AI浪潮下的CXO：焦虑、误判与重新定位

<![CDATA[

昨晚 OpenAI 发布 GPT-Rosalind 模型，美股查尔斯河实验室（CRL）等 CXO 巨头直线下跌（跌幅2%，截止今晚写稿，已经加倍反包），国内（某些）投资者也开始焦虑：AI 到底会不会颠覆 CXO 的商业模式？药企以后是不是不再需要外包了？

作为长期跟踪这个赛道的观察者，我认为这次震荡更多是情绪驱动，而非逻辑崩塌。我们要厘清一个核心事实：AI 对 CRO 和 CDMO 的影响是完全不同的，甚至对于某些头部 CDMO 来说，这反而是长期的利好。

一、 市场的普遍焦虑：AI 会取代 CXO 吗？

这种焦虑逻辑很直观：如果 AI 能生成蛋白质序列、预测结构，甚至模拟药物反应，那么药企（无论 MNC 还是小 Biotech）是不是就能在电脑前完成研发，不再需要外包公司那几千个化学家和生物学家了？如果“人头费”逻辑崩了，工程师红利没有了？CXO 还有未来吗？

这种担忧并非空穴来风。大家最怕的是：AI极大降低了早期发现的门槛，MNC会把研发重新内部化，而小Biotech靠几个代码员就能搞定原本需要几百个实验员的工作。如果“人头费”逻辑崩了，CXO的商业模式是不是要被颠覆？

二、 核心误判：混淆了“发现”与“实现”的价值

目前的市场恐慌，很大程度上源于对药物研发链条的误判：过度神化了“从 0 到 1”的发现，却低估了“从 1 到 100”的实现。

药物研发约 80% 的成本和时间其实砸在后续的临床前开发、临床试验和大规模生产上。AI 能缩短约 18 个月的研发时间，但它打破不了物理世界的临床验证和监管审批。

有时间，可以看一下我之前的研报解读，免费分享，可以多多学习一下。贝恩斯坦研报解读

根据贝恩斯坦2026年3月的重磅研报，

1，AI在临床开发中的应用可带来明确的经济效益：

时间节省：广泛采用 AI 有望将临床开发时间缩短约 18 个月。

成本降低：预计降低约 5% 的总研发支出。

利润提升：可使大型药企营业利润提升 10% 以上，中国头部药企盈利改善可达 10-20%。

报告明确指出：“AI不会打破医药行业最大的进入壁垒——即临床开发与监管沟通能力，以及庞大的资金要求。” FDA依然要求进行足够规模的临床试验以支持审批。这意味着，当效率提升时，小型 Biotech 如果单打独斗，将更难在速度和成本上与巨头抗衡，其唯一出路就是更加深度地绑定那些已经完成 AI 底层武装的头部 CXO。

2. 漏斗口扩大效应：AI创造更多外包需求

这是最关键的逻辑反转。药明生物 CEO 陈智胜在 2025 年财报电话会中精准阐述：

“AI 反而会让外包需求越来越多。我们的业务模式涵盖研发、开发和生产。在研发环节，AI 能提升研发效率。如果研发效率变高，就意味着后续会有越来越多的开发和生产需求。”

他进一步解释：“研发变得更高效后，每家企业都可能一下子推出 50 个新项目，但谁有能力承接这么多新项目？只有药明生物有这样的产能和资源去处理。”

AI 的实质是 “漏斗口扩大器”。它让 MNC 和 Biotech 以前一年只能推进 10 个候选分子，现在可能快速筛选出 100 个。然而，这 100 个 AI 算出的虚拟分子，终究需要：

在反应釜里合成出来（化学）。

在生物反应器里表达出来（生物药）。

打进动物体内做临床前试验。

在全球多地进行复杂的临床试验。

在 GMP 工厂里进行稳定、均一的生产。

MNC 不可能为应对爆发的研发管线去无限扩建工厂和招聘实验员。谁能承接这“泼天的流量”？只有具备极度柔性化、规模化、且懂 AI 落地工艺的头部 CXO。

FDA 不会因为你是 AI 算出来的分子就放水，该做的临床试验一个都少不了。这意味着，AI 提升的是“筛选速度”，但它无法凭空制造出药水，更无法代替人体实验。

三、 深度拆解：AI 对 CRO 和 CDMO 的不同影响

这是最关键的一点：AI 正在引发一场“非对称”的变革。

1. 对早期 CRO（研发外包）：是“去人头化”的阵痛 传统早期 CRO 核心靠 FTE（按工时收费）。如果 AI 配合自动化实验室，让以前需要 100 个人干一个月的活，现在 10 个人加一套算法一周就能干完，那么 CRO 的总工时确实会缩减。对于靠“卖人头”盈利的小型 CRO，这确实是降维打击。

2. 对 CDMO（开发生产）：是“流量倍增”的盛宴 CDMO 的逻辑完全不同。AI 解决的是“想得到”的问题，而 CDMO 解决的是“做得出”的问题。

漏斗效应：AI 让研发的“漏斗口”暴力拉大了。以前药企一年能折腾出 10 个分子，现在靠 AI 能筛选出 100 个。

物理壁垒：这多出来的 90 个分子，最终必须在反应釜里合成，在生物反应器里表达。AI 创造了过剩的“构想”，反而加剧了物理世界“产能”的稀缺。AI 越强，下游 CDMO 承接的项目流量就越大。

四、 CRDMO的护城河：数据与物理的交汇

回到大家关注的药明系。它之所以能抗风险，是因为它正处在“数据”与“物理”的交汇点上：

数据的“燃料”价值：AI 制药公司最大的痛点是“模拟很强，真机验证很弱”。药明系通过多年 CRO 积累了海量的、真实的湿实验数据。在 AI 时代，这些私有数据才是训练模型的“金矿”，决定了谁的模型更准。

这里值得注意的是，虽然药明的绝大部分数据专利都归客户所有，但是在大数据领域，开发过程里n次失败的经验，也都是最宝贵的财富。

物理交付的溢价：药明系销售的不仅是技术，更是“时间”和“确定性”。在全球布局的产能网络面前，AI 只是一个工具。当 AI 让前端发现变得“平庸化”时，高质量、符合 GMP 标准的物理交付能力反而更有溢价。

五、效率革命中的价值迁移

我们不能只看利好，挑战也同样存在。AI 会迫使 CXO 行业进行结构性调整：低端的、重复性的实验外包将面临利润萎缩；而能够将 AI 深度融入自身工艺、具备重资产护城河的玩家，将在这场效率升级中收割更多份额。

这个也是我之前提过的，高盛HALO资产的模型，大量的优质的CAPEX，构建的物理护城河，能让企业在Ai的浪潮之下，更多的收益，而不是被代替，毕竟最终落地制药阶段，总不能靠硅基生命和光模块来吧？

最后总结一句话：AI 负责“天马行空”，而 CDMO 负责“落地成药”。 只要人类还需要吃真实的药，这种分工逻辑就不会变。

$药明康德(SH603259)$ $药明生物(02269)$ $药明合联(02268)$

本话题在雪球有133条讨论，点击查看。
雪球是一个投资者的社交网络，聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>

#AI浪潮下的CXO焦虑误判与重新定位