CXO行業(yè)系列報告：寒冬已過行業(yè)需求逐步回暖

寒冬已過，行業(yè)需求逐步回暖CXO行業(yè)系列報告（三）主要內(nèi)容復盤歷史，底部調(diào)整充分需求端轉(zhuǎn)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(diào)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(zhuǎn)，并且延續(xù)好轉(zhuǎn)趨勢。2022.2.7

藥明生物被美國商務部納入未經(jīng)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(fā)產(chǎn)業(yè)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(yè)績高速釋放。21年初至21年中，業(yè)績持續(xù)兌現(xiàn)，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(chuàng)新，引發(fā)對于國內(nèi)cxo訂單下滑擔憂；全球一級投融資數(shù)據(jù)月度間出現(xiàn)波動。GLP-1相關訂單催化。新冠高基數(shù)下，表觀業(yè)績承壓；訂單增速承壓。從24年9月開始，美聯(lián)儲開啟了降息；生物安全法案年內(nèi)并未立法成功，宣告流產(chǎn)。

圖1：行業(yè)指數(shù)漲跌幅 4資料來源：Wind從22年中至23年全年，美聯(lián)儲持續(xù)加息，全球醫(yī)藥投融資持續(xù)下滑1.2

估值已充分體現(xiàn)悲觀預期?

估值水平上，醫(yī)療研發(fā)外包（申萬）指數(shù)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(xiàn)了市場悲觀預期。圖2：醫(yī)療研發(fā)外包（申萬）PE（TTM）地緣政治影響（生物安全法案）引發(fā)市場對于產(chǎn)業(yè)回流的擔憂融資周期Big

pharma研發(fā)投入謹慎，biotech融資難訂單承壓圖3：產(chǎn)業(yè)價值傳導鏈業(yè)績波動，人員縮減、capex縮減5資料來源：Wind主要內(nèi)容復盤歷史，底部調(diào)整充分需求端轉(zhuǎn)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(lián)儲停止加息并開啟降息?

美聯(lián)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(lián)儲開始降息兩次，利率水平目前降至4.25%-4.5%。根據(jù)芝加哥期貨交易所（CME）數(shù)據(jù)，市場預期美聯(lián)儲下一次降息將在9月。政策利率下降有望帶動醫(yī)藥一級投融資持續(xù)回升。圖4：美聯(lián)儲加/降息數(shù)據(jù)資料來源：芝加哥期貨交易所，Wind82.2

需求端：全球研發(fā)管線持續(xù)擴張雖然在之前的加息背景下，全球醫(yī)藥投融資受到一定波動，但是全球的研發(fā)管線仍在擴張?？梢钥吹剑鼛啄曛袊墓芫€增長快于美國，占比也在不斷提升。圖5：全球管線數(shù)量（個）圖6：中美管線數(shù)量及占比資料來源：Pharmaprojects（醫(yī)藥管線數(shù)據(jù)庫）2.3

需求端：全球醫(yī)療健康投融資在下行兩年后企穩(wěn)回暖2024年，全球共完成醫(yī)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(shù)量由2023年的3057筆大幅下降25%至2291筆。分季度看，全球醫(yī)療健康投融資的季節(jié)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(yī)藥與醫(yī)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(lián)性顯著減弱，全球醫(yī)療健康一級市場投融資的季節(jié)性差異進一步淡化。圖7：全球醫(yī)療健康投融資情況資料來源：動脈橙92.4

需求端：國內(nèi)市場側(cè)重穩(wěn)健與確定性2024年，國內(nèi)醫(yī)療健康產(chǎn)業(yè)一級市場共達成811筆融資交易，吸引73億美元資金注入創(chuàng)新探索。繼2021年投融資高峰后，市場融資已持續(xù)下滑，2024年國內(nèi)融資總額較2023年減少33%，融資事件數(shù)量亦下降37.6%。在全球醫(yī)療健康一級市場投融資增長態(tài)勢終止后，國內(nèi)該領域不可避免地步入了持續(xù)下行周期，交易總規(guī)模已回落至2015至2016年間水平。綜合全球及國內(nèi)投融資數(shù)據(jù)分析，2024年醫(yī)療健康行業(yè)遭遇了資本寒冬的全面沖擊。與此同時，全球醫(yī)療創(chuàng)投的投資策略已發(fā)生轉(zhuǎn)變，由以往側(cè)重于創(chuàng)新潛力，轉(zhuǎn)向青睞成熟項目及其確定性。圖8：中國醫(yī)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(fā)穩(wěn)健增長注：2022年之后BI無數(shù)據(jù)11資料來源：彭博?

海外藥企巨頭研發(fā)費用穩(wěn)步增長。CRO收入主要來自于藥企的研發(fā)費用，全球TOP20藥企的研發(fā)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(huán)境較為復雜，2024年全球TOP20藥企研發(fā)費用達1685.63億美元，同比增長仍有4.07%，TOP20藥企研發(fā)費用仍然穩(wěn)健上漲，為CXO行業(yè)快速發(fā)展奠定基礎。圖9：TOP20藥企研發(fā)費用（百萬美元）2.6

需求端：國內(nèi)臨床和IND數(shù)量邊際放緩震蕩12資料來源：丁香園?

國內(nèi)臨床新增項目和IND（臨床批件）新增項目經(jīng)過幾年的高速增長后，增速明顯放緩，由量向質(zhì)轉(zhuǎn)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(fā)指導原則》，新藥研發(fā)應以為患者提供更優(yōu)（更有效、更安全或更便利等）的治療選擇作為更高目標。創(chuàng)新門檻的提升帶來的連鎖反應，包括管線優(yōu)化、創(chuàng)新升級以及產(chǎn)品競爭格局優(yōu)化。在此之后，國內(nèi)創(chuàng)新藥項目更加聚焦質(zhì)量的提升，而非數(shù)量的提升，有利于國內(nèi)創(chuàng)新藥行業(yè)健康持續(xù)發(fā)展。圖10：國內(nèi)臨床新增項目數(shù)（個）圖11：國內(nèi)IND項目數(shù)（個）132.7

供給端：行業(yè)持續(xù)出清，提質(zhì)增效見成效人員：我們選取了20家國內(nèi)主要的CXO公司人員情況，顯示行業(yè)人員開始出清，從2023年人員增速開始下滑，2024年人員數(shù)進一步下降；CAPEX：在經(jīng)歷過2019-2022持續(xù)快速擴張期之后，主要CXO公司資本性開支明顯下降。行業(yè)提質(zhì)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(shù)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(nèi)容復盤歷史，底部調(diào)整充分需求端轉(zhuǎn)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(yī)藥交替發(fā)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(yī)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(xiàn)融合發(fā)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(yè)快速發(fā)展的勢頭仍將持續(xù)，為人類健康事業(yè)提供更強動力圖14：AI+生物醫(yī)藥發(fā)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(shù)據(jù)和算力，數(shù)據(jù)的主要來源包括實驗數(shù)據(jù)庫、開源數(shù)據(jù)庫（文本&結構）、物理模擬生成的數(shù)據(jù)庫以及清理公開信息后構建的數(shù)據(jù)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(fā)現(xiàn)和識別、藥物從頭設計、ADMET預測、臨床試驗等在內(nèi)的八大模塊，基本涵蓋了藥物發(fā)現(xiàn)、開發(fā)和臨床的全流程，目前行業(yè)里應用較多的場景還是在藥物研發(fā)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(fā)流程存在很多痛點?

當前藥物研發(fā)流程普遍存在痛點。例如，在小分子優(yōu)化階段，通常需要完成多個耗時冗長的設計-制造-測試循環(huán)（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(fā)現(xiàn)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(fā)現(xiàn)策略。例如，在疫苗研發(fā)中，確定最優(yōu)抗原序列往往面臨挑戰(zhàn)，因為傳統(tǒng)實驗方法（用于探索抗原與人體免疫系統(tǒng)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(fā)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(fā)?

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(yōu)化：AI生成全新分子結構（如生成多個候選化合物），優(yōu)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(fā)環(huán)節(jié)18資料來源：波士頓咨詢3.5

AI賦能減少時間成本?

根據(jù)“Big

Ideas

2025”數(shù)據(jù)，AI藥物開發(fā)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(yè)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(fā)常見商業(yè)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(cè)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(yōu)化和篩選服務，側(cè)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(fā)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(fā)服務。利用AI的強大數(shù)據(jù)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(yè)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(chuàng)新藥公司商業(yè)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(zhì)的結合親和力。與傳統(tǒng)的藥物發(fā)現(xiàn)方法相比，F(xiàn)EP+所具備的技術優(yōu)勢是顯著縮短藥物發(fā)現(xiàn)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(yè)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(nèi)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(fā)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(fā)新藥，商業(yè)邏輯和傳統(tǒng)創(chuàng)新藥無異，只是利用了AI工具。國內(nèi)最典型的是英矽智能，通過開發(fā)管線進而對外授權，實現(xiàn)自我造血的路線。近兩年，英矽智能不斷調(diào)整業(yè)務，將更多精力從藥物發(fā)現(xiàn)業(yè)務放在了資產(chǎn)對外授權和軟件業(yè)務上。CXO+AI基本上都是傳統(tǒng)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(yè)內(nèi)有穩(wěn)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(fā)效率和降低成本。3.7

海外部分CXO+AI布局?

在全球范圍內(nèi)，CXO公司通過戰(zhàn)略性收購、合作、自研或并購AI技術企業(yè)來加強其在藥物研發(fā)領域的服務能力。國外CXO企業(yè)由于發(fā)展較早，整體上更加成熟，它們對行業(yè)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(fā)部門，已經(jīng)在利用AI進行藥物發(fā)現(xiàn)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(nèi)部分CXO+AI布局?

國內(nèi)CXO企業(yè)在引入AI技術方面也展現(xiàn)出了迅速的發(fā)展勢頭。根據(jù)藥智局報告，中國CXO公司，如康龍化成和泓博醫(yī)藥，已經(jīng)開始通過合作或自主研發(fā)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(fā)效率和降低成本。此外，一些初創(chuàng)公司，也在積極開發(fā)基于AI的藥物發(fā)現(xiàn)平臺，展現(xiàn)出強大的創(chuàng)新能力和市場潛力。圖21：國內(nèi)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(yōu)化的是“發(fā)現(xiàn)+執(zhí)行效率”，而CRO提供的是“驗證確定性”，其根本原因在于醫(yī)藥研發(fā)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(zhì)驗證：AI驅(qū)動的實驗能夠完成高通量合成、標準化數(shù)據(jù)采集等任務，提升化合物篩選效率。但生物學系統(tǒng)的復雜性（如細胞信號通路干擾、體內(nèi)代謝路徑差異）仍需濕實驗驗證。藥物研發(fā)的關鍵節(jié)點（如IND申報）必須通過GLP認證實驗，這類實驗需在具備資質(zhì)的CXO實驗室完成。未來醫(yī)藥研發(fā)可能形成“AI優(yōu)化-人類監(jiān)督驗證-共同進化”的新生態(tài)。服務是本質(zhì)。不論是AI+CXO還是CXO+AI商業(yè)模式，底層商業(yè)邏輯還是做服務，客戶最看重的還是交付時效、技術可實現(xiàn)性、多區(qū)域供應鏈網(wǎng)絡、合規(guī)體系與質(zhì)量驗證。資料來源：申萬宏源研究BigPharma/BiotechAI+CXO/CXO+AI基于供應鏈穩(wěn)定、資源有效配置因素Biotech基于輕資產(chǎn)運行、產(chǎn)業(yè)分工等因素各類模型生成對抗網(wǎng)絡（GANs）：像兩個互相質(zhì)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(zhì)結構。

圖神經(jīng)網(wǎng)絡

(GNNs)：像“分子關系偵探”，分析藥物與靶點的相互作用網(wǎng)絡，預測藥物-靶點相互作用預測。強化學習（RL）和深度Q網(wǎng)絡（DQN）：動態(tài)調(diào)整藥物劑量，平衡療效與毒性……準時交付等穩(wěn)定供應鏈等主要內(nèi)容復盤歷史，底部調(diào)整充分需求端轉(zhuǎn)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(yè)處于需求逐步回暖、回調(diào)即將結束、迎來恢復性快速發(fā)展階段，

我們持續(xù)看好CXO行業(yè)未來的發(fā)展和增長，看好中國醫(yī)藥研發(fā)和制造。復盤：調(diào)整已到尾聲。過去幾年，受到國際環(huán)境和一級融資額的擾動，CXO行業(yè)整體下行，反映了市場對于行業(yè)景氣度的擔憂。我們認為估值已充分體現(xiàn)悲觀預期，股價調(diào)整基本結束，等待價值逐步回歸。需求端轉(zhuǎn)暖，供給端出清見成效。1）美聯(lián)儲停止連續(xù)加息并開啟降息;2）全球研發(fā)管線持續(xù)擴張；3）全球醫(yī)療健康投融資在下行后企穩(wěn)回暖，隨著美聯(lián)儲有望繼續(xù)降息，未來醫(yī)療健康整體融資有望迎來觸底回升；4）海外藥企研發(fā)費用增長穩(wěn)健；5）國內(nèi)新增臨床項目數(shù)和IND數(shù)量較為平穩(wěn)；6）行業(yè)持續(xù)出清，提質(zhì)增效見成效，尤其是以