前言：很多人幻想的AI是，点击一下之后实现自动工作，然后自己躺赢。但事实是，现在的Agent 自动化，绝大多数都是只能活在特定温室沙盒里的“半成品”，大模型底层的核心哲学是“基于概率的下一个Token预测”。只要是概率，就必然存在不可控的幻觉(Hallucination)。假设一个AIAgent在处理单个任务时的准确率是95%。当你要实现全自动长链路，把任务拆解成10个步骤时，整个系统的整体成功率就会滑落到:59.87%
在资本吹嘘的“明年AI就能实现全人类躺平、大模型无所不能、公司不需要员工”的科幻叙事里，它确实被严重夸大了。但是把AI嵌入到新药研发中，却能完美解决医药研发中“耗时、耗力、高风险”的困难，而数据也表明，AI在分子的生成、优化与筛选，大幅减少实体实验试错次数，有效压缩研发周期、降低研发成本等方面具备无与伦比的优势，“AI+医药”是当前人工智能和行业合作百利而无一弊的最佳搭档，相关龙头公司值得密切关注。
一、AI重塑创新药：AI改写创新药高通量筛选的低效模式
传统药物研发面临“双十困境”——平均耗时10年、耗资10亿美元，而成功率不足10%。AI的介入正系统性地破解这一困局：通过深度学习分析海量生物数据，AI能精准预测药物-靶点相互作用，设计新型分子结构，并优化临床试验方案。这一技术革命不仅降低了研发成本，更开辟了针对罕见病和复杂疾病的新治疗路径。
而如今，人工智能（AI）技术的深度渗透，正从靶点探索、分子设计、临床试验到成果转化的全链条改写传统研发逻辑，推动药企研发从“经验试错”向“智能精准”转型，构建起以技术为核心、以效率为导向的全新研发范式，为解决行业痛点、突破研发瓶颈提供了新的解决方案。
那么，生成式AI在医药研究中主要有哪些作用呢？体现在四个环节上
AI突破药物发现与设计中的壁垒：在药物分子设计环节，生成式 AI与大模型技术推动研发从“大海捞针”向“精准构建”转变，彻底改变了传统高通量筛选的低效模式。
借助AI，攻克“不可成药”靶点：传统药物研发中，超80%的疾病相关靶点因结构复杂、结合难度大被归为“不可成药”范畴，成为药企研发的核心壁垒。在AI技术发展下，基于几何等变网络、深度学习的AI系统，能够精准解析蛋白质结构与靶点作用机制，大幅提升靶点开发成功率
AI赋能药物临床试验：临床试验是新药研发的核心环节，也是传统研发模式中耗时最长、成本最高的阶段，患者入组难、试验设计不合理、数据解读低效等问题制约研发进度；AI赋能临床试验环节，有助于缩短研发周期，早一些上市，就能造福更多患者。
AI驱动研发范式升级：凭借AI技术更为“精准”的特性，未来有望为个性化医疗、精准医疗与罕见病研发提供核心技术支撑，推动药企研发向“精细化、差异化”转型。
美国FDA数据显示，自2016年以来，已收到超过500份包含人工智能组件的药物申请，特别是在肿瘤学、神经学和胃肠病学领域。
中美科研机构仍是AI医药技术创新主要动力，目前中美在AI医药上占比均在30%左右，处于双龙头并进，遥遥领先的局面。
AI医药有望进入加速成长期。AI制药赛道在技术层面实现不断突破之后，正经历爆发式增长。从需求端看，全球创新药研发面临着“双十定律”困境（十年周期、超十亿美元成本）。AI技术通过靶点筛选、分子生成、临床试验优化等环节可缩短40%研发时间，显著降低药企试错成本。从政策端看，美国食品药品监督管理局积极更新将AI用于药物开发的指导意见，中国《“十四五”医药工业发展规划》亦明确支持AI在新药研发中的应用，监管破冰为技术商业化铺平道路。根据Research and Markets（一家市场研究公司）数据，全球AI制药市场规模从2021年的7.92亿美元跃升至2024年的17.58亿美元，年复合增长率达30.45%，预计2026年将接近30亿美元。
中国市场总体规模仍较小。中国AI制药市场在过去几年中经历了显著的增长，从2019年的0.67亿元增长至2024年的5.62亿元，年复合增长率达到53.01%。这一快速增长不仅反映了AI技术在药物研发领域的应用日益广泛，也体现了中国医药行业对创新技术的高度接纳和投资热情。随着国内加大政策支持以及资本市场积极参与，越来越多的初创企业和传统药企开始探索利用AI优化药物发现与开发流程，努力缩短研发周期、降低成本并提高成功率。
二、A股市场三大AI医药公司梳理
AI可以提升研发效率，却无法绕过药物开发的基本规律。临床试验、监管审批和市场销售，任何一个环节的不确定性都会影响平台故事的成色。此外，具体产品还要面对同类药物和在研管线的竞争，上市并不等于商业成功。
过去市场看技术平台和想象空间，接下来市场会更关注临床进展和交易兑现。只有把AI能力持续转化为可推进的管线和可验证的商业结果，AI制药才算真正进入产业兑现阶段。因此，不是所有懂AI的公司都可以参与到AI制药，AI制药领域普遍存在“从数据到原子”的断层，即模型开发与实验验证之间缺乏闭环机制。尽管AI模型在计算机模拟层面可以实现高通量预测，但在缺乏高效合成与验证平台支撑的背景下，绝大多数生成分子难以被快速推进至体外实验、动物模型甚至临床验证阶段。这种“虚拟管线堆积”现象不仅降低了研发效率，也削弱了AI对药企研发流程的真实赋能能力。因此，人工智能驱动的药物设计与“湿实验”能力的结合是如今企业发展的重要方向。
目前A股在“AI+医药”方面布局的企业较多，但是我们需要剔除掉行业巨头（如：恒瑞医药）和业务占比较少的公司（如睿智医药），“AI+医药”真正的行业分水岭在于商业模式的进化，从"纯AI工具/SaaS"向"主导药物发现+AI+CRO+自研管线"的混合模式转型。目前业务纯正，技术领先，契合这一要求的公司主要有三家：分别是泓博医药、博济医药和成都先导。
（一）泓博医药：AI新药发现龙头
泓博医药是国内唯一“自研大模型+小分子湿实验闭环+临床项目落地”的纯AI制药CXO。
1.自研DiOrion-GPT大模型：基于Llama微调，垂直优化化学分子生成、活性预测、专利规避，成药性评估准确率91%、专利冲突规避率87%。
AI+实验双引擎：构建“虚拟筛选（AI算力）→实体合成（湿实验）→数据反馈（模型迭代）”闭环，缩短研发周期30%、降低临床前成本30%，成药周期缩至3-6个月。
落地成果领先：AI相关收入占比33%（2025Q1），高于药明康德（约10%）；7个AI项目进入临床，为国内最多。放弃大分子、基因治疗等巨头扎堆领域，深耕小分子创新药（占全球药物市场80%以上），尤其擅长高难度、复杂结构化合物的设计与合成，形成“小而美”的专精优势。
2.AI+湿实验闭环：国内小分子AIDD第一梯队，纯度最高、落地最强
区别于药明康德（AI为辅助业务）、康龙化成（无独立大模型），泓博是国内唯一“自研大模型+小分子湿实验闭环+临床项目落地”的纯AI制药CXO。CADD/AIDD技术平台已累计为95个新药项目提供技术支持，其中7个项目已进入临床试验阶段，采购公司CADD/AIDD平台的客户达45家。全球首款AI设计肺癌新药INS018055进入II期。
3.公司2023年建立多肽药物技术平台，目前已具备多样性多肽化合物的平行合成和快速纯化能力，包括长链线性多肽、大环肽、多肽偶联物（PDC、RDC）等。该平台已服务十余家客户，完成数十个项目，帮助客户完成1个临床候选药物。
（二）博济医药：AI制药全链赋能的CRO龙头，重构创新药研发范式
1.全链条AI技术集成
博济医药自2023年起加速布局AI技术，通过战略合作与自主研发，构建了覆盖药物研发全周期的智能平台：靶点发现：整合基因组、蛋白质组等多维数据，利用图神经网络（GNN）构建疾病关联网络，靶点筛选效率提升300%。化合物设计：基于AlphaFold3.0与分子动力学模拟，实现从万级化合物库到个位数优选结构的精准筛选，研发周期缩短至2-3年（传统需4-6年）。临床试验优化：AI驱动的适应性设计方案使III期临床试验样本量减少20%，患者招募效率从72小时压缩至4小时。
2.独家技术合作生态
公司深度绑定全球顶尖AI技术资源：2025年2月全面接入深度求索（DeepSeek），构建多模态AI应用集成体，覆盖晶型预测、动物实验、智能办公等场景；与程京院士团队合作开发“分子本草大模型”，实现中药组方AI化，推动通证药效预测准确率达85%以上；联合埃格林医药的“妙悟”AI平台，优化临床试验方案设计，失败率降低40%。
3.领先的算法和数据资产
数据资产：积累超1000万组实验数据，构建国内最大的药物研发多模态数据库；算法优势：自主开发的“智药”系列算法在分子生成、靶点预测等任务中准确率领先国际同行15个百分点。
（三）成都先导：全球领先的DNA编码化合物库（DEL）技术
1.全球领先的DEL技术护城河
这是公司最深的“护城河”，也是其区别于传统CRO（研发外包）的核心优势。
万亿级分子库：公司拥有全球已知公开最大的DNA编码化合物库之一，分子数量已突破1.2万亿种。这个“宝藏库”是快速发现新药苗头化合物的基础，具有极高的稀缺性和复用价值。
2.技术平台化
不仅限于DEL，公司已构建了FBDD/SBDD（片段/结构药物设计）、OBT（核酸药物）、TPD（靶向蛋白降解）四大核心技术平台，覆盖了小分子、核酸等前沿领域。公司正在建设“DEL+AI+自动化”的DMTA循环平台，利用人工智能加速分子设计与优化，提升研发效率，这正是其与成都超算中心合作的核心目的——利用算力优势构建竞争壁垒
3.前沿管线与战略卡位
公司自研管线布局精准卡位了当前新药研发的热门赛道:靶向蛋白降解（TPD/PROTAC）：这是继小分子后的下一代技术，公司已有项目进入合作开发阶段，技术壁垒高。核酸药物（OBT）：布局寡核苷酸药物，切入基因治疗蓝海。环肽库：建成超500亿环肽DEL库，在难成药靶点（如PPI）上具备独特优势
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。