摩根士丹利在2026年4月初发布了一份名为《中国最佳商业模式研究（第二版）》的报告，报告中筛选出26家商业模式强、能穿越周期、适配AI与全球趋势的公司。其中，医药板块有两家公司入选，一家是创新药、仿制药龙头，另一家是AI制药公司。

那么，AI制药是什么？靠什么赚钱呢？我们来拆解下。

传统药物研发和AI研发的区别

传统首创新药研发难免都需面对投入高、风险高、周期长的研发痛点，一款新药从靶点发现到最终上市，往往需要耗费十年以上时间、数十亿元资金，且临床试验阶段的失败率也非常高。

而AI制药依托人工智能的前沿技术，参与到药物开发的各个环节，比如靶点发现、化合物筛选、临床试验设计等环节，从而帮助提升药物研发效率、降低研发成本、缩短研发周期。

如图1所示，相较于传统制药研发流程，AI 技术可显著压缩药物发现、临床前研究及临床试验全链条的研发周期。其中在最前期的药物发现环节降本提效效果尤为突出，能够有效节省约 70%-90% 的研发耗时。例如，传统化合物合成筛选通常需要4-6年内合成并测试约5000种分子，而AI可虚拟筛选数十亿个分子，并且能在2-3年内合成并测试数百个分子。

图1：传统首创新药与AI制药时间成本对比

资料来源：英矽智能招募说明书。

AI制药市场结构

随着技术不断成熟，AI制药也从早期的技术探索，演化出清晰的商业化路径。目前，AI制药已形成三种主流商业模式：

? AI+Biotech

? AI+CRO

? AI+SaaS

三种模式数量占比分别是：

AI+Biotech（25%）＞AI+CRO（23%）＞AI+SaaS（8%）。

此外，还有采取混合模式，兼容以上2种、兼容3种或以上模式的公司。其中，兼容2种商业模式的公司最多，占比31%；兼容3种或以上模式的公司，占比13%。

图2：国内各类型AI制药企业的数量占比统计 

资料来源：制药局、国投证券研究所。

AI制药商业模式详解

AI+Biotech

AI+Biotech模式，即生物科技公司（Biotech）依托自有AI研发平台，全程自研新药管线，最终通过专利对外授权或药物自研上市的方法获利。

该模式本质上延续了传统创新药企的商业逻辑，尽管AI技术能够显著降本增效，但依旧要面对从靶点发现到商业化落地研发周期长、临床试验失败率高的创新药行业痛点。相对应的，一旦研发管线取得成功，管线价值或将迎来指数级增长，业绩弹性极大。

示例企业：英矽智能、Recursion Pharmaceuticals、Exscientia（仅为示例，不代表任何推荐）

AI+CRO

AI+CRO模式，是AI赋能的医药研发外包服务模式，通过人工智能为客户交付先导化合物、PCC（临床前候选化合物）等关键研发成果，后续既可交由药企自主开展后续研发，也可双方合作、共同推进药物管线落地。该模式由定制项目、里程碑付款等作为收益来源。

该模式业务现金流稳定、收入确定性强、商业模式成熟；但本质上还是像传统CRO一样是服务业，估值天花板有限，且属于人力+技术密集型产业，业务扩张要靠扩充算法团队、实验室产能等，无法复制AI+SaaS的低边际成本模式。

示例企业：晶泰科技、Recursion Pharmaceuticals（仅为示例，不代表任何推荐）

AI+SaaS

AI+SaaS 模式，即服务商向医药研发公司提供AI辅助药物开发平台，如提供蛋白结构预测、分子模拟筛选等功能，通过订阅费、调用次数付费等获取收入的模式。

该模式属于AI医药行业的“卖铲子”生意，具备轻资产、高毛利、现金流稳定的特点，依靠算法精度与数据积累建立技术壁垒，不需要承担新药研发的风险；但其局限性也较为明显，药企用于软件工具的支出占比较为有限，行业天花板相对前两种模式较低。

示例企业：薛定谔Schr?dinger、深势科技（仅为示例，不代表任何推荐）

声明：本资料仅用于投资者教育，不构成任何投资建议。我们力求本资料信息准确可靠，但对这些信息的准确性、完整性或及时性不作保证，亦不对因使用该等信息而引发的损失承担任何责任，投资者不应以该等信息取代其独立判断或仅根据该等信息做出决策。基金有风险，投资须谨慎。

本资料版权为易方达基金所有，所载文字、数据和图表等未经易方达基金书面许可，任何单位或个人不得以转载、复制、改编、二次创作等任何形式使用本资料。对于任何侵犯本资料版权的行为，易方达基金将保留依法追究侵权者法律责任的权利。