从“算力紧缺”到“业绩兑现”，AI产业的定价逻辑正在重塑。在诸多AI应用方向中，AI制药被机构视为可能率先交出成绩单的赛道之一。

　　当前，AI制药走到哪一步了？哪些环节率先受益？近日，财联社记者专访了华泰柏瑞、富国基金、长城基金、中欧基金的医药基金经理，并结合CIC灼识咨询合伙人的行业观察，试图还原一线投研对上述问题的判断。

　　AI制药走到哪一步了？

　　如何定义AI制药当下的阶段？受访机构的回答高度一致：商业前端已跑通，但决定行业能否成立的临床验证仍在路上。

　　华泰柏瑞主动权益投资部基金经理张弘表示，“AI制药是AI4S中商业价值较强的方向之一，目前正处于逐步兑现的过程中。”在他看来，对标国内创新药出海“BD落地-海外上市-销售放量”的路径，AI制药目前已走到BD落地环节，越来越多的跨国药企开始与AI制药公司开展合作，后续授权首付款的落地具备较强可预期性。

　　生命科学本身具备高度复杂性，早期AI制药管线临床数据读出存在较大不确定性。在他看来，AI制药模型的演进大概率呈螺旋向上趋势，依托模型训练需求的卖水人逻辑也具备持续放大空间。

　　CIC灼识合伙人刘立鹤把这一阶段的特征概括为“前端工程学商业兑现效率高，后端复杂生物学的验证周期长”。在他看来，MNC（跨国药企）正在为两件事买单：压缩研发时间和拓展化学空间。传统制药从靶点确定到临床前候选化合物（PCC）通常需要3—5年，而生成式AI与自动化平台能将部分头部项目压缩至12—18个月。“在专利悬崖步步逼近的背景下，MNC愿意拿出几千万到上亿美元的首付款，买一张研发效率提速与创新靶点试错的高弹性期权。”

　　刘立鹤同时强调，AI重塑了分子的发现过程，却尚未改写临床药理学的铁律。一旦化合物进入人体，PK/PD、脱靶毒性、组织递送以及疾病异质性，依旧遵循传统药物开发的淘汰曲线。“靠讲算法故事拿融资的纯技术叙事正在退潮，第一批全流程AI药物III期顶线数据读出的时间节点大概率落在2028-2029年，若关键终点成立，AI制药将从效率叙事进入疗效叙事。”

　　富国医疗保健基金经理孙笑悦从研发流程维度给出更细化的判断。在她描述的干湿闭环中，AI平台生成候选序列后，需经基因合成、蛋白表达与表征、动物体内药效毒理评价，实验数据再反馈给模型进行下一轮迭代。“目前行业兑现节点尚处于动物实验之前。”她判断，兑现的第一个标志，或许是国内和海外高通量的DNA合成平台公司接到爆发式的基因合成和蛋白表达订单。

　　长城医药产业精选基金经理梁福睿认为，行业整体仍处于商业兑现的早期阶段，客户付费、企业确认收入、形成持续盈利、再到新药获批后的销售回报，分别对应不同的兑现层级，“目前尚不足以证明全行业已经跑通完整商业闭环”。

　　在梁福睿的研究框架中，商业兑现的首个核心标志，是客户针对明确的交付成果完成实际付款，后续则需看项目验收、客户复购与现金回款情况。对于以管线授权为核心模式的AI药物研发企业，首付款体现了合作方的商业认可，但长远来看，AI制药的商业价值最终仍需临床数据验证。对于软件及实验服务类企业，交付验收与续约的验证路径相对直接；对于以管线授权为核心模式的AI药企，首付款体现合作方的商业认可，后续价值则高度依赖临床数据结果。

　　中欧基金医药组基金经理王琪则点出了这一轮AI制药热潮的特殊行业背景。"跨国药企经过50-100年的药物研发，积累了海量私有研发数据，但这类数据无法对外共享；全球大模型厂商切入AI制药，自身缺少药企积淀的底层研发数据，处于从0到1的数据积累阶段。"据此她判断，大模型厂商要落地AI制药，必须快速积累底层实验数据，由此带动CXO相关订单扩容，这也是部分CXO企业业绩高增的重要背景，属于AI制药发展的第一步。

　　“产业层面的共识是，AI制药可以显著提升药物研发效率，但短期还无法提升药物研发成功率。”王琪说，“即便如此，提升研发效率本身就构成很强的行业长期趋势。”

　　哪些环节率先受益？

　　AI制药产业链大致分为三类主体：提供工具的平台与自动化实验室、输出管线资产的AI驱动Biotech、应用新技术的传统药企。受访基金经理的共识是，前两类主体兑现节奏存在明显时间差，产业链上游的确定性相对更高。

　　张弘明确指出，从订单可见度和现金流质量看，“卖工具”的平台与自动化实验室可能是2026-2027年相对占优的方向；AI驱动Biotech则要到2027-2028年才会迎来显著分化，只有构筑核心壁垒的标的，才有望成长为大市值公司。

　　他进一步划分产业时间窗口：2026-2027年，AI制药模型训练需求处于1到10的放大阶段，行业或将进入密集竞争期；2027-2028年，随着平台公司管线数据陆续读出，行业平台能力将出现分化，优质平台有望持续获得资金倾斜，进一步拉动模型训练需求增长。

　　孙笑悦同样看好工具平台与自动化实验室赛道的成长空间，湿实验环节有望率先受益，核心支撑来自订单可见度。她解释，AI生成分子需要通过湿实验验证，湿实验平台有望率先受益。目前AIDD依然处于早期研发阶段，未来12—24个月，临床前研究需求旺盛是相对确定的趋势。

　　梁福睿则将行业兑现节奏划分为三个观察阶段：第一阶段核心关注模型的问题解决能力与客户付费意愿；第二阶段跟踪技术渗透带来的采购支出；第三阶段验证大型客户是否将AI纳入正式业务流程，形成持续采购。“2026年部分企业已同步呈现投入扩张与应用深化特征，2027年核心观察早期合作能否持续推进，形成更稳定的收入与回款节奏。”他表示，会重点跟踪两类可验证的边际变化：一是存量客户实现连续复购、采购预算持续扩容；二是头部服务企业凭借数据积累与交付能力，获取更高附加值的订单。

　　梁福睿同时提示，对提供研发工具与自动化实验室的企业，可重点跟踪基因合成、蛋白表达等环节中的AI相关业务增量，但企业业绩改善也可能来自传统研发需求回暖、业务结构优化或是自身经营效率提升，不宜将全部改善均归因于AI赋能，部分上市公司也可能倾向于将增量收入更多向AI概念靠拢。

　　刘立鹤判断，“AI CRO与平台服务模式赚的是确定性的实验工时费和耗材费，天花板有限，但现金流连续、高频、抗周期，比较稳健；管线授权模式靠大额首付款爆发力强，但现金流高度离散，单笔交易波动和尾部风险高。”他认为，未来跑出来的头部企业，需要兼具“平台服务稳住现金流底盘、核心管线博取高弹性兑现”的双重能力。

　　估值和定位的分歧

　　在确定性赛道形成共识的同时，市场分歧同样清晰。

　　首先是估值层面。孙笑悦认为，当前AI制药标的估值处于合理水平，暂未看到透支明显的环节。张弘表示，目前AI制药模型训练正处于需求驱动的爆发期，其中虚拟细胞相关公司可能依然被低估，而AI制药Biotech公司价值判断高度依赖后续管线数据披露。

　　梁福睿态度则更为审慎：当前多数AI制药标的的估值，已经较大程度计入市场对药物研发范式重塑的溢价预期，而AI药物发现工具、自动化实验室业务收入可持续性，以及AI平台技术能力边界，仍存在不确定性。“只有当客户连续复购、采购预算持续扩容等实质性进展，超出股价已隐含的市场预期时，才可能形成具备性价比的投资机会。”

　　刘立鹤从壁垒角度给出了自己的排序。在他看来，纯算法模型最易被追平，真正拉开差距的是把AI生成的东西变成MNC愿意付费的资产。实验中沉淀的高价值“阴性/失败数据”与难成药靶点数据构成专有闭环底座，能带来1-2年的动态时间差；而全球化BD能力，则是短期最关键的商业化壁垒之一，“能否在早期精准预判全球药企的管线缺口、扛住买方严苛的穿透式尽调，并把虚拟分子卖出数千万美元首付款，直接决定了AI药企是否活到最后”。

　　另一重分歧，来自AI制药在医药板块中的定位。张弘认为，AI制药属于承接资金回流医药板块的独立“新故事”，和创新药属于两条相对平行的主线，类比计算机软件与大模型之间的关系；而资金回流医药的前提，是医药行业经营性现金流出现实质性改善和显著回升。

　　梁福睿则倾向于把AI制药放在创新药的大框架内观察。在他看来，当前资金低配创新药的核心原因，是行业报表改善尚未得到批量验证，且创新药临床研发的专业认知门槛较高；若国内企业在AI制药浪潮中占据先发优势，创新药企业与AI制药服务型公司均有望分享产业增量。

　　潜在风险同样不容回避。刘立鹤指出，未来2-3年最制约商业化的卡点，不在分子生成速度，而在靶点生物学判断与后期临床兑现——靶点选错，算法再快也只是加速失败。若某些靶点或Modality阶段性拥挤，非头部、同质化资产可能面临MNC接盘意愿下降、自身又难以承担II/III期临床费用的双重挤压。梁福睿也提示，临床价值验证是AI制药行业的核心试金石，若技术进展不及预期，无法有效体现研发效率优势，当前多数标的承载的产业变革预期，或将迎来估值回归。

　　从BD落地到临床数据读出，AI制药正在走完产业叙事的上半场。多位受访投研人士判断，未来数年，伴随首批由AI主导研发的药物在三期临床取得阳性结果，行业将迎来关键催化剂，届时才是AI制药真正的业绩兑现窗口。