从药物研发出发-AI4S行业全解析

①**核心逻辑成立的最大前提**：报告把"FEP精度"奉为壁垒，但FEP本身依赖力场参数与采样设置，是一项需要长期迭代的"湿实验+干实验"耦合工程，并非纯算法领先就能赢得客户。薛定谔从上世纪90年代累积至今，国内玩家即便融资充裕，方法学和工程化时间差能否在5年内抹平，决定了"追赶位"是估值故事还是盈利现实。 ②**被低估的反方风险**：报告没有充分讨论AI制药的"BD天花板"。历史上薛定谔自上市以来市值起伏剧烈，核心原因是软件订阅收入波动+管线对外授权（license-out）兑现稀疏。对国内自建管线玩家（英矽智能）而言，从临床前PCC推进到IND只是一次"资格赛"，真正的价值兑现窗口在临床II期概念验证或BD交易，而该类事件频次低、估值波动剧烈。报告将"管线模式"与"SaaS模式"并列对比，但未量化两种模式在融资周期、估值锚、可比公司上的差异。 ③**行业格局定位修正**：当前AI制药市场更接近"科学家工具"而非"制药公司"。药企（辉瑞、罗氏、AZ等）内部已有计算化学团队，外包决策高度成本敏感——一旦经济周期下行、IT预算收缩，外部CADD订单首当其冲。这与CXO（药明康德、康龙化成）有强粘性临床/CMC订单形成对比，AI制药工具类公司的客户LTV（生命周期价值）实际弱于传统CRO。报告应在估值层面给予SaaS/软件模式更高折价。 ④**敏感性最高的变量**：FEP计算精度（与实验IC50的吻合率）每下降5个百分点，对客户的工具粘性可能非线性下滑——药企在Pre-clinical阶段一次失败动辄损失数百万美元成本，对算法精度容忍度极低。这意味着一旦晶泰科技、深势科技的对外披露案例中出现"精度不足"的负面消息，估值压缩速度可能远快于基本面恶化速度。 ⑤**横向参照**：参照薛定谔（SDGR）2020-2024年股价从顶部到谷底跌幅约80%再修复，国内AI制药标的（晶泰科技上市后亦经历大幅回撤）需要警惕"主题热度→估值压缩"的周期复现。同期Relay Therapeutics（RLAY）则因管线推进受挫市值腰斩，证明即使是技术派玩家，资本市场更看重管线兑现而非算法优越性。 ⑥**读者跟踪清单**：①国内AI制药公司每季度的对外授权（BD）交易披露；②晶泰科技、深势科技公开的FEP盲测benchmark结果（与薛定谔对比的精度差异）；③薛定谔（SDGR）季报中的软件订阅ARR变化，作为行业景气先行指标；④药企（特别是MNC）研发管线中标注"AI-derived"的候选分子进入临床的数量与质量；⑤国内多肽GLP-1类项目（减重赛道）中AI介入的占比；⑥蛋白质动态采样（如DeepMind AlphaFold后续工作、OpenForcefield等）开源进展，决定大分子领域突破时间表；⑦国内AI制药公司研发支出资本化vs费用化的会计处理，反映管线兑现预期管理。