国金证券研报指出，传统药物研发长期处于"周期长、成本高、成功率低" 的状态：一个候选药物从靶点确认到最终获批，需经历命中发现、先导优化、临床前评价及大规模临床试验等顺序推进的环节，环环依赖海量资源与反复验证，导致平均研发周期超过10年、单药累计投入逾20亿美元。AI制药的介入有望显著压缩研发周期与开支：1、显著压缩研发周期。 各研发阶段均能受益，其中药物发现阶段节约时间最为可观，约70–90%；临床前研究可节约 50–80%；临床研究可节约50–60%。2、大幅降低研发成本。AI制药在药物发现与临床研究阶段的参与，有望为制药公司节省约50%的成本，对应体量约540亿美元。
国金医药甘坛焕丨从工具到引擎，加速卡位催生湿实验机遇
传统药物研发长期处于"周期长、成本高、成功率低" 的状态：一个候选药物从靶点确认到最终获批，需经历命中发现、先导优化、临床前评价及大规模临床试验等顺序推进的环节，环环依赖海量资源与反复验证，导致平均研发周期超过10年、单药累计投入逾20亿美元。AI制药的介入有望显著压缩研发周期与开支：1）显著压缩研发周期。 各研发阶段均能受益，其中药物发现阶段节约时间最为可观，约70–90%；临床前研究可节约 50–80%；临床研究可节约50–60%。2）大幅降低研发成本。AI制药在药物发现与临床研究阶段的参与，有望为制药公司节省约50%的成本，对应体量约540亿美元。
AI制药成兵家必争之地，MNC加速布局。全球AI制药交易自2024年起持续升温，交易首付款与总金额屡创新高。据医药魔方数据库统计，2026年上半年全球已披露 AI 技术交易的首付款已达18亿美元，交易总金额更是突破500亿美元，双双大幅超越2025年全年水平。细分领域上，AI制药已跃升为全球第三大融资赛道。面对 AI 制药这一确定性成长赛道，全球大型药企（MNC）自2024年起密集入场，2026年更是将布局推向新高潮：从交易趋势来看。头部药企已将"AI 能力"视作与靶点、管线同等重要的战略资产，交易从单点技术授权走向平台级并购。MNC 正以多种方式将 AI 深度嵌入研发、临床与生产全链条。
AI制药可大幅提升早期成功率，后期成功率仍待验证。从现有数据看，AI 赋能生物制药在临床 I 期成功率方面已显露积极信号，但需注意其样本量仍较小，结论有待更大规模数据验证；II–III 期临床的优势则尚待确认。根据IQVIA 对 2020–2022 年与 2023–2025 年两段 AI 制药管线成功率的统计：AI 赋能药物在部分 I 期临床中表现出高于 70% 的成功率（传统路径约 50%），早期提效明显；但进入 II 期后，因样本量尚不足以形成统计判断，AI 赋能的优势目前难以确证，仍需更多管线数据累积验证。
AI制药加速湿实验需求扩张。干湿闭环（Dry–Wet Loop）是现阶段 AI制药最核心的应用范式：通过"AI 设计预测（干实验）" 与 "自动化合成测试（湿实验）" 的反复联动，实现 Design-Make-Test-Analyze 闭环，让模型以实验结果持续自我校正，当前主要落地于靶点验证、分子设计、先导优化、ADMET 评估等早期环节。AI模型的精度高度依赖高质量、可迭代的实验数据来训练与校正，且生成出的候选分子仍需实验合成与活性验证才能进入下一阶段。同一轮实验要验证更多候选、产出更多数据，推动实验需求总量持续上行。据 Twist 2026 年投资者日演示材料，截至 2026 年3月5日，Twist 在湿实验阶段已累计完成20万+蛋白表达、13万+抗体检测，并据此生成超过700万数据点。
技术与临床风险；数据风险；监管风险；商业化风险；产业与成本风险。
