东吴医药AIDD专家产业链机遇系列第2场会议纪要

本次会议主要围绕AIDD（人工智能药物发现）领域展开，探讨了蛋白-小分子、蛋白-蛋白交互作用的深度学习及图神经网络模型进展，AlphaFold在蛋白结构预测中的应用，以及大语言模型在流程自动化方面的潜力。会议还分析了海外科技大厂如亚马逊、英伟达等在AI制药领域的布局，指出其更多以搭建蛋白生产平台和获取数据为目的。此外，会议深入剖析了基因合成技术、蛋白合成AI领域的发展，以及金思瑞等企业的技术优势与经营情况。会议强调了AIDD领域面临的新靶点数量少、药理机制不明、蛋白结构预测精度不足等核心难题，并对英矽智能等企业的技术路线进行了评价。

AIDD赛道未来发展趋势呈现多元化特点。一方面，蛋白结构预测技术将持续优化，如AlphaFold等基础模型将进一步提升精度，为药物设计提供更可靠的结构数据。另一方面，大语言模型的应用将更加广泛，通过自动化流程和调用生物信息学算法，提高药物研发效率。海外科技大厂将持续加大投入，围绕蛋白模型和AI创新实验室展开布局，推动AI制药技术的产业化进程。同时，国内企业在基因合成、蛋白合成AI等领域将加速追赶，形成差异化竞争优势。然而，新靶点开发、药理机制研究、模型与药物研发思维的融合仍是行业面临的主要挑战。

报告重点分析了金思维、Twist、英伟达、安诺（Anthropic）等企业的技术布局与经营情况。金思维在基因合成技术中处于全球龙头地位，尤其在化学法合成领域具有显著优势；Twist则在芯片高通量合成方面为全球唯一龙头。在蛋白合成AI领域，金思维和白银表现突出，其他药企/CDMO则可专注于大体积生产。金思瑞的蛋白表达业务预计明年整体增速达80%，其中AI相关业务将实现翻倍增长，传统业务增长50%。英伟达和安诺等科技大厂则通过建设AI创新实验室或虚拟细胞模型，围绕蛋白模型展开布局。

当前AIDD市场呈现科技大厂积极布局、国内企业加速追赶的态势。海外科技大厂如亚马逊、英伟达等已投入大量资源，通过合作与自研，推动AI制药技术的应用落地。国内企业在基因合成、蛋白合成AI等领域逐步缩小与国际先进水平的差距，如金思维在化学法合成领域已具备全球竞争力。然而，行业仍面临新靶点开发不足、药理机制研究滞后、模型精度有待提升等挑战。此外，AIDD模型的应用价值仍需进一步验证，单点优化难以完全满足药物研发的复杂需求。

研报提示AIDD领域面临多重风险。首先，新靶点数量少、现有靶点药理机制不明，可能导致大量药物在II期临床失败，影响研发效率。其次，蛋白结构预测技术虽取得进展，但侧链氨基酸朝向预测精度不足，仍需进一步突破。此外，药物设计需平衡亲和力、拖把、溶解度等多性质，单点优化难以满足整体需求，模型开发与药物研发思维存在差异。最后，通用语言模型仅能优化流程效率，无法解决药物研发这类科学问题，仍需依赖AlphaFold等基础模型的支持。这些因素均可能影响AIDD技术的实际应用效果。