AI 制药是我们近期研究和跟踪较多的一个方向。我们认为，它可能成为全球医药行业新的中长期增长逻辑，整个产业正在逐步从故事走向现实。做出这一判断，主要基于四个方面的变化。

其一，跨国药企正在持续增加对算力、专有数据、自动化实验平台和外部 AI 平台的投入。此前的所谓合作，多数停留在协议和公告层面；而近两年，头部药企开始将 AI 作为一项长期的研发基础设施来配置，投入的性质和规模都发生了变化。其二，全球主要大模型和科技平台企业也在积极布局生命科学，并将药物研发视为重要的应用场景，这意味着最优秀的算法人才和最前沿的模型能力开始进入这一行业。其三，全球一级市场上一批头部 AI 制药公司获得了较大规模融资，资金正在向少数能够同时具备模型、数据、人才和管线的平台集中。其四，也是距离经营层面最近的一条，部分处于产业链关键节点的公司，已经出现 AI 相关订单较快增长、交付和初步复购的情况。

这些变化表明，AI 制药正在从技术概念和合作预期，逐步进入资源投入、产业协作和经营验证阶段。但需要说明的是，上述变化目前仍只是一些迹象，融资和合作本身并不能替代临床成功、持续收入和最终投资回报的验证，据此还不能得出 AI 在药物研发领域已经应用成功的结论。

就现阶段而言，AI 对早期研发的加速作用相对明确。从一个靶点假设出发，完成分子的设计、合成与筛选优化，这一段的效率提升已经能够被观察到，也是目前最接近产业化的价值环节。

但我们认为，AI 制药的长期竞争壁垒可能不在单一模型，而在于企业能否形成"计算设计—湿实验验证—数据回流—模型迭代"的闭环。一方面，模型能力正在快速商品化，前沿算法的领先窗口不断缩短，单纯的模型优势较难长期保持；另一方面，模型可以在很短时间内生成大量分子，而每一个被选中的分子，最终都需要被真实地合成、表达、检测，并在动物体内完成验证。计算端越快，湿实验端承受的压力就越大。因此，这一轮 AI 制药的瓶颈可能并不在算力，而在湿实验的通量、成本与周期。只有通过实验不断验证或证伪模型假设，并将高质量的成功和失败数据持续反馈给模型，算法能力才可能转化为更高的研发效率和更好的候选资产。

沿着这一逻辑，我们对中国在这一轮产业变化中的位置持相对积极的看法。中国在研发人才、工程化能力、湿实验执行、研发服务供给和成本效率等方面具备一定比较优势。过去二十年，围绕化合物合成、蛋白表达、药理药效、动物模型和安全性评价，国内建立起了较为完整的研发服务体系，在产能规模、响应速度和成本水平上具有全球竞争力。这套能力此前更多被视为成本优势；当行业的瓶颈环节落在湿实验，它的战略价值有可能被重新认识。我们判断，中国有机会在干实验与湿实验深度结合的方向形成全球竞争力。

具体到投资，我们既关注具备真实算法、专有数据、自动化实验能力和管线验证结果的 AI 制药企业，也关注可能受益于研发活动增加和实验迭代加速的早研服务、基因与蛋白合成、生命科学工具及实验室自动化等产业链公司。前者的弹性来自平台产出和资产价值，最终仍需由人体数据作出验证；后者的逻辑不依赖于押中某一个模型或某一款药物，但取决于实验总量能否真正扩张，以及新增收入能否转化为利润。两类公司的驱动因素和风险来源并不相同，不宜放在同一标准下比较。

选股时，我们将重点考察干湿实验闭环能否真正运转、实验数据能否持续回流、客户和订单是否具有持续性、订单能否转化为收入，以及平台能否保留下游资产的经济权益。

AI 制药是一个需要用较长时间来验证的方向。产业趋势已经比较清晰，但从资源投入到经营兑现、再到研发成功率的实质提升，仍需要一轮一轮的实验和数据来完成。我们会保持跟踪，也会保持耐心。

易方达基金 杨桢霄

2026年8月14日

声明：本手记的观点、分析及预测仅代表作者个人意见，不代表易方达基金管理有限公司（以下简称“本公司”）立场，也不构成对阅读者的投资建议。本公司或本公司相关机构、雇员或代理人不对任何人使用此全部或部分内容的行为或由此而引致的任何损失承担任何责任。未经本公司事先书面许可，任何人不得将此报告或其任何部分以任何形式进行派发、复制、转载或发布，或对本专栏内容进行任何有悖原意的删节或修改。基金有风险，投资须谨慎。