机构：AI+模型对于湿试验需求的确定性大

10月19日，中邮证券发布了一篇医药生物行业的研究报告，报告指出，再谈AI4S-分子设计并非终点，“靶点-疾病”因果数据仍存在巨大缺口，AI+生物数据基建或许刚刚开始。

报告具体内容如下：

投资要点

本周我们再次讨论关于AI4S的发展趋势与投资展望。

首先，我们认为需要重申的一个大前提：评价药物有效性最终和唯一标准将一直是人体临床实验。对于AI而言，临床前研发是附加价值更高的“快反馈”环节，同时AI亦有望从临床前快反馈的迭代中去提升药物最终研发成功率。其次，AI在分子设计领域（尤其是小分子领域）已取得亮眼表现，而AI4S更长远的发展依赖于理解疾病机制/靶点发现，而后者依旧处于早期，存在庞大的需求与空间。

AI4S为何在分子设计最先取得亮眼成果？核心在于能够实现快速迭代。AI模型的快速迭代，高度依赖快速、准确、低成本、可获得的评价标准。具体来看在分子设计领域，拥有成熟、高通量读取的评价指标：结合亲和力、溶解度、表达量等，同时叠加早研科学服务及相关CRO行业的迅速发展，使得这些数据具备高通量、快交付、低成本等特征。对比传统的单一线性方式，AI工作范式中形成了海量假设并行的高通量的方式。参考美股Iambic（股票代码：IAM，2026年10月上市）路演材料，其AI平台在早研细分环节中的失败率对比传统大大缩减，hit-to-lead阶段由25%的失败率降至7%（参考基数15个项目）preclinical阶段的失败率由40%降至0%（参考基数3个项目）。目前，蛋白药物的分子设计对比小分子领域仍处发展初期，而随着AI+公司在蛋白设计中逐渐取得阶段性成果，我们看好相关产业链公司受益于模型训练迭代所需的分子验证需求的增长。

长远来看，AI制药的发展绕不开的是疾病机制的理解。在药物开发中，评价药物有效性最终和唯一标准将一直是人体临床实验，要形成数据闭环必须要拿到临床数据，临床实验是整个药物开发过程中耗时最长（3-5年），耗资巨大的部分，属于慢反馈闭环，不满足AI模型快速迭代所需要的廉价高通量要求。而行业存量数据大量是观测类数据（单细胞、细胞图谱、蛋白结构），只能得到相关性结论，建立因果关系需要大量干预/扰动实验数据。当前可用高质量带标签扰动数据集，相比理论需要，还差约1000倍（图

4），因此自建实验平台建立干预/扰动实验数据是下一代AI模型竞争中的必要条件。上一代AIDD闭环：大多停留在分子层面闭环（分子生成合成活性测试回流）。下一代面向靶点因果发现的闭环：需要扰动细胞实验+人体临床结果标签对齐。而为了去解决上述的数据缺口问题，我们认为AI+生物数据基建或许刚刚开始。

综上，AI+模型对于湿试验需求的确定性大：其在生物学领域的潜力释放，依赖产出大量全新实验数据，这会为数据瓶颈环节对应的工具栈带来长期利好。建议关注：

1）AIDD平台：英矽智能、晶泰控股、剂泰科技；

2）蛋白合成表达及检测：金斯瑞、Twist、义翘神州、百普赛斯、近岸蛋白、维亚生物；

3）动物模型验证：百奥赛图、药康生物、南模生物。

4）试剂：阿拉丁、皓元医药、毕得医药、诺唯赞；

5）蛋白表达及纯化：奥浦迈、纳微科技、赛分科技、汉邦科技；

6）测序工具和服务：华大智造、华大基因、诺禾致源。

本周行情回顾

本周（2026年10月12日-10月16日），A股申万医药生物下跌5.39%，板块整体跑输沪深300指数1.99pct，跑赢创业板指数3.52pct。在申万31个一级子行业中，医药板块周涨跌幅排名为第21位。

本周申万医药子板块中，线下药店板块涨跌幅排名第一，上涨2.99%；医疗研发外包板块表现相对较差，本周下跌10.39%。

风险提示：

研发进度不及预期风险；市场竞争加剧风险；地缘政治风险；政策降价压力超预期风险等。