事件：
　　近期，Anthropic正式对外宣布成立生命科学研究团队与自建分子生物学实验室，并公布团队首个重要早期成果：仅依靠人类给出高层次研究指令，约950个Claude智能体（Agent）自主完成基因组挖掘，发现一套此前从未被完整表征的全新酶系统ART（Array-associated Reverse Transcriptases，阵列关联逆转录酶），该系统存在于噬菌体DNA内部，拥有和CRISPR相类似的串联DNA重复阵列结构，具备DNA剪切、复制、粘贴类系统的部分特征，但整套系统的真实生物学功能目前仍处在实验室验证阶段，尚未完全解密。
　　点评：
　　AI制药行业正在迈入成熟深化阶段，研发全流程重塑效能。AI制药行业发展历程可清晰划分为两个主要阶段。在早期AI 1.0阶段（概念与算法驱动期），市场关注度集中于算法创新与结构生物学预测突破（如Alpha Fold等），企业大多依赖SaaS软件授权或早期技术外包获取有限收入。我们认为行业目前正进入成熟深化阶段，竞争焦点由“模型与算法对比”向“数据质量、干湿闭环验证及商业化兑现”深度转移。目前，AI技术已深度渗透到药物发现的各个环节，包括但不限于：通过多组学数据分析和知识图谱构建进行新靶点发现；利用生成式模型（如扩散模型、Transformer）进行从头分子设计；通过虚拟筛选和构效关系（SAR）分析加速苗头化合物和先导化合物的发现与优化；精准预测ADMET性质（化合物在体内的吸收、分布、代谢、排泄）、毒性和生物活性，从而在早期阶段剔除不良候选药物等。
　　AI制药显著提升研发效率，干湿结合迭代模型是AI制药的最核心壁垒。从已有基于AI平台开发的管线数据来看，AI制药在缩短研发周期、降低早期研发成本方面展现出显著优势。然而，由于目前进入临床阶段的AI管线数量仍相对较少，特别是进入临床三期的管线更为有限，其对整体研发成功率的提升效果，仍需更长时间的临床数据来验证。AI制药的数据需求贯穿于模型的构建与应用全过程，主要为训练数据（公开数据+专属数据）和验证数据两个方面，干湿结合迭代模型是AI制药的最核心壁垒。公开数据已被深度挖掘，而专属数据和验证数据都需要大量的湿实验支持，AI制药正在创造大量新的湿实验需求。
　　政策、MNC投入、大模型能力三重共振，推动AI制药行业商业模式演进与分化。国内层面，多部门相继出台实施意见，高价值应用场景培育被列为重点研发方向，从顶层设计上鼓励数据要素归集与垂类模型攻关，夯实产业发展底层基础设施。海外FDA、EMA落地风险导向的分级审评框架，围绕模型使用场景区分风险等级，对AI预测数据可靠性、可解释性与全生命周期验证提出明确监管要求。叠加跨国药企加大平台级采购投入，AlphaFold3、ESM3等生物大模型能力持续跃迁，产业加速从单点工具采购转向干湿闭环全栈平台合作，行业内企业逐步向平台型、工具供应链、项目委托研发等不同路径分化
　　投资建议：我们在2026年1月22日发布的报告《AI重构医疗，从场景落地到变现讨论——AI医疗行业专题报告》中将AI制药行业变现路径分为三类，AI+SaaS/软件授权模式（卖铲子）、AI+CRO（卖服务）、AI+Biotech（卖金铲），我们认为向药企提供计算软件平台或API服务的模式，现金流稳定但客单价天花板较低；管线共同开发与BD授权模式利用AI平台筛选并验证早期管线，在临床前或临床I/II期阶段通过授权给跨国药企是目前商业性价比最高的模式；自研Biotech模式完全由AI平台孵化自研管线并推向临床后期，潜在收益大风险相对也较高。
　　整体来看，我们建议从成药验证、产业链“卖水人”效应与商业化授权（BD）三大主线进行布局：
　　全栈干湿闭环平台型龙头：建议关注英矽智能（H）、晶泰控股（H）、剂泰科技-P（H）等。
　　受益于湿实验需求的CXO及上游产业链：
　　o AI+CRO研发平台：建议关注成都先导、泓博医药。
　　o综合型CXO/CDMO龙头：药明康德、康龙化成、凯莱英、药明生物（H）、博腾股份、泰格医药。
　　o上游试剂、耗材与模式动物：建议关注金斯瑞生物科技（H）、诺唯赞、百普赛斯、百奥赛图、南模生物等。
　　差异化技术赛道领跑者：如自建AI平台的传统Pharma龙头恒瑞医药、中国生物制药（H）、复星医药、石药集团（H）等，上述公司通过AI赋能内部创新药管线，加速项目落地。
　　风险提示：政策风险、技术迭代风险、临床研发失败风险、监管政策风险、硬件算力风险等。