InSilico Medicine Hong Kong Ltd.

近日，默沙东与 Moderna 公布，共同开发的在研个体化新抗原疗法 intismeran autogene（V940/mRNA-4157）联合 KEYTRUDA®，在 III 期 INTerpath-001 研究中达到无复发生存期（RFS）主要终点及无远处转移生存期（DMFS）关键次要终点。这一关键性临床信号引发全球医药产业与资本市场关注，表明个体化 mRNA 肿瘤疫苗正从技术可行性迈入关键性临床验证阶段。 在这一行业窗口下，生成式人工智能（AI）驱动的临床阶段药物研发科技公司英矽智能（Insilico Medicine, HKEX: 03696）今日宣布，与专注于下一代RNA创新药研发的元码智药（Byterna Therapeutics）正式达成研发合作。双方将围绕 AI 新抗原预测与序列设计、环状 mRNA、靶向递送、自动化实验及智能制造，共建下一代 mRNA AI 原生研发引擎，探索个体化肿瘤疫苗及相关创新疗法。 英矽智能联合首席执行官兼首席科学官任峰博士表示：“个体化 mRNA 肿瘤疫苗的关键性临床进展，让行业更清晰地看到这一赛道的潜力。未来的核心竞争力在于新抗原预测、序列工程、递送、自动化验证与智能制造形成高质量闭环。我们希望将 Pharma.AI 与元码智药的下一代 RNA 平台结合，推动 AI 药物研发向新模态拓展。” 元码智药联合创始人兼首席执行官曾贤博士表示：“下一代 mRNA 肿瘤疫苗不是对既有技术的简单复制，而是对预测、设计、分子形态、靶向递送和个体化生产流程的系统性重构。我们将与英矽智能共建端到端闭环，在严谨验证基础上探索更稳定、更高效且具有可制造性潜力的方案。” 从行业验证走向下一代技术模态 个体化肿瘤疫苗以患者肿瘤与正常组织的测序数据为起点，识别肿瘤特异性突变及候选新抗原，再将其编码为 mRNA 药物，以期训练免疫系统更精准地识别和攻击肿瘤细胞。Moderna 路径提供了重要的临床验证信号，但该赛道的大规模应用仍有赖于新抗原筛选、序列工程、递送安全性、可制造性和交付周期的系统协同。未来竞争不仅是单一分子的竞争，更是端到端研发与制造体系的竞争。 英矽智能与元码智药将差异化重点放在环状 mRNA。相较传统线性 mRNA，环状 mRNA 因闭环结构在分子稳定性和持续表达方面具有研究潜力。元码智药已围绕环状 mRNA 分子设计、环化工程、化学修饰、tLNP 靶向递送、生产纯化与 CMC 建立技术积累，旨在提升可开发性，并使先天免疫激活风险更加可控。相关技术优势及临床价值仍需通过系统实验和临床研究进一步验证。 AI 设计×环状 mRNA×智能制造 英矽智能将依托 Pharma.AI 的生成式 AI、多模态数据建模和自动化实验设计能力，支持新抗原识别、免疫原性预测、序列设计及多目标优化；元码智药则提供环状 mRNA、化学修饰、靶向递送和 CMC 开发能力。双方拟逐步打通“患者组学数据输入—AI 预测与序列设计—自动化合成—高通量验证—质量属性分析—结果回传—模型迭代”闭环，让 AI 从研发早期计算工具，深入真实实验与制造流程。 元码智药基于环状 mRNA 与 tLNP 靶向递送技术的体内 CAR-T 管线已启动 IIT 临床研究，为 RNA 分子设计、体内递送、表达调控和制造转化积累了实践基础。对英矽智能而言，这也使 Pharma.AI 的跨模态拓展能够进入真实管线和实验场景接受验证。 从战略投资到联合研发 在2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）期间，英矽智能宣布以战略投资人身份参与元码智药数千万元Pre-A轮融资，并与元码智药、沙丘量子签署三方战略合作协议，共同构建“量子+AI”创新生态。本次研发合作建立在投资合作与战略合作的基础之上，是双方进一步推动技术平台对接、研发场景筛选和实验验证路径落地的深化。英矽智能正以“战略投资+AI 能力输出+联合研发验证”的路径，前瞻性布局个体化 mRNA 肿瘤疫苗赛道，并将 Pharma.AI 的应用边界从小分子药物发现延伸至核酸药物、环状 RNA 与个体化治疗等下一代技术模态。 此次合作中，英矽智能将依托端到端生成式AI平台Pharma.AI，以及在靶点发现、分子设计、药物研发和自动化实验等方面的技术积累，为合作项目提供AI模型、计算平台和研发流程支持；元码智药则将发挥其在环状mRNA序列设计、靶向递送系统、体内CAR-T、mRNA疫苗及相关创新疗法方面的技术优势——其核心管线BR101为全球首个进入临床（IIT）阶段的双靶点环状mRNA体内CAR-T药物。双方将结合生成式设计、序列优化、材料与制剂参数建模等能力，探索更具靶向性、稳定性和可制造性的mRNA递送方案，并通过实验数据反馈持续优化候选分子和递送系统。 在实验转化方面，双方将推动AI平台与自动化实验室深度结合，逐步打通“AI设计—自动化合成—高通量实验—结果回传—模型迭代”的研发闭环，提升候选方案筛选和验证效率，缩短从计算设计到实验验证的研发周期。同时，双方将围绕作用机制、靶点互补、剂量及给药策略等维度，探索AI赋能mRNA药物与抗体药物联合用药的研发路径，挖掘不同药物形式在肿瘤治疗等领域的协同潜力。 值得一提的是，英矽智能近期宣布，拟与惠理集团境内基金管理主体、上海浦东发展（集团）有限公司等共同筹设聚焦生命科学等领域的产业合作基金，规划目标募集规模为人民币10.1亿元（基金尚处筹划阶段，以各方最终签署的协议为准）。元码智药将作为该产业基金首批重点项目纳入项目库。英矽智能计划通过“战略投资+AI能力输出+联合研发+产业协同”的方式支持元码智药发展，推动其mRNA疫苗、环状mRNA、体内CAR-T及相关创新疗法加快研发与转化。此次合作也将成为英矽智能以资本协同支持产业生态、以AI平台赋能研发场景、以联合开发推动成果落地的重要实践，助力双方共同拓展AI原生mRNA药物研发的新空间。 关于英矽智能 英矽智能是一家全球先锋生物科技公司，致力于整合人工智能和自动化技术，加速药物发现并推动生命科学领域的创新，赋能人类更长久更健康的生活。2025年12月30日，公司于香港联交所主板挂牌上市，股票代码：03696.HK。   利用自主研发的Pharma.AI 平台和先进的自动化生物学实验室，英矽智能正在为纤维化、肿瘤学、免疫学、疼痛、肥胖和代谢紊乱等未满足的疾病领域提供创新药物解决方案。此外，英矽智能持续将Pharma.AI应用拓展到多元化领域，如先进材料、农业、营养产品及兽医药物。更多信息，请访问网站www.insilico.com  关于元码智药 元码智药（Byterna Therapeutics）是一家专注于下一代体内（In Vivo）RNA药物研发的生物技术公司，致力于打造全球领先的AI × 体内RNA药物平台。公司持续深耕AI设计、环状mRNA、靶向LNP递送等核心产业技术，围绕体内CAR-T、AI肿瘤免疫、个性化肿瘤疫苗及自身免疫疾病等方向推进原创性研发，构建高价值、高差异化的环状RNA药物管线，推动RNA技术从分子创新走向体内细胞编程和可规模化治疗，为患者提供更加安全、高效、可及的In Vivo RNA Medicine创新治疗方案。

历经从 2014 年 NVIDIA GTC 到 PreciousGPT 系列模型的十二年探索，英矽智能推出首个将“生物学年龄”作为核心维度的多智能体虚拟细胞平台。 由生成式人工智能（AI）驱动的临床阶段药物研发公司英矽智能（Insilico Medicine）今日宣布，上线虚拟衰老细胞（Virtual Aging Cell, VAC） 概念页面，并同步发布由多智能体（Multi-Agent Swarms）驱动的VAC平台交互预览。 虚拟细胞是利用人工智能（AI）和数学建模技术，对细胞生命活动及其变化规律进行计算模拟的数字模型，可用于预测药物反应、解析疾病机制并辅助靶点发现。作为前沿科技领域的重要方向，虚拟细胞于2025年被《自然》杂志评选为年度七大科技突破之一，正成为全球顶尖研究团队竞相探索的热点领域。 然而，现有多数模型仍主要依赖特定时间点采集的数据，将细胞视为静态快照，对细胞分化、重编程和衰老等动态过程，以及不同生物学尺度之间相互作用的模拟能力仍相对有限。真实细胞并非静止不变的生物学单元，而是始终处于分裂、分化、衰老和环境响应等动态过程中，其状态还受到细胞内分子网络、细胞间通讯、组织微环境和个体背景等多重因素的共同影响。因此，如何将时间维度、生物学年龄和外部干预纳入统一的计算框架，已成为虚拟细胞研究进一步发展的重要方向。 英矽智能推出的虚拟衰老细胞（Virtual Aging Cell，VAC）概念，正是围绕这一前沿方向展开。该平台将“生物学年龄”作为核心条件变量，通过多智能体AI架构，在分子、细胞内、细胞间、组织、器官和整体群体六个生物学尺度上开展协同推理，旨在动态模拟细胞分化、重编程与衰老过程，为靶点识别、细胞命运干预、创新药物研发和抗衰老研究提供计算支持。 英矽智能创始人、联合首席执行官兼首席商务官Alex Zhavoronkov博士表示，“每一个计算模型都需要一个第一原理，而我们的第一原理就是生物学年龄。这是一场跨越十二年的科学探索，从 2014 年在 NVIDIA GTC 上抛出行业问题，到 PreciousGPT 系列让 AI 掌握衰老生物学的语言，再到今天用多智能体重构虚拟细胞。VAC正是这一研发脉络的交汇点：它不仅是一个能读取生物学数据的系统，更是一个能条件生成生命演进过程的虚拟细胞。我们期待与全球制药企业或研究机构展开深度合作，共同探索健康及疾病状态下的虚拟细胞、虚拟系统与虚拟人群建模。” 十二年沉淀： 从虚拟细胞设想到 PreciousGPT 模型生态 英矽智能在虚拟细胞与衰老科学领域的探索跨越了十二年。 2014 年 NVIDIA GTC 大会，英矽智能在会上首次阐述了计算虚拟细胞、虚拟器官与数字人群的设想，并抛出了一个行业问题：“NVIDIA 能否帮助解决衰老问题？”，正式开启了利用高性能计算与人工智能探索衰老机制的序幕。 为了将这一理论设想付诸实践，公司随后与再生医学及干细胞先驱 BioTime 开展了一项名为 Embryonic.AI 的深度合作，利用深度神经网络集成（Deep Neural Network Ensembles） 追踪与调控细胞在“胚胎向胎儿过渡”（Embryonic-to-Fetal Transition, EFT） 过程中的分化轨迹与细胞命运走向。 2017 年，双方在Oncotarget期刊发表了这项研究的成果，证实 AI 算法成功识别出胚胎转化阶段的关键过渡因子 COX7A1 。这不仅是英矽智能首个经过基础实验验证的 AI 靶点发现成果，同时也首次向业界证明了人工智能能够精准捕捉细胞分化、重编程与细胞转换的开关，为后续虚拟细胞模拟奠定了生物学基石。 随着大模型技术的迅猛发展，Alex Zhavoronkov博士于2022年5月在戈登研究会议（Gordon Research Conference，GRC）上首次提出将多模态Transformer应用于衰老研究的构想。为探索多模态Transformer与扩散模型在生命科学领域的应用潜力，公司 AI 团队于同年启动模型研发，将早期在衰老生物学与多组学建模中积累的经验深耕迭代，逐步构建出专注于衰老机制解析与多组学生成的 PreciousGPT 科学大模型系列。 其中，英矽智能于2023年发布 Precious1GPT，这是一个基于多模态 Transformer 与迁移学习的衰老时钟。该模型整合 DNA 甲基化（表观遗传）与转录组数据，能够预测生物学年龄并区分疾病与对照样本。利用该模型，团队识别出 APLNR 和 IL23R 等兼具"抗衰老"与"抗老龄疾病"潜力的双效靶点，相关成果发表于衰老领域权威期刊 Aging。 英矽智能进一步将模型能力由评估预测拓展至条件生成。于2024年发布的Precious2GPT 融合了条件扩散模型（CDiffusion）与仅解码器的多组学预训练 Transformer（MoPT），能够生成携带特定组织与年龄特征的高质量合成多组学数据，并在生成数据上的年龄预测精度优于条件 GAN 等基线模型，该研究成果发表于 Nature 旗下期刊npj Aging。 同年，英矽智能与哈佛医学院 Vadim N. Gladyshev 实验室合作，进一步推出Precious3GPT。作为真正的多模态 Transformer，该模型整合文本、表格与知识图谱表征，覆盖小鼠、大鼠、猴与人类四大物种，以及转录组、甲基化与蛋白质组三大组学维度，能够在一套统一框架下完成跨物种年龄预测、靶点发现、疾病/组织/性别分类及化合物敏感性预测等多重任务；其合成数据生成以"生物学年龄"作为条件输入之一，使生成的组学数据携带年龄与时间标签。该模型在发布同期已在 Hugging Face 与 GitHub 开源。 从早期单靶点的识别验证到多模态大模型的演进，该系列研究逐步拓宽了单一模型对生物学系统的认知边界，最终演进为对细胞全生命周期及动态过程的系统性建模。 “生物学是在时间长河以及诸多相互联系的维度中展开演进的，然而现有的许多计算模型仅能孤立地研究单一层级或某个特定时刻，” 英矽智能副总裁、全球 AI 平台负责人 Petrina Kamya 博士表示，“VAC 平台的推出正是为了将这些维度融为一体。它将“生物学年龄”’与多智能体推理能力相结合，用以探索细胞年龄的变化将如何进一步影响组织、器官乃至整个生物个体。我们的目标是构建一个更加动态的数字环境，为解析疾病机制、评估干预手段以及寻找全新的药物研发突破口提供支持。” 多智能体驱动： 从组件模拟到复杂生命系统的协同演化 PreciousGPT 系列大模型为理解细胞组学与衰老机制奠定了底层数据与条件生成基石，本次英矽智能发布的VAC平台，引入多智能体（Multi-Agent Swarms）架构，真正具备了模拟动态生命系统的智能化推演能力。 与行业内多数将细胞视为特定时刻“静态快照”的单点模型不同，真实生物体中的细胞时刻处于多尺度相互作用与动态演化的网络之中。为了捕捉这种高度复杂的生命动态，英矽智能在 VAC 平台中构建了VAC 的多智能体协同架构，从三个核心维度重构了计算生物学范式： 以“生物学时间”为核心条件：区别于静态表达谱预测，多智能体架构将“生物学年龄”作为穿透各个尺度的核心条件变量。智能体集群在推演细胞分化、重编程或疾病演变过程时，能够动态评估年轻、成熟与衰老等不同生命阶段下组织微环境的差异化响应，使生物学时间天然贯穿于每一次逻辑推演中。 六大尺度智能体 Swarm 协同：有别于尝试把所有生物学数据压缩进单一 Transformer 或图神经网络的传统做法, VAC 系统部署了涵盖不同功能与尺度梯度的智能体集群。系统由主智能体（Master Agents）负责全局任务调度与跨层级逻辑整合，并配备专项智能体（Specialist Agents）在每个层级完成专精任务。各个智能体不仅能独立调用数据库、组学工具与文献知识图谱，更能跨越分子、细胞内、细胞间、组织、器官及整体群体等六大生物学尺度开展自适应协商与联合推理。 从状态观察走向命运干预：传统虚拟细胞多局限于单向的状态描写与表达谱填补，而 VAC 平台则致力于回答“如何逆转与重塑细胞命运”。当系统模拟药物靶向抑制、基因敲除或特定环境刺激等干预手段时，各层级智能体能够实时推演微环境改变、下游通路级联反应以及微观到宏观的跨尺度结构重塑，为干细胞重编程与系统性抗衰老策略提供全流程推演。 英矽智能TargetID负责人 Vladimir Naumov表示，"VAC的独特之处不在于层级数量或智能体数量，而在于双向Master Agent协调机制与一等生物体上下文存储的结合。在我们调研的48篇论文中，没有现有系统同时具备这些特征：六个生物学层级、每个生物学实体配备智能体、自上而下和自下而上双Master Agent、以及以年龄为优先考虑变量的共享生物体传导。我们今日发布的预览版，是迈向一个不仅能建模状态、更能建模变化的虚拟细胞的重要一步。" 通过将 PreciousGPT 大模型的组学感知能力与 VAC多智能体的跨尺度推理能力深度融合，VAC 平台实现了从单一组学特征的“定格照相”，向涵盖健康与疾病状态的“动态生物系统模拟”的跨越，为靶点识别、细胞重编程方案设计及抗衰老药物评估提供了高度可解释的数字测试环境。 平台预览与未来展望 随着 Virtual Aging Cell 网站的上线，英矽智能已发布 VAC 平台的初期 Demo 预览视频。此外，英矽智能将在波士顿举行的 ARDD 2026（第 13 届衰老研究与药物发现大会）上，继续与长寿研究领域的顶尖学术伙伴与业务伙伴展开虚拟细胞平台开发的下一步走向，并分享多模态大模型与多智能体在衰老干预、细胞重编程及靶点发现方面的最新实践与论证。 作为一家临床阶段的 AI 驱动药物研发公司，英矽智能此前已凭借 Pharma.AI 平台实现了多款 AI 发现与设计药物的临床验证。自2021年以来，公司已提名 33个临床前候选化合物，其中 13个已获得IND批件。值得注意的是，在这 33 个提名中，有 9 个候选药物（DC）是在 2026 年初至今宣布的，其中包括 2 个源自阿联酋（UAE）的候选药物，达成了该地区历史上的首个里程碑。这些成就充分展示了英矽智能 AI 驱动研发生产力的高可扩展性与卓越效率。 得益于这一由 AI 驱动的发展势头，英矽智能已成功为其 Pharma.AI 平台自主发现和设计的多个分子完成了临床验证。其中进展最为领先的项目 Rentosertib 已完成 IIa 期临床试验，验证了其安全性及药效趋势的概念性验证（PoC），该标志性成果已于 2025 年 3 月发表在《自然·医学》（Nature Medicine）期刊上。 这一卓越的临床记录，结合其研发引擎所积累的庞大自有数据库，为虚拟衰老细胞（Virtual Aging Cell）平台的“干湿实验”验证闭环以及靶点的真实可靠性提供了坚实而强有力的现实依据。 想要了解更多关于英矽智能虚拟衰老细胞的信息，请访问：https://virtualcell.insilico.com。 关于英矽智能 英矽智能是一家全球先锋生物科技公司，致力于整合人工智能和自动化技术，加速药物发现并推动生命科学领域的创新，赋能人类更长久更健康的生活。2025年12月30日，公司于香港联交所主板挂牌上市，股票代码：03696.HK。  利用自主研发的Pharma.AI 平台和先进的自动化生物学实验室，英矽智能正在为纤维化、肿瘤学、免疫学、疼痛、肥胖和代谢紊乱等未满足的疾病领域提供创新药物解决方案。此外，英矽智能持续将Pharma.AI应用拓展到多元化领域，如先进材料、农业、营养产品及兽医药物。更多信息，请访问网站www.insilico.com

1、AI for Science定义与应用进展 核心定义与价值：当前AI已从coding赛道进入更智能发展阶段，可分为两类：一类是商用人工智能（AI for business），核心是赋能人类工作，优化现有生产、办公、服务等流程；另一类是AI for Science，核心是赋能人类探索，突破人类认知和实验边界，挖掘未知科学规律，创造全新科研成果。AI for Science的核心价值是重构基础科学与应用科学的研究范式，赋能各领域实现探索突破，下游典型场景涵盖新药研发、新型材料设计、蛋白质结构设计、天体物理推演、数学定理证明、量子化学计算、聚变精准控制等前沿领域。 各领域落地案例：目前AI for Science已在多个前沿领域实现落地突破： 数学领域：DeepMind的AlphaEvolve模型解决多项长期悬而未决的数学难题，将四乘四复数矩阵乘法优化至四十八标量运算，刷新1969年斯特雷森算法记录，同时找到十一维空间中五九三个不重叠球体的新配置，突破人类数学问题求解边界； 物理学领域：德国光学研究所与美国加州理工学院实验室联合开发的系统，发现50种全新的引力波探测器拓扑结构，性能远超当前最先进方案； 材料学领域：微软开发的无机材料设计模型可基于设定目标，依托扩散模型和多任务学习微调，主动构思设计出理论稳定且具备特定性能的晶体材料结构，颠覆传统材料发现方式，实现从“大海捞针”到“按需制造”的转变； 生物制药领域：DeepMind AlphaFold系列实现持续突破，AlphaFold3除可预测蛋白质三维结构外，还能预测所有生命分子的结构及相互作用力，可为药物研发的靶点识别、小分子设计提供支撑，缩短新药研发周期，目前基于AlphaFold3相关技术已孵化初创企业。 2、AI for Science爆发驱动因素 产业端催化事件： 2026年8月前谷歌首席科学家Jeff Dean结束27年谷歌职业生涯，创办AI初创公司Discovery Loop，核心目标是用AI自动化科学研究与工程实验全流程，覆盖Double E、ME、材料等工程领域及生命科学领域，将成为比肩Coding的全新发展沃土，可实现机器自动提出假设、设计实验、验证迭代，模拟卓越科学家的科研逻辑。同时，Atropos今年6月发布《当AI开始建造自身》报告，其代码库中超过80%的代码由Claude编写，当前Claude已可自主提出和检验假设，累计完成约800小时的开放式AI安全研究实验。当前科技巨头纷纷布局AI for Science赛道，核心动因是寻找下一个行业爆发点。 商业化逻辑支撑： 2022-2023年GitHub Copilot的商业化落地验证了生成式AI的落地规律：优先在数字化工作流程规范、结果可验证、单位人力成本高的专业场景实现规模化落地，而非无边界聊天场景，其中软件工程、CS coding因输入输出高度结构化、编译器可提供完美及时验证，率先成为爆发赛道。类比该逻辑，AI for Science覆盖的生命科学、新材料、能源、半导体等领域年研发费用达数千亿美金，可承载上游巨额资本开支，赛道空间充足，当前正复刻三年前coding的商业化路径。从一级市场表现来看，此前中美、硅谷等地的AI制药初创公司一度濒临破产，当前已普遍拿到至少1-2个BD项目，药企对AI技术的认可度显著提升，行业订单充足，相关公司陆续上市，已上市代表企业包括金泰科技、英矽智能、集泰科技，商业化环境已成熟。 中美政策端布局： 美国层面：2025年11月美国启动国家级AI科研工程「创世纪」，官方定位紧迫性与雄心比肩曼哈顿计划，核心目标是确保美国在关键技术领域的全球主导地位。该计划由美国能源部DOE牵头，核心内容包括：一是建设美国科学与安全平台，整合高性能计算资源、AI建模与分析框架、计算工具、基础模型、科学数据集、合成数据、实验生产工具等，大幅加速AI开发与应用；二是聚焦先进制造、生物技术、关键材料、聚变和裂变、量子信息、半导体与微电子六大战略领域，用AI加速材料、药物、工艺、能源等研发，实现AI for Science突破；三是采用时间表加里程碑模式集中攻关。当前美国能源部已宣布投入超过3.2亿美金建设美国科学云，组建变革性人工智能模型联盟，已有微软、谷歌、英伟达等24家企业与美国政府达成合作协议。 中国层面：今年以来北京、上海等地已陆续出台地方性AI for Science指导规划，WAIC前后多地发布人工智能+相关政策，重点推进科学数据集建设，目前军工领域已出台行业规划，要求所有军工单位建立自有数据集，中央层面也在推进高质量科学数据集建设，AI for Science已从学术界讨论落地为新型基础设施建设内容。 资本市场反馈：当前资本市场已对AI for Science赛道形成投资共识，相关板块行情表现突出：2026年6月美股存储板块下跌阶段，生物科技相关ETF短时间内实现翻倍涨幅；同期盘前，全球mRNA药物平台公司莫德纳暴涨9%。该赛道同时具备业绩支撑与AI属性，头部企业纷纷布局，投资价值已获得市场普遍认可。 3、细分赛道布局优先级 AI制药赛道优势：AI制药赛道核心优势显著，首先赛道市场规模庞大，流程标准化、结构化程度高且数据丰富，更适配AI处理逻辑；其次新药研发周期长、成本高，前期需完成大量测试筛选、PPCG验证、可靠分子结构研发等环节，AI对部分环节的自动化替代对制药企业吸引力极强。对比同为大市场的材料赛道，材料赛道场景分散、流程差异大，难以用标准化AI方案覆盖：金属、皮革、半导体、稀土等不同品类材料的开发流程、应用场景、研发方法论差异明显，即便AI研发出新材料分子结构，后续制造、应用落地、包装等环节细碎，AI很难覆盖全链路价值，因此当前产业优先将资源投入AI药物开发生物领域。 其他潜力赛道分析：除AI制药外，芯片设计、电子设计、量子计算等AI for Science细分赛道也处于探索阶段，其中芯片设计具备较大发展潜力。数字芯片采用硬件描述语言开发，需映射到具体硬件载体，开发逻辑与普通编程语言存在差异。当前EDA赛道AI应用已取得落地进展，Cadence相关AI Agent收入表现良好，国内华大也在跟进EDA AI化，未来从芯片定义、代码设计等前端环节的AI应用仍有较大发展空间，用AI设计AI将成为行业重要变革。 4、AI对药物研发的赋能路径 AI在科研中的两类角色：AI在科研领域可分为两类角色：第一类是协作提升效率的工具，当前落地进度较快，金泰6月发布的新品可串联药物研发全工作流AI化，大幅提升研发效率，属于这类协作型agent或multi agent工具；第二类是可自主提出新发现的科学家角色，DeepMind的Alpha Evolve已具备自主提出新算法、新idea的能力，可助力产生蛋白质结构相关新知识，目前仅在蛋白质结构预测领域表现较好，未来若结合前者的meta agent实现闭环迭代，即可达成真正的AI for science。 传统新药研发困境：传统创新药研发存在核心“三个十”困境，一款新药从研发到上市整体周期长达9-15年、投入超10亿美金、临床成功率不足10%，最终上市成功率低于12%，各环节具体投入与效率如下：a.药物发现阶段：涵盖靶点确认调研、多阶段化合物递进（苗头化合物筛选、先导化合物、临床前候选化合物等），需对5000-10000种化合物做高通量筛选，传统模式下周期3-6年，投入超5亿美金；b.临床前研究阶段：依赖大量湿实验开展毒性预测、动物实验，周期1-2年，成功率仅2.5%；c.临床阶段：包含一到三期临床的患者招募、方案设计、数据分析，周期6-7年，投入超4亿美金，失败率较高；d.监管审批及后续阶段：注册文书审查需0.5-2年，投入超1亿美金，还需完成上市后包装检测、产品性追踪等流程。 不同分子落地成熟度：当前AI制药在不同分子赛道的落地成熟度存在明显差异： 小分子、环肽领域：分子自由度低、计算方法学成熟度高，是当前AI制药的主要落地场景，其中带复杂功能团的小分子、30氨基酸以下的多肽、环肽是头部企业的核心竞争领域； 大分子、抗体领域：分子自由度高、活性评估计算难度大，现阶段仅能在蛋白分子设计环节提供辅助，仍高度依赖人工经验推进研发。从市场空间来看，小分子赛道市场空间较小，大分子赛道覆盖减肥药、肿瘤治疗药物、自身免疫疾病（红斑狼疮、免疫性肾炎等）治疗药物等需求，市场空间更大，目前AI在该赛道的应用效果仍有限，后续发展潜力充足。当前金泰等企业管线数量急剧增加，印证AI对药物研发、上市流程的加速作用已经显现。 5、行业竞争格局 ·竞争格局与投资观点：AI技术进步将为制药行业带来革命性效率提升，同时加剧行业内卷，引发药明康德等药企研发人员、程序员的焦虑与压力。行业竞争格局如下： 头部独立第三方服务商跑速最快，市场空间较大； 美国大模型厂商已启动相关布局，国内大模型厂商因缺乏医药基因，需与MNC合作方可推进相关业务，落地难度较高； MNC能否成功落地相关业务仍有待商榷。投资建议方面，当前适合在相关标的估值、市值处于低位时布局。