免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型+医疗:从问诊到新药开发 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 录，以及整合进微软 Teams 中来辅助远程医疗。建议关注国内科大讯飞、 云知声等企业的进展。 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 根据 Statista，2021 年全球制药行业总收入约 1.5 万亿美金，制药研发投入 约 2.4 千亿美金。DeepMind 是最早用 AI 赋能新药开发的企业之一，其推出 的 AlphaFold 主要解决从已知的氨基酸序列，预测相应蛋白质 3D AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 DeepMind 两代 AlphaFold 引领行业进入高速发展期。梳理 AI+制药的发展历程，我们发 现 AI 与制药的结合逐步深入，成为生物制药企业的常态化工具。经历了包括 Exscientia、 Atomwise、英矽智能、晶泰科技在 AI 新药研发领域的早期探索（2014-2017 年）、最早一 批 AI+新药企业开始获

数据融合能力可为医院管理者提供对话式交互和数据洞察，简化数据应用，实现精细 化医院管理。 在药物研发过程中，医疗大模型可预测药物-蛋白质相互作用和药物毒性等信息，从而 评估新药的功效和安全性，有助于缩减研发周期，加速新药发现。如，清华系初创团 队水木分子推出新一代对话式药物研发助手ChatDD，涵盖药物立项、临床前研究、临 床试验各阶段，作为制药专家的AI助手，提升药物研发人员的工作效率。 培训环境和模拟手术，生成虚拟病例、手术模拟和临床案例，帮助医学生和医疗专业 人员提高技能。 在药物研发与药物反应监测方面，医疗大模型未来或可通过预测药物-蛋白质相互作 用、药物毒性等信息来预测新药物的功效和安全性，有助于缩短药物研发的周期，加 速新药的发现。此外，模型还可用于监测和评估药物的不良反应和副作用。 在提高全球医疗效率和资源配置上，医疗大模型可用于流行病学研究和疫情监测，分 析大规模健康数据，如病例报告、病

通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 优化，临床前研究，临床实验，以及市场化等步骤 [1]。靶点发现作为整个流程 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅

1 2 3 4 新药研发 药品生产 药品销售 ** 交流使用 4 ** 未来业务发展关注点分析 市场环境形势 行业特点 医药行业是医药行业是按国际标准划分 的 15 类国际化产业之一，是世界贸最 快的 朝阳产业之一 跨国大药企（赛诺菲、辉瑞、诺华等） 在华建厂、国内药企的 行业集中度低， 抗风险能力低 定位在中高端市场，市场占有率处于同 行业前列，但面临新药专利期后仿制药 的 辅助，实现全面快速增长 ** 交流使用 5 ** 分层化业务重点：重点关注运营体系和管控目标 企业战略 财务核算 资金管理 经营预算 税务筹划 报表合 并 人力资源 绩效管理 流程规范 信息管理 新药研发体系 采购管理 生产供应链体系 营销管理体系 生产管理 生产执行 供应链业务 招投标 采购管控 原辅包材 外协采购 产销协同 生产外协 工艺配方 成本核算 生产下达 生产领发料 数据，减少人工干预，提高效率。经销商的返利数据在销售订 单 中实现兑现，各项返利使用情况 清晰，便于和经销商对账及事后追溯。 系统 支持 配置多种的返利类型  Z101 销量返利  Z201 新药返利  Z301 特殊返利  Z401 产品系列返利  Z501 月、季、年政策返利等 ** 案例 ** 交流使用 70 灵活的 销售政策管理：信用管理 录入销售订

 量子模拟：变分量子特征求解器（VQE）、量子相位估计 （QPE）、自适应步长Trotterization算法，在分子、材料、 化学反应研究方面实现更优精度，相比经典模拟有指数级加 速优势；可推动新药、新材料研发  优化问题：量子近似优化算法（QAOA）、量子退火算法， 在旅行商问题（TSP）、路径规划、投资组合问题上，相比 经典算法有潜在加速或更优解；在复杂组合优化中前景广  随机与  量子模拟：变分量子特征求解器（VQE）、量子相位估计 （QPE）、自适应步长Trotterization算法，在分子、材料、 化学反应研究方面实现更优精度，相比经典模拟有指数级加 速优势；可推动新药、新材料研发  优化问题：量子近似优化算法（QAOA）、量子退火算法， 在旅行商问题（TSP）、路径规划、投资组合问题上，相比 经典算法有潜在加速或更优解；在复杂组合优化中前景广  随机与

2025年，我国共有343家独角兽企业，位居全球第2名，占据所有独角兽 企业的25%，其中，仅广州一市就上榜24家独角兽企业，这一数量接近日 韩两国总和27家，上榜独角兽企业主要分布在集成电路、清洁能源、创 新药以及动力电池等赛道。预计2026年，我国在独角兽企业培育方面将 延续数量优势，同时继续在人工智能、新能源、生物科技、半导体等科 技领域发力。 展望2026年，全球产业科技创新的外部形势正在发生深刻变化，这

的提升，算法的不断优 化，以及跨学科合作的加深，我们有理由相信，AI在药物虚拟筛选中的应用将越 来越广泛，其精准度和可靠性也将不断提升。 展望未来，AI大模型辅助的药物虚拟筛选方法方法将继续促进创新药物的研 发。它是一个诞生于大数据时代的工具，也将作为大数据时代的代表将药物筛选 由principle base 推向 data base。这不仅有助于缩短药物从实验室到市场的 时间，还有望为患者带

在用药咨询中的准确性和可行性，展示了大模型在医疗保健领域的巨 大潜力。此外，苏龙翔等[20]将大模型应用到真实病例用于预后与死亡风险预测上，并 取得一定的效果。 3.4 人工智能大模型在医学研究的应用 3.4.1 药物研发 从新药靶标到发现到临床试验研究通常需要海量的多模态数据以及大量的实验研 究。大模型正在全面驱动生物医药领域的变革，可充分发挥大模型的强大分析能力， 率先在模拟细胞培养、药物试验等场景展开应用探索，提升实验设计的准确性，提高

在降低运营成本的同时，为客户提供更个性化的服务体验。在医疗行 综合算力指数蓝皮书（2025 年） 9 业，大模型技术通过深度参与医学影像诊断、疾病预测与药物研发， 辅助医生提高诊断准确率，加快新药上市速度，从而提升医疗服务质 量和效率。在交通行业，大模型技术可以应用于交通流量预测和智能 管控，通过对交通流量数据的实时分析和预测，城市交通管理部门能 够优化信号灯控制，缓解交通拥堵，提高道路通行效率。在教育领域，

疗机构功能定位和布局，实施医疗卫生强基工程，推进全民健康数智化建设。加强慢性病综合防 控，发展防治康管全链条服务。全方位提升急诊急救、血液保障和应急能力。加强医疗卫生队伍 能力和作风建设。推进中医药传承创新，促进中西医结合。支持创新药和医疗器械发展。加强心 理健康和精神卫生服务。 （43）促进人口高质量发展。健全覆盖全人群、全生命周期的人口服务体系。倡导积极婚育观， 优化生育支持政策和激励措施，发挥育儿补贴和个人所得税抵扣政策作用，有效降低家庭生育养