AI 药物研发是把 AI 嵌进药企「靶点—分子—临床前—临床—申报」全流程的赛道，FDA 在 2016-2023 已收到 500+ 含 AI 组件的申报。评级跟踪，核心判断是短期利润池在卖铲人、中长期弹性才轮到 AI-native biotech。
利润分布跟表层叙事差很多。最先兑现收入的不是「AI 自己发明新药」，而是给药企卖软件、数据、仿真、临床和合规平台这五类「卖铲人」——Veeva FY2026 收入近 32 亿美元、IQVIA 2025 年收入 163 亿美元并握有 12 亿+ 患者记录、Schrödinger 软件毛利率 74%、Tempus 同比增长 83%。真正的弹性留给平台 + 管线 + 闭环实验三位一体的 AI-native biotech，Insilico 把靶点到候选物压到约 18 个月就是样本，但这层目前还没有任何被批上市的 AI 发现药物。单纯做结构预测的护城河正在被 AlphaFold/RoseTTAFold 开源稀释。
风险点上，几十亿合作 headline 不等于落袋收入——Recursion 和 Sanofi 总潜在里程碑 52 亿美元，真正进账的主要是预付款。最易泡沫的是无湿实验闭环的纯生成公司和单点蛋白/分子设计工具。买入锚点是工作流嵌得最深的那批平台股：Veeva、IQVIA、Certara、Schrödinger、Tempus；Siemens 用 51 亿美元 EV 买 Dotmatics 已经在给软件层背书。
核心结论
AI药物研发已经从“科研展示”进入“分层商业化”阶段。最先兑现收入的，并不是“AI自己发明了多少新药”，而是围绕药企研发流程的软件、数据、仿真、临床与合规平台：如 Schrödinger 的计算化学软件、Certara 的 biosimulation、Veeva 的生命科学云、IQVIA 的临床与数据网络、Tempus 的临床-分子数据平台，都已经形成可验证收入。FDA 也明确披露，2016—2023 年间已收到500+含 AI 组成部分的药品监管提交，覆盖非临床、临床、上市后与制造环节。
真实商业价值最清晰的环节有五类： 一是计算化学/结构与分子设计软件；二是biosimulation 与 PK/PD 建模；三是临床试验设计、患者招募、RWD/RWE 分析；四是生命科学研发数据平台、ELN/LIMS、知识图谱与文档合规自动化；五是自动化实验与闭环优化。相较之下，“仅有基础模型、没有自有数据和湿实验闭环”的资产更容易被商品化。
AI确实能缩短早期研发周期并减少无效实验，但对整体临床成功率的提升还没有被大样本行业数据完全证明。以 Insilico 为代表的公开案例显示，从靶点识别到临床前候选物提名可压缩到约 18 个月，并通过约 80 个分子完成筛选；Iambic 公开的早期模型结果则声称可显著提高早期可开发性预测精度。真正还缺的是：这些早期效率红利能否稳定传导到 Phase II/III 与上市成功率。
利润池短期主要落在“卖铲人”和“流程平台”，包括软件、数据、仿真、临床与研发 IT 基础设施；中长期弹性最大的利润池，才可能留给拥有平台+管线+闭环实验能力的 AI-native biotech。换句话说，当前最可见的是 ARR、订阅费、服务费和合作预付款；未来最非线性的是里程碑、版税与自研管线 NPV。
“合作总金额很大”不等于“收入质量高”。例如 Recursion 与 Sanofi 的总潜在里程碑可达约 52 亿美元，与 Roche/Genentech 的合作也包含巨额里程碑与权利金条款；但真正已经落袋的，是前期预付款与已触发里程碑，而不是 headline deal value。判断合作质量，要看：预付款比例、阶段里程碑密度、由谁承担临床成本、保留权利金水平、是否允许保留自研权益。
真正处在平台核心位置的公司，不是“最准的模型公司”，而是同时掌握专有数据、实验回路、药企工作流接口、客户关系、监管语境的公司。代表性样本包括：Recursion（高维表型+CRISPR phenomap）、Tempus（临床-分子数据网络）、IQVIA（全球 RWD 与 CRO 网络）、Veeva（生命科学行业云）、Certara（监管接受度极高的 biosimulation）、Benchling/Dotmatics（研发数据/实验记录基础设施）。
AI-native biotech 中，最值得研究的不是“最会讲模型故事”的公司，而是同时满足四个条件的公司： 有药企重复合作；有自研或合作项目进入临床；有能够持续复用的数据资产；有能把模型输出转成实验/临床决策的组织能力。现阶段较符合这一筛选框架的包括 Isomorphic Labs、Insilico Medicine、Iambic、Generate:Biomedicines、Recursion。
“蛋白结构预测”本身的超额利润池并不大，真正的利润池在下游。AlphaFold 及其生态极大降低了结构信息的稀缺性；RoseTTAFold All-Atom 亦推进了复合物建模与设计。因而，单纯做“结构预测”的公司护城河趋弱；更有价值的是将结构、序列、功能、可制造性与湿实验反馈整合进生产系统的公司。
AI蛋白设计、抗体设计和分子生成是最容易“泡沫化”的赛道之一，因为 demo 很容易，真正的药学可开发性、CMC、毒理和临床转化很难；与之相对，研发数据平台、biosimulation、临床试验 AI、合规文档自动化、研发操作系统更可能形成长期复利。
上市公司里，收入验证最强的 AI 受益者大多不是纯 AI 药物研发公司。从“收入已落地、客户已验证、毛利率可见”的角度，Veeva、IQVIA、Certara、Schrödinger、Tempus、Thermo Fisher、Danaher、10x Genomics、Illumina 的可跟踪性强于多数临床前 AI-native biotech。
AI叙事强、商业化弱的典型风险画像包括：收入极度依赖一次性合作确认；平台使用频率和复购率未披露；没有重复大药企客户；没有进入临床的自研/合作项目；现金消耗快于合作兑现；估值提前透支临床成功率。用户对这类公司最需要警惕“里程碑错觉”和“模型能力错觉”。这一风险在部分早期 AI-native biotech、自动化实验室以及“泛生物基础模型”公司身上尤其明显。
并购已经在验证“生命科学研发软件层”的价值，而不是仅验证“模型层”。Siemens 以 51 亿美元企业价值收购 Dotmatics，明确是为扩展其 AI 驱动的生命科学研发软件版图；公开报道还显示，Roche 拟以最高 10.5 亿美元收购 PathAI，如若完成，将进一步验证 AI 病理/临床研发软件资产的战略价值。
未来 12—24 个月的最大催化剂不是论文，而是三类事件： AI 发现分子在 II 期读数上的连续性；大药企合作从“探索性合作”升级至“开发与商业化权利转让”；生命科学研发 IT 与自动化平台出现更大额并购。当前已可跟踪的代表事件包括：Insilico 临床进展、AbCellera 的 ABCL635/575 读数、Generate 的 GB-0895 III 期推进、Isomorphic 首批进入人体研究、以及更多类似 Dotmatics/PathAI 的并购。
最大的长期风险不是模型不够大，而是生物学过于复杂、转化环节噪声太大，以及基础模型快速开源后技术壁垒外溢。FDA/EMA 当前都在强调风险导向、可解释性、数据治理与适用边界，这本质上说明：监管机构接受 AI，但不接受“黑箱替代验证”。
最容易被市场误解的点是： “AI药物研发”不是单一赛道，而是由软件平台价值、数据资产价值、实验闭环价值、临床验证价值、药物管线价值共同组成；同一种公司名义上都叫“AI biotech”，经济学却完全不同。
产业链全景与利润池判断
验证梯度先于估值。 在本主题中，最重要的不是“AI 很强”，而是公司处在哪一个验证层级： 科研突破（如 AlphaFold 3、RoseTTAFold All-Atom）→ 平台合作（如 Isomorphic、Recursion、Generate、Insilico 与大药企签约）→ 收入落地（如 Schrödinger、Certara、Veeva、IQVIA、Tempus、BenchSci）→ 临床验证（如 Insilico、AbCellera、Generate、Relay）→ 药物上市（本文覆盖样本中，尚未看到由纯 AI-native biotech 以“AI发现”作为核心叙事并被主流监管机构正式批准上市的明确样本；该点仍需持续验证）。
利润池分布的核心判断是： 短期最赚钱的层在“研发流程数字化与仿真化”，中期看“平台+服务+合作”，长期看“平台+管线+权益”。单纯模型层最容易被开源和云厂商稀释；单纯 CRO 劳务层最容易被效率提升压价；真正的长期高壁垒在专有数据 × 自动化实验 × 药企工作流嵌入 × 临床/监管可用性。这也是为什么 Siemens 收购 Dotmatics、药企采购 Veeva/Benchling/Certara/IQVIA，而不是只采购一个通用大模型。
| 产业链位置 | 细分环节 | 核心产品/能力 | AI需求驱动 | 收入模式 | 主要客户 | 数据壁垒 | 实验壁垒 | 监管壁垒 | 利润率特征 | 代表公司 | 上市/未上市 | 受益强度 | 投资弹性 | 关键来源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 数据层 | 基因组数据 | 测序、变异检测、样本数据库 | 靶点发现、患者分层、伴随诊断 | 仪器+耗材+服务 | 药企、医院、科研 | 高 | 低-中 | 中 | 耗材型较稳 | Illumina、PacBio、Oxford Nanopore、华大基因 | 上市/未上市混合 | 高 | 中 | |
| 数据层 | 蛋白组/质谱数据 | 蛋白组学、质谱 | 机制与生物标志物识别 | 仪器+耗材+软件 | 药企、CRO、科研 | 中 | 中 | 低-中 | 工具公司中高毛利 | Thermo Fisher、Bruker、Waters | 上市 | 中 | 中 | |
| 数据层 | 单细胞/空间组学 | 单细胞、空间转录组 | 细胞状态建模、靶点验证 | 仪器+试剂+分析软件 | 药企、学术、biotech | 高 | 中 | 低 | 初期波动、长期高价值 | 10x Genomics、Bruker Spatial | 上市 | 高 | 高 | |
| 数据层 | 临床数据 | EHR、分子-临床纵向数据 | 入组、分层、RWE、终点优化 | 检测+数据订阅+pharma服务 | 药企、医院 | 很高 | 低 | 高 | 平台化后毛利提升 | Tempus、IQVIA | 上市 | 很高 | 高 | |
| 数据层 | 真实世界数据 | 患者记录、claims、registry | 外部对照、药物安全、上市后研究 | 数据许可+分析服务 | 药企、监管支持 | 很高 | 低 | 很高 | 高粘性 | IQVIA、Owkin | 上市/未上市 | 很高 | 中高 | |
| 数据层 | 科研数据平台 | ELN/LIMS/知识图谱/数据湖 | 把分散实验数据转为可训练资产 | SaaS 订阅 | 药企、biotech、CRO | 高 | 中 | 中 | SaaS 高毛利 | Benchling、Dotmatics、Veeva | 未上市/被收购/上市 | 很高 | 高 | |
| 模型层 | 生物基础模型 | 蛋白/细胞/多模态 foundation model | 设计、预测、问答、co-pilot | API/平台/合作 | 药企、AI-biotech | 若开源则有限 | 低 | 低 | 纯模型利润率不稳 | Isomorphic、EvolutionaryScale、Profluent | 未上市 | 中 | 高 | |
| 模型层 | 蛋白结构模型 | 结构与复合物预测 | 更快定位结合位点和设计空间 | 研究合作/平台化 | 药企、科研 | 中 | 低 | 低 | 易商品化 | AlphaFold 生态、RosettaFold 生态 | 平台/开源 | 中 | 低-中 | |
| 模型层 | 分子生成模型 | 生成、优化、可开发性预测 | 提高 hit-to-lead、lead optimization 效率 | 软件+合作+管线 | 药企、AI-biotech | 中 | 低 | 低 | 若无闭环则弱 | Insilico、Iambic、Recursion | 上市/未上市 | 高 | 很高 | |
| 发现层 | AI靶点发现 | 多组学、疾病网络、因果建模 | 提高靶点命中率、缩短验证时间 | 合作研发+里程碑 | 大药企 | 高 | 中高 | 中 | 早期收入波动 | Recursion、BenchSci、Xaira | 上市/未上市 | 高 | 高 | |
| 发现层 | 小分子设计平台 | 物理模拟+生成设计 | 提升化学效率与候选质量 | 软件许可+合作+自研 | 药企、biotech | 中 | 中 | 中 | 软件毛利高；管线亏损高 | Schrödinger、Iambic、Insilico | 上市/未上市 | 很高 | 很高 | |
| 发现层 | 抗体/蛋白设计平台 | 抗体发现、序列设计、可制造性优化 | 生物药优化、双抗/ADC/TCE | 合作研发+里程碑+版税 | 大药企 | 高 | 很高 | 中 | 若成功，权益价值大 | AbCellera、Generate、BigHat、Cradle | 上市/未上市 | 很高 | 很高 | |
| 实验层 | 自动化实验室 | 机器人、工作站、工作流编排 | 降低人工、支持主动学习闭环 | 设备+软件+服务 | 药企、CRO、研究机构 | 中 | 很高 | 中 | 初期重资产，后期改善 | Opentrons、Strateos、ECL、Thermo Fisher | 未上市/上市 | 高 | 中高 | |
| 实验层 | 高通量筛选 | HTS、表型筛选 | 构建训练数据与 hit 发现 | 服务费+平台合作 | 药企、biotech | 中 | 很高 | 低 | 服务毛利一般 | Charles River、WuXi、Recursion | 上市 | 中高 | 中 | |
| 实验层 | 临床前验证 | ADMET、毒理、体外模型 | 减少早期淘汰错误 | 软件+服务 | 药企、biotech | 中 | 中高 | 中 | Certara 类毛利好；传统外包中等 | Certara、Charles River | 上市 | 高 | 中 | |
| 临床层 | 临床试验设计 | 方案设计、站点选择、风险监控 | 降低入组失败与执行延误 | SaaS+服务费 | 大药企、CRO | 高 | 低 | 很高 | 高粘性 | IQVIA、Veeva、Tempus、泰格医药 | 上市 | 很高 | 中高 | |
| 临床层 | AI患者招募 | EHR 筛选、试验匹配 | 缩短 enrollment | 服务费/平台费 | 药企、CRO、医院 | 很高 | 低 | 很高 | 高价值但需网络效应 | Tempus、IQVIA | 上市 | 很高 | 中高 | |
| 临床层 | 药物安全与医学写作 | PV、监管写作、提交自动化 | 降低合规和人力成本 | SaaS+服务 | 药企、CRO | 中 | 低 | 很高 | 高粘性 | Veeva、Certara、泰格医药 | 上市 | 中高 | 中 | |
| 平台层 | 药企研发平台 | 行业云、研发 Copilot、文献与专利挖掘 | 提升组织级研发效率 | SaaS 订阅 | 大药企 | 高 | 低 | 高 | SaaS 复利强 | Veeva、Benchling、Dotmatics | 上市/未上市/被收购 | 很高 | 高 | |
| 平台层 | CRO/研发外包 | AI辅助项目交付 | 提高产能与毛利 | FTE/项目制 | 药企、biotech | 中 | 中 | 中高 | 容易被压价 | IQVIA、WuXi、Tigermed、Charles River | 上市 | 中 | 中 | |
| 平台层 | AI-native biotech | 端到端平台+自研管线 | 捕获平台与药物权益双重价值 | 合作+里程碑+版税+管线 | 药企/最终患者 | 高 | 很高 | 很高 | 波动最大 | Isomorphic、Insilico、Recursion、Generate、Xaira | 上市/未上市 | 很高 | 很高 | |
| 基础设施层 | 云和算力 | 训练/推理/数据管线 | 大模型、生物模拟、自动化控制 | 云服务/API | 药企、AI-biotech | 低 | 低 | 低 | 规模利润 | NVIDIA、Google/DeepMind 生态、云厂商 | 上市 | 中 | 中 | |
| 监管层 | 监管与合规 | GxP、模型治理、审评沟通 | 确保 AI 可接受性 | 咨询/软件/验证服务 | 药企、监管申报团队 | 中 | 低 | 很高 | 高附加值 | FDA/EMA 指南驱动的服务生态 | 机构/软件商 | 很高 | 中 |
简化判断： 短期确定性最高的是 Veeva、IQVIA、Certara、Schrödinger、Tempus、Dotmatics/Benchling 这类“工作流层”公司； 中期可选性最大的是 Isomorphic、Insilico、Generate、Iambic、Recursion、AbCellera； 间接受益但更像卖铲人的是 Thermo Fisher、Danaher、10x Genomics、Illumina、Opentrons； 最容易被冲击的是低技术密度、低数据含量、低自动化渗透的传统发现外包与手工流程。
商业模式、技术路线与估值框架
AI药物研发公司怎么赚钱。 目前行业已经验证的收入模式可以归纳为六类： 软件订阅/SaaS（Schrödinger、Veeva、Benchling、Dotmatics、Certara）； 平台授权与数据访问费（Tempus、IQVIA、部分 BenchSci/Tempus/Recursion 模式）； 合作研发收入（Recursion、Generate、Insilico、AbCellera）； 里程碑与版税（Recursion、AbCellera、Insilico、Generate、Isomorphic）； 自研管线价值（Insilico、Generate、AbCellera、Recursion、Relay）； 并购退出价值（Dotmatics 被 Siemens 收购、PathAI 据报道被 Roche 以最高 10.5 亿美元收购）。
哪种模式更优。 如果只看收入质量，排序通常是： 订阅软件 > 深度嵌入式平台费 > 可重复的分析服务 > 预付款合作 > 里程碑/版税 > 单一自研管线估值。 但如果看上行空间，顺序几乎反过来。最优组合往往不是纯软件，也不是纯管线，而是软件/平台现金流 + 部分高质量管线权益。Schrödinger、Certara、Tempus、Veeva这类公司之所以更容易被二级市场接受，是因为它们至少有一部分收入是可预测的；而纯 AI-native biotech 则必须用更高波动换取更高上行。
平台+管线混合模式的优点在于： 第一，可以让药企为平台买单，缓解现金消耗；第二，可以把平台成果以自研管线形式留在自己账上，获得非线性回报；第三，能更快验证平台是否可重复。 风险则在于：组织复杂度高、资本开支大、收入确认波动、平台公司容易逐步“退化”为普通 biotech。Recursion、AbCellera、Generate、Insilico 都在经历这个张力。
如何判断合作协议质量。 高质量协议通常具备： 较高 upfront、较清晰的近端技术/开发里程碑、保留版税或共开发权益、由大药企承担后续临床与商业化成本、且客户有重复购买/扩展合作行为。 例如 Isomorphic 与 Lilly/Novartis 的合作总潜在价值接近 30 亿美元；Generate 与 Novartis 多靶点合作总潜在价值超 10 亿美元，且 upfront 为 6500 万美元；Insilico 与 Lilly 的新版全球合作包含 1.15 亿美元 upfront 和最高 27.5 亿美元潜在总价值；Recursion 则已从 Sanofi 收到 1.34 亿美元预付款及进度里程碑、从 Roche/Genentech 收到 2.13 亿美元预付款和里程碑。
技术路线的价值分层可以概括如下：
| 技术层 | 更适合谁切入 | 长期护城河 | 付费意愿 | 被开源/云商品化风险 | 并购可能性 | 判断 |
|---|---|---|---|---|---|---|
| 生物数据层 | 数据平台/医院网络/药企 | 极高 | 很高 | 低 | 很高 | 最值钱的是独占数据产权与治理能力。 |
| 化学数据层 | 药企、软件平台 | 高 | 高 | 中 | 中高 | 需要与实验回路联动。 |
| 临床数据层 | IQVIA/Tempus/医院网络 | 极高 | 很高 | 低 | 很高 | 受监管与隐私保护，壁垒高。 |
| 文献/专利层 | 研发软件公司 | 中 | 中 | 高 | 中 | 单靠检索不够，需融入工作流。 |
| 多组学建模层 | AI-native biotech/药企 | 高 | 中高 | 中 | 高 | 需要专有实验数据持续反哺。 |
| 蛋白结构与设计层 | 蛋白设计公司/药企 | 中高 | 中高 | 高 | 高 | 科学价值极大，但纯结构层易开源化。 |
| 分子生成层 | AI-native biotech/软件平台 | 中高 | 高 | 中高 | 高 | 真正护城河在数据和 wet-lab。 |
| 物理模拟层 | 计算化学软件公司 | 高 | 很高 | 中 | 中高 | 付费意愿强，商业化最成熟之一。 |
| ADMET/毒性层 | Certara/AI-biotech/药企 | 高 | 很高 | 中 | 中高 | 紧贴监管与决策。 |
| 实验设计层 | Benchling/自动化平台 | 高 | 高 | 中 | 很高 | 与 ELN/LIMS/机器人绑定后价值大。 |
| 自动化实验层 | 工具公司/云实验室 | 很高 | 高 | 低 | 高 | 重资产，但闭环能力最强。 |
| 反馈学习层 | AI-native biotech | 很高 | 中高 | 低 | 高 | 是平台可复利的核心。 |
| 临床转化层 | Tempus/IQVIA/药企 | 很高 | 很高 | 低 | 很高 | 最接近真实商业结果。 |
| 药企协作层 | Veeva/Benchling/Dotmatics | 很高 | 很高 | 低 | 很高 | 一旦嵌入流程，不易替换。 |
| 监管合规层 | Certara/Veeva/IQVIA | 很高 | 很高 | 低 | 中高 | 合规决定规模化边界。 |
三种情景预测
| 情景 | 假设 | 药企AI采用率 | AI发现药物进入临床数量 | 临床成功率提升 | 平台授权收入 | 里程碑释放 | 自研管线价值 | 最大受益环节 | 相对受益公司 | 可能承压公司 | 主要风险 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 保守 | AI主要提升早研效率，不明显改善临床结局 | 中 | 稳步上升 | 低或不显著 | 高 | 低-中 | 中低 | 软件/临床IT/仿真 | Veeva、IQVIA、Certara、Schrödinger | 纯故事型AI-biotech | 生物学复杂性、合作热度回落。 |
| 基准 | AI改善 hit-to-lead、候选物质量与部分患者分层 | 中高 | 明显提升 | 早期提升、后期待证实 | 高 | 中 | 中高 | 平台+合作+部分管线 | Tempus、Recursion、Insilico、Generate、AbCellera | 低效率 CRO 与手工流程 | 平台证据仍需持续临床验证。 |
| 激进 | AI在翻译生物学与临床分层中得到系统验证 | 高 | 快速上升 | 中高 | 很高 | 高 | 很高 | 平台+管线双轮驱动 | Isomorphic、Insilico、Iambic、Generate、Tempus | 传统发现外包、通用模型卖方 | 估值泡沫与监管节奏不匹配。 |
估值框架的结论：
- 软件平台型：优先看 ARR/订阅收入增长、毛利率、净留存、客户数、行业嵌入深度。
- 平台+合作型：看 upfront 质量、可触发里程碑密度、合作重复率、自研项目推进速度。
- 管线型 AI-biotech：最终仍回到传统 biotech 的 rNPV，只是平台能否提高成功率会影响成功概率假设。
- 数据资产型：要看数据是否独占、是否结构化、是否能直接用于药企决策与监管接受。
- 最不应单独估值的是“基础模型本身”，因为结构预测和通用生成模型正在更快开源和商品化。
细分赛道深度拆解
下表按“赛道逻辑—收入转化—壁垒—风险—投资吸引力”压缩展示。评分为本文研究判断，满分 10 分。
| 赛道 | 商业化现状 | AI需求如何转化为收入 | 核心壁垒 | 主要风险 | 未来催化 | 投资吸引力 |
|---|---|---|---|---|---|---|
| AI靶点发现 | 已有药企合作，收入多为合作款 | 靶点优先级、疾病机制图谱 → 合作研发费/里程碑 | 多组学+表型+因果推断+验证闭环 | 假阳性靶点、转化失败 | 更多可重复 target win | 8 |
| 多组学AI平台 | 成熟度提升中 | 数据订阅、联合研究、分析平台费 | 数据规模与 annotation | 样本标准化困难 | 更大 pharma adoption | 8 |
| 单细胞AI平台 | 偏工具/科研向，但正在商业化 | 仪器+试剂+分析软件+pharma项目 | 数据质量与空间分辨率 | 学术预算波动 | 空间组学渗透 | 7 |
| 蛋白结构预测 | 科研价值巨大，利润池有限 | 主要作为上游能力嵌入下游产品 | 算法能力 | 开源与商品化 | AF3/RoseTTA 生态应用 | 5 |
| 蛋白设计 | 进入合作和临床前 stage | 合作研发、平台许可、自研蛋白管线 | 设计 × 可制造性 × wet lab | 从序列到药物的鸿沟 | 更多大药企里程碑 | 9 |
| 抗体设计 | 商业化最清晰之一 | 合作里程碑、版税、自研抗体 | 湿实验、大规模筛选、CMC | 竞争拥挤 | 更多临床进入 | 9 |
| 小分子生成 | 商业化加速中 | 合作研发、自研管线、部分软件 | 化学数据、闭环实验 | 生成容易、转化难 | 更多 II 期验证 | 8 |
| 虚拟筛选 | 已成熟嵌入工具链 | 软件费、项目制服务 | 与实验验证耦合 | 单点功能被压价 | 更高命中率案例 | 7 |
| 物理模拟/计算化学 | 最成熟赛道之一 | 订阅费、席位费、云费 | 物理模型、客户习惯 | 客户预算收缩 | 云交付扩张 | 9 |
| ADMET预测 | 落地较强 | 软件+服务，影响 go/no-go 决策 | 历史数据、监管可信度 | 数据偏差 | 监管接受度提升 | 8 |
| 毒性预测 | 中早期验证中 | 项目服务+平台插件 | 数据稀缺、负样本难 | 误伤候选物 | 动物替代监管推动 | 7 |
| 合成路线规划 | 已有实用化 | 软件 API、化学工作流 | 反应数据库 | 与真实工艺脱节 | 自动化合成整合 | 6 |
| 自动化实验室 | 已有真实客户 | 设备收入+软件+运维 | 硬件集成与 SOP | 部署周期长、重资产 | 大药企 CAPEX 恢复 | 8 |
| 高通量筛选 | 成熟但易服务化 | 项目费、平台合作费 | 设备和流程 | 劳务化压价 | 与主动学习结合 | 7 |
| Biofoundry | 仍偏高端平台 | 平台接入、联合开发、foundry服务 | 自动化+工程化 | 产能利用率 | 合成生物和蛋白设计扩展 | 7 |
| AI临床前验证 | 快速发展 | 仿真、候选筛选、体外替代模型 | 数据+模型+实验 | 外推到人体仍难 | FDA 减少动物试验推动 | 8 |
| AI临床试验设计 | 已落地 | clinical SaaS+服务 | 历史试验网络与 RWD | 销售周期长 | 更多药企 DCT 预算 | 9 |
| AI患者招募 | 已落地 | 站点筛选和患者匹配服务费 | EHR 网络、医院渠道 | 隐私与接口碎片化 | 招募效率 case study | 8 |
| 真实世界数据 | 高确定性 | 数据许可+咨询+证据生成 | 数据独占与治理 | 合规/主权 | 外部对照扩大 | 9 |
| 合成对照组 | 监管接受仍在扩展 | 研究服务+申报支持 | 长期纵向数据 | 适用边界窄 | 肿瘤/罕病试点 | 6 |
| 药物安全监测 | 商业化成熟 | PV 软件与服务 | 合规与历史库 | 替代难但创新慢 | 生成式写作效率提升 | 7 |
| 医学写作/监管申报 | 已有显著效率收益 | 文档自动化软件+服务 | 合规、审校流程 | 大模型幻觉 | Veeva/合作生态扩张 | 8 |
| AI药企研发平台 | 最能复利 | 行业云/知识平台/agent 订阅 | 工作流嵌入、验证数据 | 大药企自建 | 更大额并购与替换潮 | 10 |
| 研发数据平台 | 高价值 | ELN/LIMS/数据湖/知识图谱 | 数据结构化和迁移成本 | 开源基础组件 | Siemens-Dotmatics 类交易 | 10 |
| ELN/LIMS/科研数据管理 | 已成熟、AI化初期 | 订阅费、扩容费 | 黏性极高 | 创新节奏慢 | AI agent 叠加 | 9 |
| AI制药工艺优化 | 导入加速 | 厂内软件、工艺服务 | GMP 与生产 know-how | 验证周期长 | 先进制造监管推动 | 7 |
| AI-native biotech | 弹性最大 | 合作+里程碑+版税+管线 | 数据+模型+实验+临床 | 现金消耗、临床失败 | II 期/BD/M&A | 9 |
| AI+CRO | 间接受益 | 提效后改善交付和毛利 | 客户与执行网络 | 价格竞争 | DCT/RBQM 普及 | 6 |
| AI+生命科学工具 | 真实受益 | 仪器、耗材、软件升级 | installed base | 科研预算波动 | 多组学/自动化渗透 | 8 |
| AI+云和算力 | 必需但非专属 | 云费、训练推理 | 资本密集 | 生物专有价值弱 | 更大模型/模拟需求 | 6 |
最容易泡沫化的赛道： 泛生物基础模型、无湿实验闭环的“纯生成”公司、单点结构预测、只卖愿景不披露客户复购和临床进展的 AI-native biotech。
最可能产生真正复利的赛道： 生命科学研发软件平台、临床与真实世界数据、biosimulation、工作流级 AI、自动化实验与数据闭环、蛋白/抗体设计中真正进入临床并保留权益的公司。
投资标的总表与公司分层
精选上市与重要未上市标的总表
注：估值指标优先使用截至 2026-05-19 的市值/股价与已披露 2025 全年收入做粗略口径；部分 EV/EBITDA、现金消耗与研发费用若本文未检索到完整当期口径，标注“需进一步验证”。“受益路径”与“冲击路径”为本文研究判断。
| 公司 | 代码/市场 | 上市状态 | 细分环节 | 核心AI平台/产品 | AI受益路径或冲击路径 | 关键验证 | 已披露财务/估值抓手 | 判断 |
|---|---|---|---|---|---|---|---|---|
| Recursion | RXRX / Nasdaq | 上市 | 表型组学+小分子 | Recursion OS、phenomap、Valence/Exscientia整合 | 直接受益：平台合作+管线 | 2025 收入 7468 万美元；Roche/Genentech 累计收款 2.13 亿美元；Sanofi 累计收款 1.34 亿美元；现金约 7.54 亿美元。 | 市值约 15.3 亿美元；P/S 约 20.5x；现金消耗高。 | 高弹性、高风险 |
| Schrödinger | SDGR / Nasdaq | 上市 | 计算化学软件+管线 | Maestro、LiveDesign、physics platform | 直接受益：软件订阅+合作研发+少量管线 | 2025 收入 2.56 亿美元，其中软件收入 1.995 亿美元、软件毛利率 74%；与 Lilly 的 TuneLab 集成说明平台已成行业入口。 | 市值约 8.92 亿美元；P/S 约 3.5x。 | 高确定性平台 |
| Certara | CERT / Nasdaq | 上市 | Biosimulation/PKPD/监管 | Simcyp、Phoenix 等 | 直接受益：软件与服务已深度商用 | 2025 收入 4.188 亿美元，软件收入 1.833 亿美元，Adj. EBITDA 1.345 亿美元，现金 1.894 亿美元，客户 2600+。 | 市值约 7.19 亿美元；P/S 约 1.7x。 | 被低估的高质量平台样本 |
| AbCellera | ABCL / Nasdaq | 上市 | 抗体发现/蛋白工程 | 抗体发现平台+自研管线 | 直接受益但已更像平台+管线 biotech | 2025 收入 7513 万美元；已有 104 个 partner-initiated programs、两项自研进入临床；现金及等价物+有价证券约 5.34 亿美元。 | 市值约 12.6 亿美元；P/S 约 16.8x。 | 平台强，临床与商业化仍待证实 |
| Tempus AI | TEM / Nasdaq | 上市 | 临床/分子数据平台 | AI 诊断+数据与应用 | 直接受益：诊断、数据服务、试验匹配 | 2025 收入 12.72 亿美元，同比 83.4%；Q4 收入 3.67 亿美元；扩展到日本 JV。 | 市值约 78.1 亿美元；P/S 约 6.1x。 | 商业兑现最强的“AI医疗/研发数据”样本之一 |
| Veeva | VEEV / NYSE | 上市 | 生命科学行业云 | Vault、Veeva AI Agents | 平台型直接受益 | FY2026 收入 31.95 亿美元，订阅收入 26.84 亿美元；AI Agents 已明确分阶段推出至 Clinical/Regulatory/Medical。 | 市值约 276.8 亿美元；P/S 约 8.7x。 | 高确定性、估值不便宜 |
| IQVIA | IQV / NYSE | 上市 | RWD+临床试验+CRO | IQVIA AI、预测建模、站点选择 | 平台型直接受益 | 2025 收入 163.1 亿美元；拥有 12 亿+ 非识别患者记录和 4600+ 数据资产。 | 市值约 293 亿美元；P/S 约 1.8x。 | 低估值高确定性的临床/RWD平台 |
| Thermo Fisher | TMO / NYSE | 上市 | 生命科学工具+临床基础设施 | 仪器、软件、自动化、Clario/PPD | 工具型受益 | 2025 收入 445.6 亿美元；继续并购 Clario 扩展临床试验数字化。 | 市值约 1649 亿美元；P/S 约 3.7x。 | 卖铲人龙头 |
| Danaher | DHR / NYSE | 上市 | 生物工艺/生命科学工具 | Cytiva、Beckman、IDBS 生态 | 工具型受益 | 2025 全年表现稳健，Q4 收入 68 亿美元。 | 市值约 1165 亿美元；全年 EV/S 需进一步验证。 | 卖铲人，AI财务弹性间接 |
| Illumina | ILMN / Nasdaq | 上市 | 测序基础设施 | NGS 平台 | 工具型间接受益 | 2025 Q4 收入 11.6 亿美元；多组学与精准医学基础层。 | 市值约 217.9 亿美元。 | 数据层重要，但 AI 直接变现弱于软件平台 |
| 10x Genomics | TXG / Nasdaq | 上市 | 单细胞/空间组学 | Chromium、Visium、Xenium 生态 | 工具型间接受益 | 2025 收入 6.428 亿美元；空间组学是靶点和机制建模的重要数据基础。 | 市值约 27.5 亿美元；P/S 约 4.3x。 | 中长期数据卖铲人 |
| Siemens + Dotmatics | SIE / 德国 | 上市+并购资产 | 研发软件平台 | Dotmatics/Luma | 平台型受益 | Siemens 以 51 亿美元 EV 收购 Dotmatics；Dotmatics 2025 收入预计 3 亿+美元，Adj. EBITDA margin 40%+。 | 交易本身就是估值锚 | 研发软件层并购验证 |
| Generate:Biomedicines | GENB / Nasdaq | 上市 | AI蛋白设计+管线 | Generate Platform | AI-native biotech | 与 Novartis 合作总潜在价值 10 亿+美元，upfront 6500 万美元；IPO 融资 4 亿美元。 | 市值约 8.44 亿美元。 | 值得跟踪，但临床验证仍早 |
| Isomorphic Labs | 未披露 / 英国 | 未上市 | 蛋白结构+小分子设计 | IsoDDE/AlphaFold衍生能力 | AI-native biotech | Lilly/Novartis 合作总潜在价值接近 30 亿美元；2026 年融资 21 亿美元。 | 估值未披露 | 私募龙头，临床前到临床过渡期 |
| Insilico Medicine | 3696.HK / 港股 | 上市 | 小分子AI+管线 | Pharma.AI | AI-native biotech | 2025 软件合作进入全球前 20 大药企中的 13 家；与 Lilly 新合作 upfront 1.15 亿美元、总价值最高 27.5 亿美元；2025 完成港股 IPO。 | 估值需进一步验证 | 中国/全球 AI-biotech 核心样本 |
| Iambic Therapeutics | 未披露 / 美国 | 未上市 | 小分子AI | AI平台+候选药物 | AI-native biotech | 2025 新融资 1 亿+美元，并与 Takeda 合作。 | 未披露 | 值得重点跟踪 |
| Xaira Therapeutics | 未披露 / 美国 | 未上市 | 端到端AI-biotech | Virtual cell + therapeutics | AI-native biotech | 2024 启动资金 10 亿+美元。 | 未披露 | 一级市场顶级阵容，但收入与临床远期 |
| Cradle | 未披露 / 荷兰/瑞士 | 未上市 | AI蛋白工程软件 | Protein engineering copilot | 平台型受益 | 2024/2025 Series B 7300 万美元，总融资 1 亿+美元，已有 top pharma 使用。 | 未披露 | 蛋白设计软件化样本 |
| Benchling | 未披露 / 美国 | 未上市 | 研发操作系统 | ELN/LIMS/R&D Cloud | 平台型受益 | 覆盖 20万+ 科学家、全球前 50 大 biopharma 中超过一半；2021 估值 61 亿美元。 | 估值高，财务未披露 | 长期核心基础设施 |
| BenchSci | 未披露 / 加拿大 | 未上市 | 疾病生物学AI | ASCEND、BEKG | 平台型受益 | 使用于 16/20 顶级药企；2025 与 Sanofi、Thermo、Merck 合作；2023 融资 9500 万美元。 | 未披露 | Preclinical AI 的优质软件标的 |
| Opentrons | 未披露 / 美国 | 未上市 | 自动化实验室 | OT-2/Flex | 工具型受益 | AI-enabled lab automation，面向实验室自动化。 | 未披露 | 自动化普及受益，但需看企业付费能力 |
| WuXi AppTec | 603259.SH / 2359.HK | 上市 | CRO/CDMO | 一体化新药研发与生产平台 | 间接受益：AI 提升发现与新分子服务效率 | 2025 收入 454.6 亿元，在手订单 580 亿元，新分子业务占比超 30%。 | A/H 估值需进一步验证 | 中国链条中最值得跟踪的间接受益者 |
| Tigermed | 300347.SZ / 3347.HK | 上市 | 临床 CRO/DCT/PV | CTRM、DCT、AI 翻译与 PV | 间接受益 | 已上线“医学智问”“医雅智能翻译平台”，并推进 RBQM、DCT。 | 估值需进一步验证 | AI 临床工具受益者 |
| BGI Genomics | 300676.SZ | 上市 | 多组学/检测 | 多组学大数据 | 间接受益 | 2025H1 单细胞相关业务增速显著，多组学大数据覆盖 100+ 国家。 | 估值需进一步验证 | 数据层受益，但AI货币化仍间接 |
公司分层与投资优先级
A类：AI药物研发核心直接受益者 Veeva、IQVIA、Certara、Schrödinger、Tempus、Benchling、Dotmatics/Siemens。 理由：要么已经形成清晰的订阅/平台收入，要么掌握高价值临床/研发数据网络，要么已嵌入药企核心工作流。
B类：明显受益，但存在估值、临床或商业化风险 Recursion、AbCellera、Generate、Insilico、Iambic、10x Genomics、WuXi AppTec。 理由：平台很强，但或因现金消耗高、或因临床验证不足、或因收入仍波动。
C类：AI主要用于提效，短期财务弹性不强 Thermo Fisher、Danaher、Illumina、Tigermed、BGI Genomics。 理由：AI 是增强器而非主要收入来源，收益更偏间接。
D类：叙事强但实际受益证据仍不足 部分泛基础模型公司、纯靶点发现公司、以及尚无重复药企合作/无临床推进/无收入披露的早期 AI-biotech。 理由：模型能力尚未转化为稳定收入或临床价值。
E类：可能被AI与自动化压缩的传统环节 低自动化、低数据沉淀、低技术含量的人工发现外包和文档/翻译/监查流程。 理由：AI 和自动化首先替代的是标准化、重复性、低差异化流程。
评分模型与重点公司排名
正向评分模型
- AI药物研发收入或管线价值直接暴露度：20%
- 数据、模型和实验闭环壁垒：20%
- 药企合作和客户质量：15%
- 管线质量和临床验证：15%
- 财务质量和现金 runway：10%
- 市场空间和成长弹性：10%
- 估值合理性：10%
反向风险模型
- 临床验证不足：25%
- 收入持续性不足：20%
- 现金消耗和融资风险：20%
- 平台有效性尚未证明：15%
- 药企自建或开源替代风险：10%
- 估值过高：10%
| 公司 | 正向总分 | 商业化风险分 | 简评 |
|---|---|---|---|
| Veeva | 84 | 18 | 工作流和合规层最稳的 AI 受益者之一。 |
| IQVIA | 82 | 22 | 临床/RWD 数据网络强，估值反而不极端。 |
| Certara | 81 | 24 | biosimulation 商业模式最清楚，监管友好。 |
| Tempus | 79 | 37 | 数据资产稀缺，增长强，但估值与整合执行需验证。 |
| Schrödinger | 77 | 33 | 软件真实性强，平台价值高于短期管线。 |
| Thermo Fisher | 74 | 20 | 工具卖铲人，AI是加分项而非主故事。 |
| Dotmatics/Siemens | 73 | 21 | 并购已验证研发软件资产价值。 |
| Recursion | 72 | 61 | 平台和合作强，但现金消耗和临床不确定性高。 |
| 10x Genomics | 70 | 35 | 单细胞/空间组学长期价值高，短期财务波动。 |
| WuXi AppTec | 69 | 28 | 中国链条中 AI 间接受益最清晰。 |
| AbCellera | 67 | 58 | 抗体平台优质，但收入与临床验证尚不足。 |
| Generate | 66 | 56 | 蛋白设计赛道龙头之一，仍需临床和收入连续性。 |
| Insilico | 65 | 57 | BD 非常强，但二级市场更需要持续临床与收入兑现。 |
| Illumina | 64 | 32 | 数据基础价值强，但AI直接变现间接受益。 |
| Tigermed | 60 | 34 | DCT/PV/AI翻译带来提效，弹性偏运营改善。 |
重点上市公司深度分析
为控制篇幅，以下按“最值得进一步研究的上市样本”压缩呈现，重点覆盖直接暴露、平台壁垒、收入验证、估值与风险。
| 公司 | 所属赛道 | 核心AI产品/平台/管线 | 商业化阶段 | 药企合作/客户/临床验证 | AI对收入与利润影响 | 数据/模型/实验/客户壁垒 | 估值与财务观察 | 未来催化剂 | 研究结论 |
|---|---|---|---|---|---|---|---|---|---|
| Recursion | 表型+生成+平台+管线 | Recursion OS、phenomap、自研管线 | 平台+管线混合 | Roche/Genentech、Sanofi；合作款已兑现；管线推进中。 | 当前收入仍主要来自合作，不是软件 ARR；亏损大。 | 数据、CRISPR 表型图谱强；实验闭环强；客户壁垒中高。 | 市销率高、现金多但 burn 高。 | 更多里程碑、管线临床更新、Exscientia整合协同。 | 高弹性/高风险/值得继续跟踪 |
| Schrödinger | 计算化学软件 | Maestro、LiveDesign、physics platform | 已成熟软件 + 管线可选 | 软件客户广泛；与 Lilly TuneLab 集成强化平台位势。 | 软件收入接近 2 亿美元且毛利高，利润率受管线投入拖累。 | 算法、工作流与客户习惯强；实验闭环弱于 wet-lab 平台。 | 市值已回落，P/S 低于很多AI-biotech。 | 软件 ACV 恢复、合作收入、管线读数。 | 高确定性平台/值得深入研究 |
| Certara | Biosimulation/监管 | Simcyp、Phoenix 等 | 已完全商用 | 2600+ 客户、监管场景深。 | AI主要增强存量平台，收入稳定性较强。 | 监管接受度、历史数据库、专业服务壁垒高。 | 相对低 P/S、正 EBITDA、现金充足。 | 软件恢复增长、新产品 adoption。 | 高确定性/估值相对合理 |
| AbCellera | 抗体发现+自研 | 抗体平台、自研 ABCL635/575/688/386 | 平台向临床 biotech 过渡 | 104 个 partner programs，两项资产在临床。 | 历史合作收入波动大，自研投入提升亏损。 | 数据+湿实验+制造平台强。 | 现金和证券约 5.34 亿美元，可支持较长 runway。 | ABCL635/575 数据、更多 partner 里程碑。 | 平台强/临床与商业化需持续验证 |
| Tempus AI | 临床数据/精准医学 | 数据与应用平台、AI诊断 | 商业化强 | 诊断、pharma、应用三位一体；医院网络与日本 JV。 | AI 已直接拉动收入规模，但利润仍在改善期。 | 临床-分子数据和工作流壁垒极强。 | 快速增长对应较高估值，但并非极端。 | 数据业务增长质量、盈利转正路径。 | 高成长/估值需消化/值得重点研究 |
| Veeva | 研发与合规行业云 | Veeva AI Agents、Vault | 高成熟度 | 深度嵌入生命科学工作流。 | AI 更可能提升 ARPU 和客户粘性，而非单独新赛道。 | 行业流程与合规壁垒极高。 | 高质量 SaaS，估值不便宜但可理解。 | AI Agents 推广速度，Clinical Data 上线。 | A类平台赢家 |
| IQVIA | 临床/真实世界数据/CRO | IQVIA AI、RWD、站点选择 | 高成熟度 | 数据、CRO 与分析网络全球化。 | AI提升交付效率和客户价值，短期财务弹性稳健。 | 数据与执行网络壁垒极高。 | 估值相对温和。 | 药企 DCT/RWE 预算增加。 | A类、高确定性、被低估的AI受益者 |
| Thermo Fisher | tools + clinical infra | 仪器、自动化、PPD/Clario | 高成熟度 | 通过并购扩展临床与数字化。 | AI是需求增强器，不是主收入来源。 | installed base、耗材和交叉销售强。 | 大型卖铲人，PS 不极端。 | Clario 整合与自动化渗透。 | 工具型受益者 |
| Danaher | tools/生物工艺 | Cytiva/Beckman/软件资产 | 高成熟度 | 生命科学与生物制药基础设施。 | 更多体现为研发与生产提效。 | 工艺与客户锁定强。 | 更偏防御型受益。 | 生物工艺与实验自动化需求恢复。 | 间接受益/长期配置型研究对象 |
| Illumina | NGS 数据基础设施 | Sequencing platforms | 成熟 | 精准医学和多组学底座。 | AI 主要刺激下游应用需求。 | 数据/生态高，但定价和地缘风险存在。 | 更像基础设施，而非AI直接收益。 | 新平台渗透、政策环境。 | C类，值得跟踪但非首选AI纯受益 |
| 10x Genomics | 单细胞/空间组学 | Chromium/Visium/Xenium | 中成熟 | 高价值科研数据源。 | AI 需求传导到高质量组学数据需求。 | 单细胞/空间数据壁垒高。 | 财务弹性受科研预算影响。 | 空间生物学 adoption。 | 卖铲人中的高弹性标的 |
| Siemens | R&D 软件平台 | Dotmatics/Luma | 并购后整合 | 以 51 亿美元验证生命科学软件价值。 | 直接受益于研发软件平台扩张。 | 软件平台+多模态数据壁垒高。 | 收购价格本身是估值坐标。 | 整合与交叉销售。 | 关注软件平台并购逻辑 |
| Generate:Biomedicines | AI蛋白设计 | Generate Platform、GB-0895 等 | 临床化早期 | Novartis、Amgen 合作；已上市。 | 当前合作价值较高，自研临床更决定估值。 | 蛋白生成+湿实验+管线。 | IPO 后波动大，需看临床。 | III 期推进。 | 高弹性/高风险/值得继续跟踪 |
| Insilico Medicine | AI小分子+管线 | Pharma.AI、ISM 系列 | 商业化与临床并进 | Lilly、Sanofi、Exelixis、Menarini 等。 | 软件/合作/管线三重结构，兑现度高于多数 private peers。 | 端到端平台、BD 能力强。 | 作为港股 AI-biotech 样本重要。 | 更多临床数据、合作落地。 | AI-native biotech 核心研究对象 |
| WuXi AppTec | 一体化 CRO/CDMO | 新药发现到生产平台 | 商业化强 | 订单和新分子业务增长。 | AI 反映在提效和客户获取，不是独立收入项。 | 一体化执行能力。 | 中国链条中估值与政策因素并存。 | 国际项目恢复、AI服务升级。 | 中国间接受益核心样本 |
| Tigermed | 临床 CRO/DCT | DCT、CTRM、AI翻译/PV | 商业化 | DCT 和临床技术服务已上线销售。 | AI 提效利于毛利率与交付。 | 医院网络与执行能力。 | 直接AI弹性较弱。 | DCT 项目放量。 | 中国临床AI受益者，但更偏运营改善 |
风险、预期差与最终结论
哪些公司已经充分反映 AI 预期。 从当前市场叙事与估值结构看，Recursion、AbCellera、部分高热度 AI-native biotech、以及仍未形成稳定收入的泛模型公司，更容易出现“平台价值提前资本化”的情况；同时，若未来临床兑现不及预期，估值会更脆弱。相反，Certara、IQVIA、部分生命科学研发软件资产在二级市场上反而没有完全反映 AI 作为提效与扩品类引擎的潜力。
哪些公司仍可能存在预期差。
- Certara：最被低估的原因在于市场仍把它看成“专业软件+服务”，而不是药物研发中 AI+监管接受度最高的决策平台之一。
- IQVIA：其 RWD + CRO + AI 的组合，比多数“单点AI公司”更接近大药企预算中心。
- Schrödinger：市场对其管线波动更敏感，容易低估其软件平台的行业入口属性。
- Veeva：外界容易把它视为传统 SaaS，但生命科学行业专有 AI agent 的嵌入深度可能让它持续拿到增量预算。
- 10x Genomics：如果空间/单细胞数据成为 AI 靶点发现和患者分层的“新底座”，其数据基础设施价值会被重估。
哪些传统公司最可能受益。 Thermo Fisher、Danaher、Illumina、10x、IQVIA、Veeva、WuXi AppTec、Tigermed。这些公司不是因为“自己会做最好的模型”而受益，而是因为 AI 会增加对高质量数据、自动化、合规工作流、临床执行网络、组学基础设施和研发软件的需求。
哪些传统公司可能被冲击。 最可能承压的是： 一、依赖大量人工筛选、人工文档、人工监查的低技术服务； 二、没有自有数据和软件控制权的发现外包； 三、缺乏自动化能力的低端实验流程。 AI 不必取代全部 CRO 才能压缩其利润池；只要提高药企内部与龙头平台的研发效率，就会改变价格权。
系统性风险清单。
- 商业化低于预期：客户把 AI 当试点而非核心采购。
- 临床失败：平台提高早期效率，但并未改善人体转化。
- 平台有效性无法证明：只能讲个案，不能批量复制。
- 收入持续性不足：合作收入高度依赖 milestone。
- 现金消耗和再融资风险：尤其是平台+管线混合模式。
- 大药企自建与开源替代风险：尤其是结构预测和通用模型层。
- 数据偏差与数据主权风险：RWD、EHR、跨境数据使用约束。
- 自动化实验 CAPEX 重、落地慢。
- 监管不确定性：AI 进入组织级 GxP 与申报仍需更多标准化。
最终结论
AI药物研发与生命科学平台在 AI 产业链中的重要性，不在于它会最先诞生多少“明星药”，而在于它是少数能够把 AI 真正嵌入高毛利、强监管、长周期、重决策流程的行业场景之一。它比多数通用 AI 应用更慢，但一旦进入核心工作流，粘性更强、迁移成本更高。
最值得关注的五个细分赛道
- 生命科学研发软件与行业云
- 临床数据/RWD/患者招募平台
- Biosimulation 与计算化学
- 蛋白/抗体设计中带湿实验闭环的平台
- 自动化实验室与研发数据基础设施。
最值得深入研究的十家上市公司 Veeva、IQVIA、Certara、Schrödinger、Tempus、Recursion、Thermo Fisher、Danaher、10x Genomics、WuXi AppTec。
最值得跟踪的十家未上市/一级市场公司 Isomorphic Labs、Iambic、Xaira、Cradle、Benchling、BenchSci、BigHat、PathAI、EvolutionaryScale、Profluent。
最容易被市场误解的五个点
- AlphaFold/基础模型突破，不等于利润池会留在模型层。
- AI 缩短前期 discovery 时间，不等于会同步缩短审批和上市时间。
- 几十亿美元合作 headline 不等于真实收入。
- “平台公司”如果没有经常性收入和客户嵌入，最后可能只是高估值 biotech。
- 数据资产和实验闭环，通常比模型本身更重要。
未来 6—12 个月最该跟踪的指标
- AI-native biotech 的 II 期/关键 PoC 数据
- 大药企合作中新触发的近端里程碑与追加合作
- 软件平台的 ARR、软件收入增速、客户留存和大型客户扩张
- 研发数据平台/自动化平台的大额并购
- 现金余额、净现金消耗、隐含 runway。
平台型赢家 Veeva、IQVIA、Certara、Schrödinger、Benchling、Dotmatics/Siemens、Tempus。 AI-native biotech 挑战者 Isomorphic、Insilico、Recursion、Generate、Iambic、Xaira、AbCellera。 卖铲人 Thermo Fisher、Danaher、10x、Illumina、Opentrons、WuXi AppTec。 伪受益或高风险画像 只会展示模型能力、没有复购客户/没有临床推进/没有数据闭环/没有收入质量披露的公司。
开放问题与局限 本文已尽量优先使用截至 2026-05-19 的公开资料，但仍有若干信息未完全披露或需进一步验证：
- 多数未上市公司缺少可核验 ARR、毛利率与现金消耗；
- 部分欧洲、日本、韩国、印度公司的 AI 药研收入贡献未单独披露；
- 若要做下一步更窄更深的研究，我建议优先收缩到以下任一方向：
AI蛋白设计、AI小分子发现、自动化实验室、AI临床试验、AI+CRO、AI药企研发平台、多组学AI、AI-native biotech 估值。