人工智能AI制藥產業(yè)發(fā)展分析

1、人工智能AI制藥產業(yè)發(fā)展分析破曉過后，初日照林人工智能+醫(yī)療與生命科學概念界定院前院中（內）預約就診預檢分診藥物研發(fā)基因研究診前診中診后患者隨訪康復管理健康管理臨床診斷臨床治療 病歷錄入藥物檢索醫(yī)學知識庫醫(yī)保支付排隊取藥報告獲取取號導診排隊影像輔助診斷影像輔助治療疾病史關聯(lián)CDSS/病案質控AI醫(yī)療機器人疾病分組醫(yī)學數(shù)據(jù)管理院后借助AI技術介入醫(yī)療環(huán)節(jié)，以提高醫(yī)療服務效率為核心目的人工智能+醫(yī)療與生命科學，是在協(xié)助人或解放人的狀態(tài)下，以提升院內外醫(yī)療服務效率效果為目的、以人工智能為核心 干預技術手段介入傳統(tǒng)的院內外醫(yī)療環(huán)節(jié)，從而產生相應軟硬件產品的新型醫(yī)療應用技術，本報告于后文中將人工智能+

2、醫(yī)療與生命科學簡稱為AI醫(yī)療。因AI醫(yī)療需AI技術結合具體的醫(yī)療場景方能釋放與彰顯其具象的原理與作用，故其具有很 強的場景關聯(lián)性。按應用場景分類，人工智能+醫(yī)療與生命科學主要分為AI醫(yī)療影像、CDSS、智慧病案、AI制藥、醫(yī)療數(shù) 據(jù)智能平臺、AI醫(yī)療機器人、AI基因分析等細分應用技術。由于AI基因分析在我國的發(fā)展處在早期雛形階段，商業(yè)模式與 規(guī)模釋放尚不清晰，故在本報告中，AI基因分析不予討論。AI制藥的下游服務市場為藥企，而其他應用技術的下游主要覆 蓋范圍都為醫(yī)院，少部分應用會在院外市場中使用，如AI醫(yī)療服務機器人應用于康養(yǎng)機構環(huán)境消毒，醫(yī)學數(shù)據(jù)智能平臺應 用于醫(yī)學研究中心統(tǒng)計數(shù)據(jù)與疾病研究

3、等。人工智能+醫(yī)療與生命科學范圍界定院外4遠程醫(yī)療465995138200282385202941588812917926.5%62.1%45.6%44.9%40.9%36.3%201920202021e2022e核心軟件與AI醫(yī)療機器人（億元）核心軟件（億元）2023e2024e2025e核心軟件與AI醫(yī)療機器人同比增長率（%）AI醫(yī)療市場規(guī)模注釋：核心軟件包括文中提及的AI醫(yī)療影像、CDSS、智慧病案、醫(yī)學數(shù)據(jù)智能平臺、AI制藥；因AI醫(yī)療機器人的硬件收入比重大，故不將其納入核心軟件核算。 來源：研究院根據(jù)中國衛(wèi)生統(tǒng)計年鑒、專家訪談、公開資料自主研究建模并繪制。CDSS29.8%智慧病案2

4、1.6%醫(yī)學數(shù)據(jù) 智能平臺 14.0%AI醫(yī)療影像 7.1%AI制藥2.5%AI醫(yī)療影像市場規(guī)模 首次超越CDSS18AI醫(yī)療影像進入發(fā)展快車道，手術機器人地位穩(wěn)固隨著AI醫(yī)療影像企業(yè)獲取三類證的步履加快，以及IPO沖刺的階段性勝利，雙重紅利將帶動中國AI醫(yī)療核心軟件市場規(guī)模 快速增長。據(jù)建模測算，2020年中國AI醫(yī)療核心軟件市場規(guī)模為29億元，其中CDSS市場占有率為29.8%，AI醫(yī)療影 像為7.1%，而到2023年，AI醫(yī)療影像市場規(guī)模將首次超越CDSS，成為AI醫(yī)療核心軟件中市場占有率最高的產品。除核 心軟件外，AI醫(yī)療機器人也為總體的AI醫(yī)療市場規(guī)模注入強勁的增長動力。因手術機器人

5、屬于核心軟件與高級硬件器材組 合的臨床治療產品，高昂的單價及臨床稀缺性決定了其不可撼動的市場規(guī)模地位?？傮w而言，市場呈現(xiàn)高增長狀態(tài)， 2020-2025年CAGR=45.7%，總規(guī)模在2025年將達385億元。2019-2025年中國AI醫(yī)療市場規(guī)模CAGR=45.7%產品成熟度象限商業(yè)化進度人 工 智 能 技 術 成 熟 度探索研發(fā)類產品注釋：以上產品為不完全列舉，選取的產品為市場具備代表性的產品。傳統(tǒng)技術類產品技術商業(yè)化產品與探索研發(fā)類產品密集度高從人工智能技術成熟度與AI醫(yī)療產品的商業(yè)化進展角度出發(fā)，將本報告中提到的主要產品進行了象限分類和總結。AI 醫(yī)療影像產品、智慧病案、CDSS、醫(yī)

6、學數(shù)據(jù)智能平臺、醫(yī)療服務機器人均已進入技術商業(yè)化區(qū)域，AI制藥、手術機器人、 輔助機器人、基因檢測等更多扎堆于探索研發(fā)區(qū)域，而迭代創(chuàng)新區(qū)域尚未出現(xiàn)典型產品。中國AI醫(yī)療產業(yè)部分現(xiàn)有產品分類象限迭代創(chuàng)新類產品技術商業(yè)化產品目前市場空缺病理智慧病案CDSS 醫(yī)學數(shù)據(jù)智能平臺肺部影像眼底影像骨科影像冠脈影像腦部影像影像乳腺影像醫(yī)療服務機器人骨科機器人輔助機器人手術導航外骨骼康復機器人靶點發(fā)現(xiàn) 晶體預測手術規(guī)劃神外機器人腹腔機器人化合物合成血管介入機器人基因檢測LISHRPCIS CADEHREMRPACS RIS硬件 耗材2155切入賽道：AI制藥非醫(yī)療器械篇藥物相關概念原研藥、創(chuàng)新藥研制時間長、獲

7、利高，仿制藥價格優(yōu)勢明顯按藥品管理類別來講，藥品批準上市有三類藥：原研藥、創(chuàng)新藥和仿制藥，三類藥品都由原料藥和輔料合成。原研藥又叫 原創(chuàng)藥或正版藥，具備藥品專利（一般為20年），花費10-15年時間研發(fā)，通常只有大型跨國藥企具備研制能力，藥品價 格高昂。創(chuàng)新藥具有自主知識產權（一般為10年），其在已有藥物基礎上做改進修飾，提高藥物生物使用率，強調新穎的 化學結構或新治療用途，可打破原研藥的專利壁壘；與仿制藥相比，創(chuàng)新藥并非完全模擬原研藥，具備“仿中有創(chuàng)、創(chuàng)中 有新”的特點。仿制藥以原研藥為研制藍本，在劑量、安全性、效力、質量、藥效以及適應癥上都與原研藥相同或相似， 是原研藥的仿制品；原研藥專利

8、到期后，才可進行仿制，仿制藥的價格為原研藥的10%40%不等；仿制藥一出，往往導 致專利懸崖的現(xiàn)象。從售價來看，呈現(xiàn)出原研藥創(chuàng)新藥仿制藥的排列。仿制藥的藥物信息公開透明，基本可以復制原來的藥物結構，一般很少使用AI制藥工具?，F(xiàn)有藥物種類介紹Best-in-class藥物原研藥仿制藥創(chuàng)新藥原料藥輔料首創(chuàng)新藥派生藥FIC藥物Me-tooMe-better含化學小分子藥、生物大分子藥、中藥及其他藥品FIC（First in class）即首創(chuàng)新藥，針對新 靶點，是全新的化合物，是新藥理機制的 第一代藥物根據(jù)公開的FIC藥物信息，充分 研究FIC分子架構得出藥效相似 的藥物有FIC藥物做支撐，研發(fā)風險

9、低由于產品種類多、同質化明顯， 派生藥的市場競爭比首創(chuàng)新藥 更激烈國內 主要 種類國內目前正處于仿制藥向創(chuàng)新藥轉型的戰(zhàn)略階段來源：研究院根據(jù)公開資料自主研究繪制。56AI制藥釋義及應用場景3-6年，大于5億美金6-7年，大于4億美金靶點發(fā)現(xiàn)化合物篩選患者精準招募藥物重定位遞 交 臨 床 申 請遞 交 生 產 申 請科研與藥物發(fā)現(xiàn)臨床前研究臨床試驗藥物 研發(fā)階段 成本ML數(shù)據(jù)整合AI技 術應 用NLP關系挖掘KG關系搭建CV高通量篩選DL虛擬藥物 篩選ML ADMET量 化分析ML臨床試驗與患者自動匹配ML已曝光藥物與患者多靶點 交叉匹配ML效果預測 ML風險模擬ML風險預警5千1萬 個化合物

10、篩選 1種藥250個化合物， 成功率為2.5%成功率為0.01%藥物 篩選 漏斗化合物合成晶型預測審批上市IV期臨床（選擇性）包裝線產品檢查藥效考察產品追溯性分析不良反應監(jiān)測CV藥品包裝檢測ML缺陷端到端 追溯分析0.5-2年，1億 美金臨床試驗設計優(yōu)化I期臨床5個化合 2030個病例II期臨床物，成功率為=100個病例III期臨床0.05%=300個病例ML患者疾病史數(shù)據(jù)追蹤周期不定，回本 獲利=2000個病例耗時10-15年來源：研究院根據(jù)公開資料自主研究繪制。57優(yōu)化研發(fā)流程，解決“三高一低一慢”AI制藥研發(fā)的是原研藥與創(chuàng)新藥，它們的研發(fā)周期長于仿制藥，研發(fā)流程要經歷科研與藥物發(fā)現(xiàn)、臨床

11、前研究、臨床試驗 及審批上市四個階段。原研藥與創(chuàng)新藥的研發(fā)專業(yè)性強，一般耗費10-15年的時間與超過10億美金的資金，且實驗風險大， 具備高技術、高投入、高風險、低成功率、審批慢的痛點。對此，AI制藥在新藥研發(fā)領域迎來發(fā)展契機。AI制藥是一種以 醫(yī)藥大數(shù)據(jù)為學習研究土壤，運用NLP、CV、知識圖譜、機器學習、深度學習等AI技術參與制藥過程，以計算、預測、尋 找合適的、新興的有機物化學反應、潛在藥物分子并觀察藥物臨床效果的技術手段。目前，AI制藥主要應用于靶點發(fā)現(xiàn)、 化合物合成、化合物篩選、藥物晶型預測、患者招募、藥物重定向與臨床試驗設計優(yōu)化等場景。原研藥與創(chuàng)新藥研發(fā)流程圖AI技術多流程賦能新藥

12、研發(fā)場景各類AI技術相互配合，推進藥物研發(fā)提質增效患 者 數(shù) 據(jù)基因組學蛋白組學代謝組學臨床信息NLP+ DL靶標 數(shù)據(jù)集非靶標 數(shù)據(jù)集疾 病 靶 向 分 子傳統(tǒng)方法依賴文獻基礎，耗費數(shù)年甚至數(shù)月，發(fā)現(xiàn)全新靶點的成功率低借助NLP+DL，可快速識別患者數(shù)據(jù)中 的身體變異數(shù)據(jù)，通過靶標數(shù)據(jù)庫高效 定位潛在的靶標分子利用ML或DL學習海量現(xiàn)存的化學反應預測在任意單一步驟中可以使用的化學 反應，解構所需分子，計算出供候選的 化合物結構，將分子結構進行組合化 合 物 篩 選高通量篩選虛擬藥物篩選使用圖像識別改良基于分子結 構/作用靶標DLCV高通量篩選是目前藥物開發(fā)的主要方式， 被稱為藥物機器人篩選系

13、統(tǒng)，但采用CV 技術可高效完成化合物特征的自動識別， 是未來高通量篩選的優(yōu)化方向虛擬藥物篩選可避免巨額資金投入，直 接在計算機上模擬篩選過程，預測化合 物活性藥物晶型受壓力、熱度等外界 因素的影響，晶型結構會發(fā)生 變化，這會影響藥物的生物利 用度和最終療效AI結合實驗的晶型預測與篩選 技術可在23周選出穩(wěn)定性強 的最佳藥物晶型，加速研究輸入分子并進行 晶體結構檢索能量過濾器 與聚類分子結構優(yōu)化與 自由能計算聚 類 算 法受試者招募是藥物臨床試驗的 一大障礙，是臨床試驗中耗費 漫長時間與高昂成本的步驟采用NLPMLDLOCR等技術 提取患者數(shù)據(jù)，可在短時間內 為藥物實驗匹配合適的患者受 試 者

14、信 息識 別 與 匹 配藥物實驗方案醫(yī)療記錄 智慧病案 病理報告 影像信息 語音信息 醫(yī)學文獻NLP ML DL OCR KG歷史實驗數(shù)據(jù)NLP+ DL挖掘成功經驗避免常見問題臨床試驗以人為研究對象，需設計對照組實驗使臨床試驗方案避免常見的遺 漏、安全等重復性問題DLDL化 合 物 結 構候 選 化 合 物 結 構DL+ML利用基 于骨架 躍遷或 衍生生 成模型輸出輸 入藥物重定位又稱老藥新用，具有研發(fā)成本低、開發(fā)時間短的優(yōu)點，利用NLP+DL可從海量臨床試可用老藥治療常見或罕見的疾病驗數(shù)據(jù)中總結成功和失敗經驗， 傳統(tǒng)的藥物重定位很大程度是隨老 藥新 靶 點機或偶然所得，采用DL建立疾 病靶點

15、藥物關聯(lián)模型， 可加速藥物重定位研發(fā)進程，形 成體系化的重定位方法論新適 應 癥NLP+DL來源：研究院根據(jù)公開資料自主研究繪制。5859行業(yè)發(fā)展驅動力（1/3）慢性病負擔加重，國產創(chuàng)新藥品替換空間巨大從疾病負擔上看，我國的心血管疾病與癌癥負擔最重，且隨著我國人均期望壽命的延長與老齡化加劇，慢性呼吸疾病、糖 尿病與腎病、肌肉骨骼失調等慢性疾病負擔將會加重。此外，疫情的出現(xiàn)警示了眾人傳染病這一威脅。由此，針對各類慢 性病、癌癥與傳染性疾病，自主研發(fā)創(chuàng)新藥物、改善國人健康水平已成為制藥的一大趨勢。從上市新藥情況看，2016- 2020年我國累計上市200多個新藥，與疾病負擔相對應，抗腫瘤藥上市占比

16、最大，但除了抗腫瘤藥以外的藥物占比在擴大， 上市新藥種類愈加豐富?？傮w而言，上市新藥主要還是來自跨國創(chuàng)新藥企，用AI技術服務我國藥企、研發(fā)利國利民的新藥， 替換跨國藥企藥品市場的空間巨大。來源：研究院根據(jù)麥肯錫公開資料自主研究繪制。來源：研究院根據(jù)RDPAC、GBI Health公開資料自主研究繪制。年齡患病可能性心血管 疾病肌肉 骨骼 失調癌癥糖尿病 與腎病慢性呼吸疾病消化 疾病解釋：氣泡越大代表疾病負擔越大疾病為不完全列舉氣泡之間相互獨立精神 疾病神經系統(tǒng)疾病呼吸道感染與結核病腹瀉與腸道感染皮下組織疾病中國總體疾病負擔情況2016-2020年中國累計上市新藥情況5 年間累計上市200個新藥

17、上市新藥主要來 自跨國創(chuàng)新藥企20172016抗腫瘤藥 神經系統(tǒng)2018消化道及代謝 呼吸系統(tǒng)20192020心血管系統(tǒng) 其他7個41個54個53個45個71%32%43%32%24%27%30%38%42%17%29%2%17%11%7%11%7%7%6%8%11%10%9%4%2%4%60行業(yè)發(fā)展驅動力（2/3）來源：研究院根據(jù)公開資料自主研究繪制。創(chuàng)新藥研發(fā)增添新舉措，帶量采購驅動藥企回歸藥研本身2018-2021年，市場監(jiān)督管理總局、藥監(jiān)局、知識產權局等發(fā)布了一系列醫(yī)藥政策，組織進行了與醫(yī)改相關的工作，同 時，科技部、工信部、發(fā)改委等發(fā)布了AI相關政策。在醫(yī)藥領域政策中，新修訂藥品管理

18、法、十四五生物醫(yī)藥發(fā)展規(guī) 劃等政策為創(chuàng)新藥研發(fā)注入發(fā)展推力；帶量采購政策取得明顯成效，合理控制仿制藥價格，鼓勵藥企將成本更多投入到創(chuàng) 新性的臨床藥物研發(fā)中；醫(yī)保談判成功藥品數(shù)量增多，讓更多新藥納入醫(yī)保合理支付范圍。此外，AI領域政策從技術發(fā)展 與醫(yī)療行業(yè)應用結合方面推動AI制藥向前發(fā)展。2018-2021年中國AI制藥政策醫(yī) 藥 領 域AI領 域201820192020未來2021119種藥品醫(yī)保談判成功“4+7”城市藥品集中采購 文件發(fā)布25個品種入選，平 均降幅52%，最高降幅96%52個品種，平均降幅超70%，第三輪藥品帶量采購完成接受藥品境 外臨床實驗 數(shù)據(jù)調整藥物臨床試 驗審評審批程

19、序97種藥品醫(yī)保談判成功藥品管理法 修訂十四五生物醫(yī)藥產業(yè)發(fā)展規(guī)劃藥品注冊管理辦法修訂藥品專利糾紛早 期解決機制實施 辦法（試行）新一代人工智能產 業(yè)創(chuàng)新重點任務揭 榜工作方案國家新一代人工智能 標準體系建設指南充分發(fā)揮人工智能賦 能效用，協(xié)力抗擊新 冠疫情國家新一代人工智 能創(chuàng)新發(fā)展試驗區(qū) 建設工作指引關于促進人工智能和實體經濟深度融合的指導意見數(shù)據(jù)安全法頒布與實施醫(yī)保談判，推動醫(yī)保合理價支付擴充數(shù)據(jù)鼓勵創(chuàng)新藥研發(fā)帶量采購，以量換價，專注研發(fā)，保質保量推動AI技術發(fā)展61行業(yè)發(fā)展驅動力（3/3）價值釋放與疫情驅使令資本市場升溫，未來恢復穩(wěn)增長態(tài)勢據(jù)不完全統(tǒng)計，2018-2021年10月，國內

20、共有52起AI制藥融資事件，累計獲投金額為93億人民幣。從融資趨勢看， 2020年后AI制藥融資異軍突起，與2019年相比，融資事件數(shù)與融資金額皆呈現(xiàn)大幅度增長，投融資火速升溫，究其原因， 一方面是AI在藥物研發(fā)上的價值逐漸釋放，如對靶點、化合物結構、生物基因序列等數(shù)據(jù)可進行快速研發(fā)，另一方面是新 冠疫情的爆發(fā)讓AI制藥的使用緊迫度提升，國家層面或商業(yè)層面都希望快速破解新冠病毒的基因序列、找到可以對抗該病 毒的藥物或疫苗，可以說疫情為AI制藥企業(yè)的融資提供了歷史性的契機。從融資輪次分布情況看，多數(shù)融資事件處于A輪 與天使輪， 這意味著更多的AI制藥企業(yè)剛完成孵化， 產品也處于早期投入研發(fā)階段，

21、 目前僅有晶泰科技、Insilico Medicine（香港）進入C輪融資。從融資用途來看，藥物發(fā)現(xiàn)階段的融資分布最廣，企業(yè)基本在靶點發(fā)現(xiàn)與化合物合成階 段扎堆。艾瑞認為，隨著資本在未來逐漸恢復理性，資本會有所降溫，但基本維持穩(wěn)定投資態(tài)勢。來源：研究院根據(jù)動脈網(wǎng)、IT桔子融資統(tǒng)計自主研究繪制。來源：研究院根據(jù)動脈網(wǎng)、IT桔子融資統(tǒng)計自主研究繪制。2018-2021年10月中國AI制藥融資事件數(shù)量及金額2018-2021年10月中國AI制藥融資輪次及用途919721211112321藥物發(fā)現(xiàn)階段臨床前研究藥物發(fā)現(xiàn)階段、臨床前研究其他7713252.23.425.262.220182021.102

22、019數(shù)量（個）2020金額（億元）競爭格局與產品現(xiàn)狀解讀AI制藥公司領跑，市場暫時寡占，產品交付物為計算結果國內市場：AI制藥企業(yè)為賽道先鋒者，是市場集中度的主要貢獻者，市場結構為寡占型，市場處于原始競 爭階段，未來集中度有望分散。目前國內AI制藥企業(yè)有海外業(yè)務，但海外AI制藥企業(yè)尚未踏足中國市場Insilico Medicine（香港） 、冰 洲石生物科技、星藥科技競爭優(yōu)勢：AI技術能力強，算法 研究與藥物物理模型搭建具備相 當?shù)膶I(yè)性；具備一定的AI、醫(yī) 藥學術能力缺陷：藥物研發(fā)一體化服務能力 以及承擔大型、多數(shù)量臨床藥物 試驗的能力差；數(shù)據(jù)積累不足康龍化成、凱萊英競爭優(yōu)勢：具有大量 現(xiàn)

23、實世界的藥物調研 數(shù)據(jù)積累；藥企渠道 豐富；資金雄厚；具 備臨床試驗基礎設施 準備；項目經驗豐富缺陷：AI技術能力弱AI制藥公司CRO企業(yè)藥企互聯(lián)網(wǎng)企業(yè)典型企業(yè)：晶泰科技、望石智慧、 典型企業(yè)：藥明康德、 典型企業(yè)： 默沙東、賽諾菲、GSK 、豪森藥 業(yè)、劑泰醫(yī)藥競爭優(yōu)勢： 與 CRO類似， 還 有領先的學術 經驗缺陷： AI 技術 能力弱典型企業(yè)：BAT 、 字節(jié) 跳動競爭優(yōu)勢： 自有算力資 源供訓練； 資金雄厚缺陷： 數(shù)據(jù) 積累與行業(yè) 經驗不足競 爭 格 局海外AI制藥企業(yè)典型企業(yè)： Exscientia （英國）、 Atomwise（美國）、 Benevolent AI（ 英 國 ） 、

24、 Recursion（ 美 國 ） 、 Valo Health（美國）競爭優(yōu)勢：AI技術與 醫(yī)藥學術能力先進， 藥物數(shù)據(jù)積累豐富， 新藥研發(fā)經驗豐富缺陷：不易進入中國 市場按 病產種品 現(xiàn) 狀按 分 子心血管 疾病+ 抗腫瘤化學小分子分子產品類型原因： 這兩類藥物與 業(yè)界關注、討論較多的GPCR&G蛋白酶與 G蛋白偶聯(lián)降解等靶點 技術高度關聯(lián)原因：小分子藥物易制 成、細胞穿透性強，結 生物大 構簡單、性質已知，開發(fā)門檻低；生物大分子 穩(wěn)定性差，研發(fā)風險與 門檻高、成功率低AI模型/物理 模型CRO規(guī)模測試各類數(shù)據(jù)集平臺在云端進行模型訓練藥物結構結果產品生產流程與交付產品形式生產流程：藥企將靶點

25、發(fā)現(xiàn)或晶型預測等復雜度高的研發(fā)環(huán)節(jié)外包給AI制藥企業(yè)（類似CRO），而后歷經數(shù)據(jù)采集模型部署模型上云訓練CRO規(guī)模測試藥物結構結果交付的流程交付產品形式：最終交付的是一個計算好的、測試誤差在可容忍范 圍內的分子結果，而不是軟件應用來源：研究院結合專家訪談與公開資料自主研究繪制。62產業(yè)鏈與商業(yè)模式解析下游上游文獻數(shù)據(jù)集商業(yè)數(shù)據(jù)庫客戶數(shù)據(jù)庫部分藥物篩選不需要 數(shù)據(jù)集，使用物理模 型即可AI模 型 數(shù) 據(jù) 集公開數(shù)據(jù)集中游盈利模式：與下游企業(yè) 擬定合同，合同內容包 括藥物研發(fā)服務類型與 服務階段，完成到第幾 期就收取第幾期的收入產品形態(tài)：采用上游數(shù) 據(jù)集進行模型的搭建、 訓練，訓練工具是自己 內部

26、的，集數(shù)據(jù)庫、模 型庫、AI開發(fā)工具于一 體的平臺，而不是為下 游做平臺定制化開發(fā)算力需求： 進行 大規(guī)模的分子篩 選模型訓練需要 借助云廠商的云 上算力資源， 現(xiàn) 在以經濟實惠的 CPU計算居多CPU GPU租用云化 算力資源開發(fā)訓練藥物分析與試驗外包需求： 藥物分 析與試驗需要實驗 基地， 需借助實驗 室基礎好的CRO企 業(yè)幫助， 完成整個 藥物研發(fā)閉環(huán)， 最 終試驗結果作為交 付物給到藥企銷售模式：基本為直 銷，售賣的是藥物研 發(fā)階段的外包服務， 直接與藥企對接，不 太需要借助經銷商或 代理商收費區(qū)間：藥企會挑 選研發(fā)管線交給乙方 去承包，一般的Me- too藥物幾百萬/單， 難度較高的

27、FIC/BIC 藥物幾千萬/單藥企AI制藥企業(yè)/CRO/其他云服務廠商CRO企業(yè)存在租用云化算力與服務外包需求，分階段獲取收入產業(yè)鏈方面，AI制藥的上游為AI模型數(shù)據(jù)集供應或物理模型供應；中游為藥物研發(fā)的主體即AI制藥企業(yè)、CRO企業(yè)或其他 企業(yè)，云化算力的供應方即云服務廠商，藥物分析與試驗外包服務的供應方即CRO企業(yè)；下游為新藥研發(fā)的需求者即藥企。 以AI制藥企業(yè)為主體，從產業(yè)鏈各環(huán)節(jié)可以看到AI制藥早期商業(yè)模式的全貌：1）產品形態(tài)：企業(yè)與藥企簽訂藥物研發(fā)階 段的外包合同，承包某些藥物管線的早期研發(fā)工作，本質上提供的是服務，最終交付運算好的藥物分子結構結果，而非藥 物研發(fā)軟件；2）盈利模式：

28、合同中擬定不同的階段，對應不同的收入，完成指定階段的任務即可獲取該階段的收入；3） 銷售模式：以直接對接藥企的直銷模式為主導，不太存在渠道銷售的需求；4）運營模式：B2B式的運營模式。當前國內AI制藥產業(yè)鏈與商業(yè)模式來源：研究院結合專家訪談與公開資料自主研究繪制。636328755515209201920202021e2022e2023e2024e2025e2743739298552647439960811191796253921.0%100.0%79.0%41.7%39.6%33.8%Me-too類（萬元）FIC/BIC類（萬元）同比增長率（%）來源：研究院根據(jù)專家訪談、公開資料自主建模研究

29、繪制。64AI制藥市場規(guī)模市場處于爬坡階段，Me-too類藥物占主導國內的多數(shù)AI制藥企業(yè)還處于投產研發(fā)階段，AI制藥市場規(guī)模整體尚未迎來大規(guī)模爆發(fā)期。但是，無論是Me-too類還是 FIC/BIC類藥物，藥物研發(fā)管線金額都偏高，尤其是FIC/BIC類藥物研發(fā)管線至少是千萬起步的合同價。因此，盡管當前乃 至未來5年內AI制藥企業(yè)獲取的藥物研發(fā)管線數(shù)量有限，但少數(shù)量的管線收入較為可觀，且隨著研發(fā)效率的提升、眾多天 使輪企業(yè)后續(xù)為了創(chuàng)收而進行拓客追趕以及合同“里程碑”任務的完成，未來收入將實現(xiàn)翻倍增長。據(jù)建模測算， 2020年中國AI制藥市場規(guī)模為8163萬元，2025年市場規(guī)模將達到77362萬

30、元，2020-2025年CAGR=56.8%，總體市場 增速較快。2021年，在疫情驅動、資本加持下，AI制藥企業(yè)投產獲取第一輪成效，增速攀升，之后增速回歸冷靜期。因 Me-too類藥物研發(fā)難度低，對新舊參與者相對友好，故其市占率一直處于主導地位，僅有少數(shù)企業(yè)拿下了跨國藥企的 FIC/BIC類藥物研發(fā)管線。2019-2025年中國AI制藥市場規(guī)模CAGR=56.8%67454178163163282923241414211677362296357803林立：產業(yè)鏈洞悉目錄AI醫(yī)療產業(yè)鏈上 游 基 礎 層數(shù) 據(jù)算 法算 力醫(yī)療數(shù)據(jù)源數(shù)據(jù)服 務供應 商標注勞務者AI開源框架大數(shù)據(jù)計算框架AI芯片A

31、I計算架構傳統(tǒng)芯片服務器集群AI醫(yī)療影像肺 部心 腦眼 底其 他CDSSV T E房 顫冠 脈肝 膽AI醫(yī)療機器人手 術輔 助康 復服 務醫(yī)學數(shù)據(jù)智能平臺臨 床科 研經營 管理智慧病案首頁 質控內涵質控下AI制藥游應靶點化合用發(fā)現(xiàn)物合層成中 游 技 術 層機器 學習 深度 學習計算機視覺圖像識別語義分割NLUNLPNLG知識圖譜實體命名關系抽取智能語音語音合成語音交互基礎層數(shù)據(jù)仍需開拓，技術層重感知，應用層觸及場景廣泛AI醫(yī)療對的核心產業(yè)鏈關注點在于AI醫(yī)療應用軟件本身的開發(fā)，其上游為基礎層，中游為技術層，下游為應用層，服務終 端為患者?；A層中，數(shù)據(jù)服務尚未建成核心技術壁壘，參與者眾多，而算

32、力領域呈寡頭局面；技術層中，基于深度學習 的計算機視覺發(fā)展快，參與者技術相對成熟；應用層中，成熟的AI醫(yī)療企業(yè)正在擴大產品線布局，開拓戰(zhàn)略伙伴合作。2021年中國AI醫(yī)療產業(yè)鏈患者端院三級醫(yī)院二級醫(yī)院一級及未基層 端甲乙丙甲乙丙定級醫(yī)院衛(wèi)健委B體檢第三方保險醫(yī)藥 C其 端中心影像中心公司企業(yè)R他O需 求 終 端器械 硬件 耗材66AI醫(yī)療產業(yè)圖譜注釋：產業(yè)鏈圖譜中l(wèi)ogo位置不分先后，不涉及排名。 來源：研究院根據(jù)專家訪談，公開信息自主研究繪制。2021年中國AI醫(yī)療產業(yè)圖譜AI醫(yī)療影像CDSSAI醫(yī)療 機器人醫(yī)學數(shù)據(jù) 智能平臺DRGs與 智慧病案AI制藥基 礎 層技 術 層應 用 層肺 部心

33、腦血管眼底篩查其他數(shù)據(jù)算法算力醫(yī)療計算機視覺醫(yī)療NLP醫(yī)療知識圖譜醫(yī)療智能語音手 術輔 助康 復服務67AI醫(yī)療機 器人從紅海到藍海的方向轉變賽道分化，藍海浮現(xiàn)，扎穩(wěn)腳跟方能揚帆前行從當前AI醫(yī)療產品的算法成熟度、產品投產成熟度、市場空間以及市場反饋的角度，對未來AI醫(yī)療影像市場以及AI醫(yī)療市場全局的走向進行了以下展望：AI醫(yī)療影像：挖掘影像紅海中的藍海深水區(qū)玩家 淺水區(qū)玩家新興玩家觀望者淺水區(qū)深水區(qū)淺水區(qū)深水區(qū)陸地陸地影像診斷紅海區(qū)其他臟器/影像治療藍海區(qū)紅海區(qū)情況：產品成熟的玩家已潛入深水區(qū)，甚至進入IPO 沖刺環(huán)節(jié)，頭部聚集效應凸顯；淺水區(qū)依然有部分玩家在繼 續(xù)深耕產品，努力游入深水區(qū)；

34、整體上，玩家產品同質化嚴 重，三甲醫(yī)院這類頂級市場的影像診斷產品覆蓋率在未來會 趨于飽和轉變：為突破影像診斷紅海區(qū)的困境，一方面，紅海區(qū)玩家 與新型玩家會繼續(xù)開拓影像診斷的其他臟器市場，如冠脈、 乳腺、肝臟等覆蓋率低、實用性強、臨床價值高的產品，以 及提供多臟器一體化診斷服務；另一方面，率先做好影像診 斷產品的深水區(qū)玩家有望研發(fā)出影像治療類產品，形成診斷 治療一體化的服務體系，潛入影像治療市場的藍海肝臟 眼底病理 肺部 冠脈乳腺 腦部AI醫(yī)療影像基本 格局初步確定新興藍海市場靶點 發(fā)現(xiàn)化合晶型物合預測成骨科機 器人代表產品待發(fā)掘紅海區(qū)情況：AI醫(yī)療影像作為早發(fā)力、產品先成熟、先步入商業(yè)化 的賽

35、道，總體的產品類型與玩家格局基本形成；CDSS與智慧病案 這兩類相輔相成的文本類智能化產品在電子病歷評級、智慧醫(yī)院評 級的推動下，產品廣泛進入招標賽道，市場搶先被AI醫(yī)療公司與醫(yī) 療信息化公司占領；醫(yī)學數(shù)據(jù)智能更偏醫(yī)療大數(shù)據(jù)的清洗、歸類、 治理與應用開發(fā)，對數(shù)據(jù)處理能力偏強的醫(yī)學數(shù)據(jù)智能廠商、大數(shù) 據(jù)廠商而言更為友好，不太適合初創(chuàng)企業(yè)進入轉變：整個AI醫(yī)療市場出現(xiàn)了強計算、高數(shù)據(jù)密度的AI制藥與軟硬 集成的AI醫(yī)療機器人這兩類較為新穎的跑道，融資與政策皆蓄力推 進兩條跑道的構建，醫(yī)藥研發(fā)管線還存在巨大的覆蓋空間，除骨科 外的高臨床價值手術機器人也存在充足的醫(yī)院需求，二者由此成為 新興的藍海區(qū)。

36、但是，AI制藥與AI醫(yī)療機器人耗資巨大、復雜度高、 回本時間長，行業(yè)未出現(xiàn)規(guī)模化成果產出，未來發(fā)展形勢尚不明朗AI制藥AI醫(yī)療市場紅藍海情況AI醫(yī)療全局：挖掘AI醫(yī)療影像以外的藍海來源：研究院結合公開資料自主研究繪制。76從資本競爭到商業(yè)模式的較量融資選擇發(fā)展繼續(xù)融資 產品質量打磨 商業(yè)模式打造 社會責任擔當逐漸獨立產品研發(fā)市場開拓繼續(xù)融資依靠投資人生存建設團隊 創(chuàng)業(yè)融資商 業(yè) 模 式 打 造多元商業(yè)模式針對現(xiàn)狀產品形式打造期望功效健康管理模式移動醫(yī)療模式互聯(lián)網(wǎng)醫(yī)療模式泛市場盈利模式現(xiàn)代醫(yī)療行業(yè)正從以 診斷治療為中心向健 康管理為中心轉變醫(yī)療行業(yè)存在行業(yè)性、地域性，醫(yī)患、醫(yī)生 之間溝通難稀缺醫(yī)療資源低效配置的問題患者、醫(yī)院、B端多方