AI 制药开始交卷，当效率红利兑现后，价值会流向谁？

强生（NYSE: JNJ）率先交出一份AI制药成绩单：先导化合物优化时间直接砍半，临床试验报告准备从过去数百小时压缩至约15分钟（数据未经第三方独立审计，最终报告仍需人工审核与合规确认）。这份成绩单证明AI确实能让研发跑得更快，但并未回答更深层的问题——AI能不能让决策更准，省下的钱最终流向哪里。

AI制药通常指利用人工智能参与药物研发全流程，但当前实际应用主要集中在早期研发阶段（靶点发现、分子设计、先导优化及临床前）。强生案例更像“流程效率验证”而非“新药成功率验证”。AI正在解决“这个分子像不像药”的问题，而非“这个药能不能治病”的临床问题。

效率红利的分配格局

AI制药的技术价值主要有三条去路：

1. 大药企主导的混合架构：强生、罗氏、诺华、礼来等跨国药企将AI嵌入自有研发体系，采用“内部能力建设+外部工具采购+战略合作”的方式，将私有数据、模型评价和决策权留在内部。大药企掌握稀缺的临床前实验数据与失败数据（暗数据），是效率红利最早、最确定的受益方。单个候选药物研发成本下降，但药企整体研发支出可能因同时推进更多项目而保持稳定。

2. 外部AI药筛平台商：以Recursion（NASDAQ:RXRX）、Schrödinger（NASDAQ:SDGR）、晶泰控股（HK:02228）和百图生科为代表。面临的共同挑战是“被CRO化”——技术服务若无法标准化、高复购，收入易退化为计件收费模式，侵蚀毛利率。关键在于形成“软件/模型/数据—项目合作—候选输出—复购扩围—数据回流—模型迭代”的闭环，进入药企常态化研发工作流。

3. AI Biotech：以Isomorphic Labs（未上市）、英矽智能（HK:03696）为代表。将AI平台作为药物资产创造引擎，通过自研管线或共有产权（对外授权、里程碑付款、销售分成）分享资本增值。该路径价值上限最高，但不确定性也最大：算法优势无法改写生命科学底层规律，临床前到临床Ⅲ期的验证依然存在巨大生物学风险。Exscientia（已退市）与赛诺菲的合作案例表明，远期里程碑付款低频、长尾且高度不确定，近期现金流压力显著，最终Exscientia选择与Recursion合并。

核心判断

1. AI制药目前最确定的是降低单位决策成本，而非提高新药成功率。
2. 效率红利沿产业链分化，大药企最受益，平台商需避免CRO化，AI Biotech博取管线溢价。
3. 三条路径的确定性依次下降、价值上限依次上升。大药企确定性高但估值弹性有限，AI Biotech不确定性高但对股价敏感。
4. 终极约束仍是临床不确定性——AI制药的上半场是算法与算力的效率比拼，下半场取决于临床资产与真实商业现金流。技术可行性让AI登台，但只有临床可行性才能决定它成为边际工具还是重新定义行业的基础设施。

值得关注

• 强生案例证明AI在文档生成、实验数据处理等高冗余环节可直接量化降本（来源：Reuters, https://www.reuters.com/business/healthcare-pharmaceuticals/jj-sees-ai-halving-time-generate-drug-development-leads-2026-04-27/）。
• 国内头部药企如华东医药、复星医药、恒瑞医药也正在探索AI嵌入研发流程。
• 英矽智能的伦托司替已完成临床Ⅱa期试验，是AI参与设计的候选药物进入人体试验的案例，但仍需Ⅲ期数据验证（来源：Nature Medicine, https://www.nature.com/articles/s41591-025-03743-2）。
• Exscientia与Recursion的合并反映了AI Biotech在“远期里程碑驱动+近期现金流压力”间的结构性张力。