猜你想问
AI For Science是什么？
AI For Science（人工智能驱动科学研究）是大模型能力提升的关键验证场景，能解决大模型缺乏落地场景的担忧，并将AI作用延伸至真实世界，缩短物质研发周期。它覆盖材料、生命科学、化学、物理、医药等领域，其中医药/制药领域是重要细分赛道，AlphaFold等技术已实现从蛋白结构预测向药物生成的突破。大模型厂商（如Anthropic）正加速布局AI For Science，推出Cloud Science等平台，扮演“AI科学家”角色，完成论文分析、数据处理、实验设计、分子序列生成等科研前端工作。
医药AI制药如何应用？
医药AI制药聚焦新药研发的临床前研究/分子筛选环节，传统流程中分子筛选环节效率低、难以预测复杂蛋白靶点。现有AI制药落地场景：大模型生成分子/抗体序列，企业（如金斯瑞生物科技）完成高通量合成，通过体外实验获取数据反哺模型，已实现实质落地并兑现业绩。AI制药的需求逻辑：当前核心需求为抗体生成，未来有望拓展至药物靶点的药效/药理分析，放大新药早期研发需求；大模型快速生成分子的能力可解决传统“手搓”分子速度慢、难以应对难靶点的问题，扩容创新药研发产业链市场空间。
医药AI赛道投资机会在哪里？
关注AI For Science相关标的，重点聚焦医药创新药研发上游、科研服务板块，这类板块本身具备业绩支撑（如国内CDMO企业受益于创新药研发投入增加，业绩向好、估值较低），叠加AI For Science的新叙事，有望提升估值空间。关注具备AI+医药落地案例、尤其是已实现业务/业绩落地的相关企业（如港股相关生物科技标的）。
医药AI市场现状如何？
当前AI制药主要在分子筛选环节落地，大模型生成分子/抗体序列，企业完成高通量合成并通过体外实验获取数据反哺模型，已实现实质落地并兑现业绩。但AI For Science的商业化规模仍需观察，当前仅在分子筛选环节落地，后续拓展至全流程、更大场景的进度存在不确定性。大模型在科学研究中的能力提升速度也影响行业发展节奏。
医药AI投资风险有哪些？
AI For Science的商业化规模仍需观察，当前仅在分子筛选环节落地，后续拓展至全流程、更大场景的进度存在不确定性。技术迭代速度可能不及预期，若大模型在科学研究中的能力提升放缓，将影响行业发展节奏。相关企业的业绩兑现程度仍需跟踪，目前仅部分企业在局部环节实现落地，整体产业链的需求放大节奏存在变数。