寒冬已過，行業需求逐步回暖CXO行業系列報告（三）主要內容復盤歷史，底部調整充分需求端轉暖，供給端出清見成效AI+的思考投資分析意見及風險提示31.1

股價調整基本結束，等待價值逐步回歸“生物安全法案”影響，市場極度悲觀；從24年Q2開始，訂單逐步好轉，并且延續好轉趨勢。2022.2.7

藥明生物被美國商務部納入未經核實（UVL）名單；22年9月，拜登政府鼓勵生物制造回流美國，引發產業鏈脫鉤擔憂；22年12月藥明生物被徹底移除UVL名單。2021年末開始，cxo公司開始披露新冠相關訂單；22年Q1開始，業績高速釋放。21年初至21年中，業績持續兌現，資金抱團。21年7月，CDE“以臨床價值為導向”政策出臺，鼓勵真創新，引發對于國內cxo訂單下滑擔憂；全球一級投融資數據月度間出現波動。GLP-1相關訂單催化。新冠高基數下，表觀業績承壓；訂單增速承壓。從24年9月開始，美聯儲開啟了降息；生物安全法案年內并未立法成功，宣告流產。

圖1：行業指數漲跌幅 4資料來源：Wind從22年中至23年全年，美聯儲持續加息，全球醫藥投融資持續下滑1.2

估值已充分體現悲觀預期?

估值水平上，醫療研發外包（申萬）指數的PE(TTM)由21年6月最高的124x下降至24年4月最低的15x，充分的體現了市場悲觀預期。圖2：醫療研發外包（申萬）PE（TTM）地緣政治影響（生物安全法案）引發市場對于產業回流的擔憂融資周期Big

pharma研發投入謹慎，biotech融資難訂單承壓圖3：產業價值傳導鏈業績波動，人員縮減、capex縮減5資料來源：Wind主要內容復盤歷史，底部調整充分需求端轉暖，供給端出清見成效AI+的思考投資分析意見及風險提示672.1

宏觀層面：美聯儲停止加息并開啟降息?

美聯儲自2022年3月以來一直在加息，共加息10次，利率水平最高達到5.25%-5.5%，從2024年9月18日開始，美聯儲開始降息兩次，利率水平目前降至4.25%-4.5%。根據芝加哥期貨交易所（CME）數據，市場預期美聯儲下一次降息將在9月。政策利率下降有望帶動醫藥一級投融資持續回升。圖4：美聯儲加/降息數據資料來源：芝加哥期貨交易所，Wind82.2

需求端：全球研發管線持續擴張雖然在之前的加息背景下，全球醫藥投融資受到一定波動，但是全球的研發管線仍在擴張?？梢钥吹?，近幾年中國的管線增長快于美國，占比也在不斷提升。圖5：全球管線數量（個）圖6：中美管線數量及占比資料來源：Pharmaprojects（醫藥管線數據庫）2.3

需求端：全球醫療健康投融資在下行兩年后企穩回暖2024年，全球共完成醫療健康領域一級市場投資2291筆，累計融資582億美元，融資總額相對2023年，略微回升1個百分點，但融資事件數量由2023年的3057筆大幅下降25%至2291筆。分季度看，全球醫療健康投融資的季節性波動趨于平緩。自2012年起，該領域一級市場投融資活動常集中于特定季度，尤以生物醫藥與醫療器械等細分領域為代表，多匯聚于第一季度及第三季度，帶動投融資頻次相應提升。然而，自2023年至2024年間，此類活動與季度間的關聯性顯著減弱，全球醫療健康一級市場投融資的季節性差異進一步淡化。圖7：全球醫療健康投融資情況資料來源：動脈橙92.4

需求端：國內市場側重穩健與確定性2024年，國內醫療健康產業一級市場共達成811筆融資交易，吸引73億美元資金注入創新探索。繼2021年投融資高峰后，市場融資已持續下滑，2024年國內融資總額較2023年減少33%，融資事件數量亦下降37.6%。在全球醫療健康一級市場投融資增長態勢終止后，國內該領域不可避免地步入了持續下行周期，交易總規模已回落至2015至2016年間水平。綜合全球及國內投融資數據分析，2024年醫療健康行業遭遇了資本寒冬的全面沖擊。與此同時，全球醫療創投的投資策略已發生轉變，由以往側重于創新潛力，轉向青睞成熟項目及其確定性。圖8：中國醫療健康投融資情況資料來源：動脈橙102.5

需求端：海外大藥企研發穩健增長注：2022年之后BI無數據11資料來源：彭博?

海外藥企巨頭研發費用穩步增長。CRO收入主要來自于藥企的研發費用，全球TOP20藥企的研發費用近幾年不斷增長，表明CRO需求端依然旺盛。雖然近兩年外部環境較為復雜，2024年全球TOP20藥企研發費用達1685.63億美元，同比增長仍有4.07%，TOP20藥企研發費用仍然穩健上漲，為CXO行業快速發展奠定基礎。圖9：TOP20藥企研發費用（百萬美元）2.6

需求端：國內臨床和IND數量邊際放緩震蕩12資料來源：丁香園?

國內臨床新增項目和IND（臨床批件）新增項目經過幾年的高速增長后，增速明顯放緩，由量向質轉變。2021年11月19日，《以臨床價值為導向的抗腫瘤藥物臨床研發指導原則》，新藥研發應以為患者提供更優（更有效、更安全或更便利等）的治療選擇作為更高目標。創新門檻的提升帶來的連鎖反應，包括管線優化、創新升級以及產品競爭格局優化。在此之后，國內創新藥項目更加聚焦質量的提升，而非數量的提升，有利于國內創新藥行業健康持續發展。圖10：國內臨床新增項目數（個）圖11：國內IND項目數（個）132.7

供給端：行業持續出清，提質增效見成效人員：我們選取了20家國內主要的CXO公司人員情況，顯示行業人員開始出清，從2023年人員增速開始下滑，2024年人員數進一步下降；CAPEX：在經歷過2019-2022持續快速擴張期之后，主要CXO公司資本性開支明顯下降。行業提質增效顯著，可以看到，以海外市場為主的CXO公司24年開始毛利率觸底回升。圖12：CXO主要公司人員數量（人）圖13：CXO主要公司CAPEX（百萬元）資料來源：wind注：海外市場為主CXO毛利率逐漸提升，顏色越深代表毛利率越高主要內容復盤歷史，底部調整充分需求端轉暖，供給端出清見成效AI+的思考投資分析意見及風險提示143.1

AI和生物醫藥交替發展?

在過去的20年中，作為生命科學和信息技術的兩大前沿，生物醫藥和人工智能這兩個領域均取得了重大里程碑進展并呈現融合發展的趨勢，由此推動了AI制藥的興起。隨著生物技術和信息技術的不斷深化，AI制藥行業快速發展的勢頭仍將持續，為人類健康事業提供更強動力圖14：AI+生物醫藥發展歷程15資料來源：藥智局3.2

AI技術應用場景人工智能算法的支撐層包括數據和算力，數據的主要來源包括實驗數據庫、開源數據庫（文本&結構）、物理模擬生成的數據庫以及清理公開信息后構建的數據庫；算力支持則依仗CPU、GPU等硬件設備。目前而言，AI技術在制藥中可以應用的領域包括靶點的發現和識別、藥物從頭設計、ADMET預測、臨床試驗等在內的八大模塊，基本涵蓋了藥物發現、開發和臨床的全流程，目前行業里應用較多的場景還是在藥物研發階段。圖16：AIDD應用場景圖15：AI三要素16資料來源：藥智局3.3

當前藥物研發流程存在很多痛點?

當前藥物研發流程普遍存在痛點。例如，在小分子優化階段，通常需要完成多個耗時冗長的設計-制造-測試循環（Design-Make-Test

Cycles）以確定具有理想特性的治療藥物——這不僅延長了發現階段的周期，還顯著增加了成本。其他痛點則特定于某種治療模式或發現策略。例如，在疫苗研發中，確定最優抗原序列往往面臨挑戰，因為傳統實驗方法（用于探索抗原與人體免疫系統蛋白的結合親和力）通常操作復雜且耗費大量人力。這類實驗的繁瑣性直接制約了候選疫苗的篩選效率。圖17：藥物研發過程中的關鍵痛點17資料來源：波士頓咨詢3.4

AI可以針對痛點賦能研發?

1）目標識別與驗證：通過AI分析疾病機制，定位可干預的靶點（如“核苷酸通道”

相關靶點）；2）

小分子設計與優化：AI生成全新分子結構（如生成多個候選化合物），優化成藥性；3）抗體工程：針對特定靶點（如通道蛋白）設計高親和力抗體；4）安全性評估：評估藥物毒性、免疫原性及患者亞群適配性。圖18：AI賦能藥物研發環節18資料來源：波士頓咨詢3.5

AI賦能減少時間成本?

根據“Big

Ideas

2025”數據，AI藥物開發可以將上市時間縮短近40%，從13年縮短至8年，同時將藥物總成本降低為原來的1/4，從24億美元降至6億美元；將藥物的生命周期價值提高了30-50%，而行業平均水平為5年，未來有望將上市時間縮短4-5年，并將價值提高70-80%。圖19：AI技術賦能減少成本資料來源：“Big

Ideas

2025”(ARK基金2025市場展望)

193.6

當前AI+研發常見商業模式20資料來源：藥智局AI+SaaS提供基于訂閱模式的云端軟件服務（SaaS），側重于提供靈活的AI工具和平臺。這類公司提供基于云端的軟件服務（SaaS），通過訂閱模式為客戶提供便捷的AI工具。這類公司可能不直接參與濕實驗，而是專注于提供化合物分子的優化和篩選服務，側重于AI在生命科學中的泛化能力。AI+CXO代表以AI技術為核心的CXO公司，專注于AI在藥物研發中的應用。這類公司以AI技術為主導，提供基于AI的計算平臺和藥物研發服務。利用AI的強大數據處理和模式識別能力，提供差異化CXO服務，通過迭代AI模型，為行業長期痛點提供可行的解決方案，以此吸引并保留客戶。AI+biotech則是以推進自研管線為主，主要靠推進自己的藥物管線上市后銷售為收入，

和創新藥公司商業模式并無太大差異。AI+SaaSSchrodinger是典型的這類公司，該公司使用“FEP+”方案更能準確的計算出藥物分子與蛋白質的結合親和力。與傳統的藥物發現方法相比，FEP+所具備的技術優勢是顯著縮短藥物發現時間表、降低成本并提高成功可能性。AI+CXO對AI＋CXO類公司而言，企業的定位是科技公司，核心在于其算法能力。后期提供的CXO實驗服務，是為了AI預測的驗證和落地，同時迭代自身AI模型，提高平臺的核心能力。國內例如晶泰控股這樣的公司，通過量子化學計算進行藥物晶型預測和分子結合模式模擬，顯著縮短研發周期。AI+Biotech這類公司通過自己的AI平臺或者合作的AI平臺開發新藥，商業邏輯和傳統創新藥無異，只是利用了AI工具。國內最典型的是英矽智能，通過開發管線進而對外授權，實現自我造血的路線。近兩年，英矽智能不斷調整業務，將更多精力從藥物發現業務放在了資產對外授權和軟件業務上。CXO+AI基本上都是傳統CXO公司，例如藥明康德、康龍化成等。對CXO+AI類公司來說，它們通常在行業內有穩定的市場基礎，通過自建AI部門、收購Biotech公司或與AI科技公司合作，將AI技術融入服務中，以增強服務能力、提高研發效率和降低成本。3.7

海外部分CXO+AI布局?

在全球范圍內，CXO公司通過戰略性收購、合作、自研或并購AI技術企業來加強其在藥物研發領域的服務能力。國外CXO企業由于發展較早，整體上更加成熟，它們對行業變化的感知更為敏感，因此在引入新技術方面往往更為積極和迅速。例如，美國和歐洲的CXO公司，如LabCorp和ICON，它們在AI技術的應用上起步較早，通過收購AI技術公司或建立自己的AI研發部門，已經在利用AI進行藥物發現和臨床試驗管理方面取得了顯著進展。圖20：海外部分CXO+AI布局21資料來源：藥智局3.8

國內部分CXO+AI布局?

國內CXO企業在引入AI技術方面也展現出了迅速的發展勢頭。根據藥智局報告，中國CXO公司，如康龍化成和泓博醫藥，已經開始通過合作或自主研發的方式，將AI技術應用于臨床前研究和臨床試驗中，以提高研發效率和降低成本。此外，一些初創公司，也在積極開發基于AI的藥物發現平臺，展現出強大的創新能力和市場潛力。圖21：國內部分CXO+AI布局22資料來源：藥智局233.9

AI對CXO的影響AI技術對于CXO公司影響深遠，但我們認為AI和CXO是共生關系而非替代關系。目前來看，AI優化的是“發現+執行效率”，而CRO提供的是“驗證確定性”，其根本原因在于醫藥研發驗證的復雜性和技術落地的剛性約束。AI可以替代重復性操作，但無法跳過生物學本質驗證：AI驅動的實驗能夠完成高通量合成、標準化數據采集等任務，提升化合物篩選效率。但生物學系統的復雜性（如細胞信號通路干擾、體內代謝路徑差異）仍需濕實驗驗證。藥物研發的關鍵節點（如IND申報）必須通過GLP認證實驗，這類實驗需在具備資質的CXO實驗室完成。未來醫藥研發可能形成“AI優化-人類監督驗證-共同進化”的新生態。服務是本質。不論是AI+CXO還是CXO+AI商業模式，底層商業邏輯還是做服務，客戶最看重的還是交付時效、技術可實現性、多區域供應鏈網絡、合規體系與質量驗證。資料來源：申萬宏源研究BigPharma/BiotechAI+CXO/CXO+AI基于供應鏈穩定、資源有效配置因素Biotech基于輕資產運行、產業分工等因素各類模型生成對抗網絡（GANs）：像兩個互相質疑的“設計師”，設計候選藥物分子。Transformers：能捕捉復雜生物序列的深層關系，預測蛋白質結構。

圖神經網絡

(GNNs)：像“分子關系偵探”，分析藥物與靶點的相互作用網絡，預測藥物-靶點相互作用預測。強化學習（RL）和深度Q網絡（DQN）：動態調整藥物劑量，平衡療效與毒性……準時交付等穩定供應鏈等主要內容復盤歷史，底部調整充分需求端轉暖，供給端出清見成效AI+的思考投資分析意見及風險提示244.1

投資分析意見25

我們認為CXO整體行業處于需求逐步回暖、回調即將結束、迎來恢復性快速發展階段，

我們持續看好CXO行業未來的發展和增長，看好中國醫藥研發和制造。復盤：調整已到尾聲。過去幾年，受到國際環境和一級融資額的擾動，CXO行業整體下行，反映了市場對于行業景氣度的擔憂。我們認為估值已充分體現悲觀預期，股價調整基本結束，等待價值逐步回歸。需求端轉暖，供給端出清見成效。1）美聯儲停止連續加息并開啟降息;2）全球研發管線持續擴張；3）全球醫療健康投融資在下行后企穩回暖，隨著美聯儲有望繼續降息，未來醫療健康整體融資有望迎來觸底回升；4）海外藥企研發費用增長穩健；5）國內新增臨床項目數和IND數量較為平穩；6）行業持續出清，提質增效見成效，尤其是以