伯恩斯坦：中國AIDD賽道價值將流向數據與縱向整合者
nashnova research
伯恩斯坦最新研報認為，中國AI藥物發現（AIDD）賽道的價值不會被模型開發者贏家通吃，而將流向擁有專有數據和全鏈條執行力的整合者——這意味著選股邏輯要從「誰的算法強」轉向「誰的數據厚、誰能把藥推到上市」。
中國AIDD賽道現在跑到哪了？
2023年至2026年第三季度，中國AIDD公司的管線資產從47項增至219項，擴大逾四倍。
AI相關許可交易金額佔中國來源許可交易的比例已升至約25%；2026年前三季度全球AI相關許可交易總額達540億美元，超過2025全年的310億美元。
這意味著→ 無論管線數量還是資金體量，AIDD已經不是概念階段，而是進入了可被量化追蹤的產業周期。
發現速度快了，為甚麼不等於成功率高了？
AIDD公司從命中化合物到首次人體試驗約需22個月，傳統大型藥企基準約59個月——發現環節明顯提速。
但伯恩斯坦強調，目前幾乎沒有證據表明AIDD項目在Ⅰ期或Ⅱ期臨床推進率上持續優於傳統藥企。
簡單來說＝ AI令「找到候選分子」變快了，但「候選分子能不能變成藥」這一步，仍未見到系統性改善。
研報援引《自然·藥物發現綜述》模擬研究指出：將失敗率降低20%，比同等幅度的提速或節省開支，更能降低每款獲批藥物的開發成本。這意味著→ AI的終極考驗不是「生成更多分子」，而是改善臨床決策、降低失敗率。
瓶頸從算法轉向數據，意味著甚麼？
伯恩斯坦認為，行業瓶頸正從算法能力轉向具有預測力的生物學數據、轉化相關性及臨床反饋。
下一代AI平台很可能不僅靠更大的模型，也靠更豐富的生物學和人體數據。
這反映出一個關鍵轉向：當模型能力逐漸趨同，數據的稀缺性和質量才是護城河——這與AI在其他行業的演進邏輯一致。
伯恩斯坦的「三類贏家」是誰？
第一類：開發領先基礎模型與生成式設計平台的前沿AI公司。
第二類：擁有專有生物學數據、高通量實驗能力和生產基礎設施的大型服務與數據提供商，包括CRO（合同研究機構）和CDMO（合同開發生產機構）。
第三類：將AI與從發現、開發到商業化全過程結合的一體化生物製藥企業。
伯恩斯坦在覆蓋範圍內點名了CDMO中的藥明康德，以及生物製藥領域的信達生物、恒瑞醫藥、翰森製藥。
許可交易火了，但錢到手了嗎？
AI資產佔跨國藥企引進許可交易總額的比例，已從2020年的4%升至2026年前三季度的約30%。
但按每項資產計算的首付款，並未持續高於非AI交易。
簡單來說＝ 公告上的總金額大漲，反映的是跨國藥企的戰略興趣增強，但大量承諾資本仍取決於未來里程碑交付——錢還沒真正到賬。
這套邏輯怎麼驗證？
伯恩斯坦的核心判斷：當AI從分子設計走向轉化生物學和臨床預測時，可持續優勢將出現在數據所有權與全鏈條執行力上，而非單純的模型能力。
研報關注的可觀察指標包括：管線推進、許可交易驗證、研發生產率、數據所有權及產業鏈執行力。
這意味著→ 檢驗這套邏輯的關鍵節點是：上述公司後續的管線推進數據和許可交易首付款是否能兌現——投資者可以據此設定自己的觀察清單。
市场有风险，内容仅供研究参考，不构成投资建议。