中邮证券：AI制药新周期核心竞争力在大规模高质量数据

11月4日，中邮证券发布医药生物行业研究报告，提出因果数据与机制理解的瓶颈已有突破口，AI+生物数据新基建正在崛起。

报告具体内容如下：

AIDD（AI-drivenDrugDiscovery，AI加速药物发现）新周期开启，这一轮和上一轮有何不同？

1）主要经济体同步加码AIforScience，AI制药正逐步成为AI巨头公司的战略主航道。2026年以来，谷歌、Anthropic等巨头把AI制药视作公司未来的重要增长引擎；

2）AI逐步深度参与MNC药物研发整个周期。

3）投资新潮初现：以训练下一代AI大模型为目标，工业化大规模产出扰动干预湿实验数据，搭建AI数据基础设施。

AI制药新周期的核心竞争力：大规模高质量有效数据。

只依托存量公开数据迭代模型，边际收益持续下降。

AI驱动药物研发要实现阶跃式进步，极度依赖高质量湿实验数据，而绕不开的是对疾病机制的理解。报告看好虚拟细胞（AIVC）成为揭示细胞系统的“编程语言”的接口，带动AI+生物基础设施建设。

1）数据该是什么样？业内现有的存量数据里，观测类占了很大比重，这类数据只能给出相关性判断；要想把因果关系立起来，就得靠大量干预、扰动实验数据。真正能让模型具备推演能力的，是动态状态，它也是AI虚拟细胞做动态仿真所依赖的核心数据底座。

2）眼下的缺口不小，专门做数据的厂商正在冒头。可用的高质量带标签扰动数据集，跟理论所需相比还差约1000倍，所以自建实验平台、攒出干预/扰动实验数据，成了下一代AI模型竞争里绕不开的一环。供给端已经聚起多方参与者：单细胞测序企业是重要的数据来源；类器官与器官芯片企业能产出接近生理环境的细胞实验数据；蛋白质组学企业靠自研质谱平台，做出转录组覆盖不到的功能蛋白和完整磷酸化修饰数据；还有部分生物医药企业开始把临床数据资产对外输出。光靠单一模态数据，很难把细胞复杂的运行逻辑还原完整，多组学融合的数据集合能把模型的认知偏差压下来。

投资展望：

1）湿实验需求是确定的。要把AI在生物学上的潜力全部释放出来，就必须产出海量全新的湿实验数据；这对数据瓶颈环节对应的工具栈来说，是长期利好。

2）AI对CXO影响：

CXO公司看法一致：AI制药会抬高候选分子数量，让上游客户的管线更厚，疾病覆盖领域随之拓宽，相关临床/临床前研究的复杂度也会上升，外包需求因此被带起来。过去的经验是，药物研发技术一革新、工具效率一提升，药企的研发总投入就持续往上走。假如AI驱动的研发投入能换回更高回报，药企整体的R&D总开支反倒会进一步扩张。