1、 医药生物/行业专题报告/2025.03.09 请阅读最后一页的重要声明！全球前沿创新专题报告（三）证券研究报告 投资评级投资评级:看好看好(维持维持)最近 12 月市场表现 分析师分析师 华挺 SAC 证书编号：S0160523010002 分析师分析师 赵千 SAC 证书编号：S0160524020001 分析师分析师 张文录 SAC 证书编号：S0160517100001 分析师分析师 邹一瑜 SAC 证书编号：S0160522100001 分析师分析师 赵则芬 SAC 证书编号：S0160524040003 AI 医药行业报告医药行业报告 核心观点核心观点 AI 组成的三大要素为：数据

2、、算力和算法。组成的三大要素为：数据、算力和算法。AI 制药数据的来源，包括了公开数据集、商业数据集、与药企合作获得的研发数据、企业自身研发积累的数据集、挖掘数据集、实验数据库、物理模拟生成的数据等。算力方面，GPU、云计算资源等基础设施的完善，为 AI 制药企业提供了重要的计算支撑。算法方面，包括机器学习（Machine Learning，简称 ML）、深度学习（Deep Learning，简称 DL）等多种类别，在不同的领域中各有优势。AI 制药与传统的制药流程基本上是一致的，通常包括：药物发现、临制药与传统的制药流程基本上是一致的，通常包括：药物发现、临床前研究、临床研究以及审批与上市四

3、个阶段。床前研究、临床研究以及审批与上市四个阶段。其中，药物发现阶段主要涉及靶点发现及验证、先导化合物发现、药物从头设计等。而临床前研究阶段则以晶型预测、化合物验证为主，包括稳定性分析、安全性评价和 ADMET 分析等。目前，AI 主要在药物发现和临床前研究两个阶段发挥作用。AI 生成模型在全新药物设计领域具有巨大的优势，因为它们在生成分生成模型在全新药物设计领域具有巨大的优势，因为它们在生成分子时不需要先验的化学知识。子时不需要先验的化学知识。这些模型可以在更广阔的未知化学空间中进行搜索，超越现有分子结构的限制，自动设计新的分子结构。在新药设计中，广泛使用的深度生成模型包括基于循环神经网络（

4、RNN）的生成模型、变分自编码器（VAE）和生成对抗网络（GAN）等。利用生成模型设计分子的过程具有高度的随机性，生成的分子在结构上呈现千变万化，质量也参差不齐。强化学习可以通过微调模型参数进行有针对性的优化，使生成的分子具备特定的药物分子特性。这种结合生成模型和强化学习的方法为全新药物设计提供了新的途径和可能性。投资投资建议建议：AI 技术与生物制药开发相结合，可以加速新药的发现和开发。通过整合多种数据类型和 AI 模型，可以更好地揭示新的生物学机制，预测新的药物靶点，并开发首创或最佳疗法，特别针对复杂疾病。建议关注 AI 医药行业，给予行业“看好”评级。风险提示：风险提示：产品研发进度不及

5、预期风险；竞争加剧风险；政策监管环境变化风险；药物研发服务市场需求下降的风险。相关报告1.医药行业新闻动态（3.5-3.6）2025-03-07 2.政府工作报告 2025 医药卫生方向 2025-03-05 3.从 Tempus 看 AI 给医疗投资带来 的变化 2025-02-25-20%-12%-5%3%11%19%医药生物沪深300上证指数 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业专题报告/证券研究报告 1 AI 制药行业介绍制药行业介绍.4 1.1 AI 制药的发展历程制药的发展历程.4 1.2 市场规模市场规模.5 2 AI 制药的产业链构成与政策制药的产业链构成

6、与政策.6 2.1 AI 制药的产业链构成制药的产业链构成.6 2.2 AI 制药相关政策制药相关政策.7 3 AI 制药技术原理制药技术原理.10 3.1 算力算力.10 3.2 数据数据.11 3.3 算法算法.12 4 AI 在制药行业中的应用在制药行业中的应用.13 4.1 AI 技术在药物发现中的应用技术在药物发现中的应用.14 4.1.1 靶点发现与验证靶点发现与验证.14 4.1.2 药物分子的设计和优化药物分子的设计和优化.15 4.1.3 AI 辅助药物分子筛选辅助药物分子筛选.17 4.2 AI 技术在临床前研究中的应用技术在临床前研究中的应用.19 4.2.1 ADMET