个硬伤是「监管端」：FDA、NMPA对AI参与药物发现的审计标准尚未成型，AI辅助决策的法律责任划分（如IND申报材料中AI撰写部分）仍处灰色地带。一旦未来要求披露AI贡献度，目前许多「AI管线」的估值溢价会被打回原形。 ③把视角拉回产业周期：AI制药正处于「Gartner曲线」萌芽到幻灭期的过渡。参考CRO行业从1990s到2010s的演化——康龙化成、精鼎/艾昆纬的真正崛起不是靠技术颠覆，而是靠承接大药企外包的规模效应。AI制药很可能复制类似路径：纯AI软件公司估值回归，AI+CRO一体化（如晶泰科技+自动化实验室）才是终局赢家。 ④敏感性最强的变量是「AI发现分子的临床II期POC读出」——任何一家头部AI药企（英矽智能的INS018_055、晶泰科技的XT-101等管线）的II期数据若呈现统计学显著，将重估整个赛道；若POC失败，行业可能进入2-3年估值出清。Hit-to-PCC环节的成功率提升（报告未给具体数字）是第二个关键指标。 ⑤与历史可比案例的横向参照：参考2010-2015年「互联网医疗」浪潮，真正跑出来的是平安好医生这类把医疗流程数据化的公司，而非纯算法公司。AI制药的终局可能也是「数据+执行」一体化的玩家，而非纯模型公司。对SRP等被提及的中间商模式，要警惕其在「模型-数据-管线」三端无独占优势时的被替代风险。 ⑥读者接下来重点跟踪：（a）英矽智能、晶泰科技等头部公司每季度管线推进与POC数据；（b）辉瑞、罗氏、赛诺菲等大药企与AI平台的合作公告与交易金额；（c）FDA对AI辅助药物申报的最新指南（预计24个月内出台）；（d）A股康龙化成等CRO的AI业务收入占比变化；（e）国内国家级生物医学数据基础设施（如国家基因组中心、国家蛋白质科学中心）的开放进度。