六维标准回顾：窄门 + 稀缺垄断 + 产业链定价权 + 刚需属性 + 资金认可 + 高外销占比 / 低进口原料(拆解产业细分逻辑预期差）[淘股吧]

AI4S 和 AI coding 的本质区别。AI coding 是降本增效，切的是存量蛋糕，能力边界不超过人类专家。但 AI4S 是拓展边界，做大蛋糕，它能完成人类做不到的事，比如针对难成药靶点的指定表位抗体设计。 科迈生物那个案例很说明问题， GPCR 激动剂抗体活性从几百皮摩尔优化到几皮摩尔，提高 100 倍，这个是传统方法做不到的。这意味着 AI4S 不是简单的效率提升，是在创造原本不存在的研发需求，可成药靶点范围在扩大，整个行业的天花板在往上抬。 目前看最大的风险还是临床，第一，AI 制药的临床验证还没跑通，目前没有 AI 发现的分子通过三期临床，很多宣传和实际不符，大部分一期临床就卒了。第二，大模型公司和药企的合作模式是结果分成为主，不是按 tokens 收费，这意味着收入确认周期很长。第三，国内 AI 制药公司的数据积累普遍不足，公开数据质量差，阴性临床数据拿不到，模型训练有先天缺陷。 所以总体上感觉这波 AI 创新药，首先受益的依然是上游有壁垒，有定价权的卖铲人。具体对标和主观分析参考，主要是把核心重点逻辑做个梳理排序，后续会持续追踪重点更新，AI 创新药卖铲人这个逻辑不会是一波炒作，毕竟从老黄到 anthropic 都在重点关注这个方向了。

AI4S（AI for Science）vs AI Coding 核心逻辑梳理先把你这段观点提炼成结构化对比，再单独拆解 AI 创新药（AI4S 典型落地赛道）的机会、风险、卖铲人逻辑：

维度AI Coding（代码大模型）AI4S（科学大模型，AI 制药属于分支）价值定位存量蛋糕里降本增效拓展科学边界，做大行业总蛋糕
能力上限能力边界不超越人类专家。只是更快完成人类本来就能做的编码工作，不能凭空创造人类认知以外的新原理、新分子可以做到人类传统实验手段很难 / 不可能完成的任务。不是提速传统流程，而是打开全新可行空间
产出性质替代 / 辅助人类现有工作，产出物是人类原本就能设计出来的代码创造原本不存在的研发可能性：拓展可成药靶点、新分子结构，把过去不可行的靶点变成可行
案例对照Copilot 等，程序员本来能写，AI 写得更快、减少重复劳动科迈生物 GPCR 激动剂抗体：活性从几百 pM 优化到几 pM，提升 100 倍；传统筛选很难做到这个量级优化；难成药靶点、指定表位抗体设计
一句话核心：AI Coding 是提速人类已有的能力；AI4S 是诞生人类没有的能力。
二、AI 创新药（AI4S 医药方向）三大核心风险临床验证闭环尚未跑通（最大硬风险）目前没有 AI 从头发现的分子成功走完三期临床上市。大量 AI 设计分子停留在一期临床失败。AI 在虚拟筛选、分子设计上表现亮眼，但体内真实生物学系统复杂度极高，模型预测和真实人体药效、毒副作用存在巨大 gap，纸面活性≠临床有效。很多宣传效果存在夸大。商业模式：收入兑现周期极长主流合作模式是药企 + AI 公司结果分成，而不是按算力 /tokens 订阅收费。药物研发周期动辄数年，只有候选药推进到临床后期 / 上市才会兑现大额分成。前期现金流弱，业绩兑现慢，很难像 AI 代码工具那样快速产生稳定营收。数据底座先天短板（国内公司痛点）高质量私有实验数据稀缺；公开数据集质量参差不齐；阴性实验数据严重缺失：药企大量失败实验不会公开，阴性数据对训练预测模型至关重要；模型容易学到 “纸面假象”，泛化能力受限，外推到全新靶点时可靠性下降。三、投资推演：为什么优先看好上游卖铲人，而非 AI 新药研发公司新药研发本身是高失败率生意，哪怕 AI 加持，临床失败的底层概率依然很高。AI 药企是挖金矿的人，金矿能不能挖出来不确定；卖铲人是不管金矿挖不挖得成，都能持续拿到收入：算力、专用生物大模型底座、高通量实验平台、生物表征设备、高质量实验数据服务；具备壁垒 + 定价权；产业侧信号：英伟达、Anthropic 等头部 AI 巨头都持续布局 AI for Science/AI 制药赛道，不是短期题材炒作，属于长期产业趋势。关键区分：AI 制药不是简单把传统药物筛选提速，而是扩大可成药靶点池，抬升医药行业天花板；但这个长期叙事，短期会持续被临床数据验证进度压制。
四、补充边界思考（可以用来后续跟踪）区分两类 AI 药企：一类是AI 工具服务商（偏卖铲），输出平台、模型、筛选服务；另一类是自研管线药企，自己推进候选分子，承担临床失败风险。前者确定性高于后者；临床里程碑是核心观察信号：首个 AI 从头设计分子成功完成三期临床，会是整个板块的强催化事件；在此之前，都属于技术验证阶段；数据壁垒会逐步分化企业：谁能持续积累闭环的阳性 + 阴性自研实验数据，持续迭代模型，长期才会拉开差距；只靠公开数据训练的模型，长期竞争力偏弱。


AI 创新药・卖铲人｜跟踪清单（精简版）核心主线：AI4S 做大医药蛋糕，但管线临床失败风险极高；优先关注上游卖铲人，避开自研管线企业的临床黑天鹅。
一、核心催化（利好，出现任一重点标记）里程碑催化：全球首个 AI 从头设计分子完成 Ⅲ 期临床 / 获批上市（板块级别大拐点）产业合作催化：头部药企与 AI 平台签订大额预付款 + 里程碑 + 分成合作（重点看预付款，纯结果分成价值弱）模型能力催化：企业公布重磅靶点分子优化案例（如 GPCR、难成药靶点、表位抗体，需附带体外 + 体内验证数据，仅计算机模拟不算）数据底座催化：拿到高质量闭环实验数据（含阴性数据）、收购高通量生物实验平台，形成「模型预测→湿实验验证→回流训练」闭环巨头加码催化：英伟达、Anthropic 等在 AI 生物计算、生物大模型、专用算力集群新增落地项目 / 大额投资二、排雷指标（风险信号，出现需降权重）临床雷：核心 AI 来源候选分子 Ⅰ/Ⅱ 期临床失败；仅披露体外细胞活性，缺少动物体内药效数据商业模式雷：几乎无预付款，全部收入依赖远期销售分成；收入确认周期 ＞ 5 年，短期现金流差数据底座雷：模型训练仅依赖公开数据集，缺少自有湿实验阴性数据；模型泛化差，只能在老靶点上做优化宣传雷：大量宣传 “AI 发现新药”，但管线是传统药物改造，并非 AI 从头设计分子；混淆分子优化与从头发现概念竞争雷：技术无独占数据 / 平台专利壁垒；大模型厂商可直接向下游渗透，挤压其生存空间三、卖铲人赛道分类（优先级从高到低）

赛道分类核心逻辑关注点生物专用算力 底层框架不管管线成败，药企 / AI 公司都要买算力、定制生物计算框架；英伟达这类巨头持续加码生物分子模拟、蛋白质 / 抗体大模型加速卡、生物计算集群、分子动力学算力
高通量湿实验平台（自动化生物实验室）AI 预测必须靠湿实验验证，实验数据回流反过来训练模型，形成闭环；数据闭环的核心硬件载体自动化抗体筛选、高通量蛋白表征、微量生物检测设备；能否产生阴性实验数据
高质量生物数据服务 / 标注数据集国内普遍缺阴性临床 / 实验数据，高质量标注数据是模型训练瓶颈自有实验数据集、药企数据授权、结构化生物数据库；是否包含阴性样本
生物大模型底座（平台型，不深度自研管线）输出分子设计、蛋白结构预测工具，收取平台订阅 + 项目预付款；轻资产，不承担临床风险是否有稳定药企付费客户、预付款占比、模型落地案例，避开自己重仓推临床管线的


❗区分边界：平台服务商 = 卖铲；自己开发新药管线 = 淘金（高失败风险）
四、月度持续追踪要点（极简）重点公司：新增合作公告，区分【预付款】vs【纯远期分成】临床端：AI 起源候选分子临床进展，重点盯 Ⅰ/Ⅱ 期读出数据技术端：是否新增湿实验验证结果，不是单纯计算机仿真行业：海外头部 AI 生物公司、英伟达 / Anthropic 相关新动作风险：是否出现 AI 分子临床失败案例，会压制板块估值五、一句话浓缩复盘（可直接复制到笔记）AI Coding 是存量降本增效，上限不超人类专家；AI4S（AI 制药）拓展科学边界，能完成传统手段无法实现的分子优化，抬升医药行业天花板。但当前最最大短板是临床闭环未验证，AI 分子 Ⅲ 期零突破，国内数据底座缺少阴性湿实验数据，AI 药企多为远期分成模式兑现极慢。所以优先布局上游卖铲人（算力、高通量湿实验平台、生物数据集、平台型生物大模型），淘金式自研管线不确定性大，等待全球 AI 新药 Ⅲ 期临床里程碑作为板块大拐点


AI 创新药｜卖铲人对标个股（按 4 大赛道分类，严格匹配前面逻辑：优先干湿闭环、预付款收入、自有实验数据；剔除纯自研管线淘金标的）核心原则：AI 生成海量候选分子，湿实验验证需求爆发，无论管线成败，上游持续拿订单；下面分【优先级排序 + 核心逻辑 + 风险提示】，适合星球直接引用。⚠️免责提示：仅产业链逻辑梳理，不构成任何投资建议，个股存在估值、解禁、基本面、行业验证不及预期风险。
一、高通量湿实验自动化平台（最高优先级，干湿闭环硬件载体，AI4S 物理执行端）核心价值：AI 模型输出分子 / 抗体序列，必须自动化高通量实验设备做验证，产生阳性 + 阴性实验数据回流训练模型，是闭环核心硬件。
华大智造 688114 核心对标：GLI 智能自动化实验室（AI 原生自动化实验室）+ 测序设备 + 多组学，整套自动化湿实验工作站；可以把 AI 预测的生物样本自动化完成测试，产生实验数据回流训练生物大模型；药企 / AI 公司采购硬件 + 耗材，收入确定性强中证网。卖点：国内少数可提供端到端自动化生物实验室，直接承接 AI 抗体、蛋白、多组学靶点验证需求。风险：GLI 自动化业务目前营收占比尚低，属于第二增长曲线。成都先导 688222 （DEL+AI + 自动化高通量筛选）核心对标：万亿级 DNA 编码化合物库 DEL + HAIL O AI 平台 + 自动化筛选，DEL 库本身就是 AI 模型训练的高质量分子数据源，一边对外提供靶点筛选服务（预付款收入），一边自动化高通量湿实验，拿到大量阴性 / 阳性分子数据，可回流训练模型；小分子苗头化合物筛选核心卖铲人新浪财经。卖点：DEL 是 AI 早期靶点发现的稀缺数据源，有对外服务收入，不完全依赖管线分成。风险：同时持有自研管线，会附带少量淘金端临床风险。二、重组蛋白 / 生物试剂（AI 抗体赛道最直接受益，案例：科迈 GPCR 抗体优化需要大量靶点蛋白）核心价值：AI 大量生成新抗体序列，每一轮迭代都需要重组蛋白做体外结合活性验证；AI 抗体设计越多，蛋白试剂复购越多，刚性耗材属性，你前面提到的 GPCR 指定表位抗体设计，刚需就是这类靶点蛋白。
百普赛斯 301080 核心对标：重组靶点蛋白龙头，GPCR、膜蛋白、难成药靶点蛋白，专门服务 AI 大分子 / 抗体药物研发；构建「AI 预测 — 蛋白制备 — 湿实验验证」闭环，AI 抗体迭代带来持续蛋白订单，大分子 AI 制药最直接卖铲人新浪财经。义翘神州 301047 核心对标：重组蛋白、抗体试剂，品种覆盖广，海外 MNC + 国内 AI 药企客户，AI 抗体、蛋白药物验证上游耗材。近岸蛋白 688137 核心对标：重组蛋白、酶原料，GPCR 蛋白产品线布局，AI 大分子抗体验证弹性标的。三、AI 药物发现平台（平台型服务商，轻管线，收预付款 + 项目服务费，避开重仓自研管线的淘金者）筛选标准：主业是对外提供 AI 药物发现服务，有预付款，不是只靠远期分成；有自有湿实验能力，不是纯纸面算法。
泓博医药 301230 核心对标：自研 DiOrion-GPT 药物垂类大模型，小分子 AIDD+CRO，靶点发现、分子生成、 ADME T 预测，自带实验合成验证能力，对外承接 AI 药物发现项目，项目有预付款，不是纯远期分成模式。风险：小分子赛道，大分子抗体能力偏弱。药石科技 300725 核心对标：分子砌块龙头，AI 生成海量小分子结构，需要大量分子砌块做合成验证；AI 设计分子越多，砌块采购需求越高，小分子 AI 制药上游卖铲。四、底层算力 / 生物计算 数据服务（AI4S 底层底座）算力：国内算力厂商（浪潮信息、中科曙光）逻辑：生物分子动力学、蛋白大模型、抗体模拟算力消耗极大；英伟达生态国内替代，药企 / AI 生物公司搭建生物计算集群采购算力硬件。定位：通用 AI 算力叠加生物仿真算力需求，属于广谱卖铲，生物专用属性偏弱，弹性弱于生命科学硬件 / 试剂。诺禾致源 688315 （多组学数据服务）核心对标：多组学测序 + 生物信息解析，为 AI 模型提供基因组、蛋白组高质量标注数据；AI4S 数字细胞、靶点挖掘需要大量多组学数据，提供数据服务收入。五、辅助配套卖铲（次要受益，作为补充）模式动物：百奥赛图、药康生物；AI 分子进入体内药效验证阶段，需要人源化小鼠做动物实验，AI 管线并行度提升拉动动物订单。培养基 / 层析填料：奥浦迈、纳微科技；细胞表达蛋白实验耗材。❗重点排雷区分（关键，对应前面星球逻辑）✅ 卖铲人（优先）：收入来自硬件、试剂、实验服务、项目预付款；下游管线临床失败，不影响当期订单。❌ 淘金者（尽量回避）：英矽智能、晶泰科技、国内纯 AI 新药公司；收入主要靠远期管线分成，临床失败直接减值，属于挖金矿，不是卖铲子。
精简一句话总结（星球帖可用）AI 创新药卖铲主线分 4 档：第一档自动化湿实验平台（华大智造、成都先导）；第二档重组蛋白耗材（百普赛斯、义翘神州，AI 抗体赛道最强弹性）；第三档平台型 AIDD 服务商 + 分子砌块；第四档生物算力与多组学数据。优先选择有预付款收入、自有湿实验、可产出阴性实验数据标的；回避以远期管线分成为主、重仓自研管线的纯 AI 新药淘金企业。
补充关联：你前面提到的科迈生物科迈生物本身属于淘金端（AI 抗体自研管线），不是卖铲人；但它做 GPCR 抗体优化，上游采购靶点蛋白、自动化筛选设备，直接拉动百普赛斯、华大智造这类卖铲人需求。

AI 创新药卖铲人｜六维打分表六维标准回顾：窄门 + 稀缺垄断 + 产业链定价权 + 刚需属性 + 资金认可 + 高外销占比 / 低进口原料打分规则：每项维度 0~2 分；满分 12 分。✅=2 分（强达标）｜△=1 分（部分达标）｜❌=0 分（不达标）筛选原则：只保留前面的卖铲候选标的，剔除纯自研管线淘金标的；免责声明：仅逻辑定性打分，不构成任何投资建议，不做买入卖出推荐，存在估值、解禁、业绩、行业验证不及预期等风险。

标的证券代码赛道窄门 (2)稀缺垄断 (2)产业链定价权 (2)刚需属性 (2)资金认可 (2)高外销 / 低进口原料 (2)总分外销占比核心壁垒风险点华大智造688114高通量湿实验自动化平台✅✅△✅✅△11约 45%国内少数可提供端到端自动化生物实验室 GLI 平台；自有测序硬件 + 耗材闭环；可产出湿实验阳性 / 阴性数据，适配 AI4S 干湿闭环GLI 自动化实验室业务当前营收占比低；海外测序设备竞争；资本开支大
成都先导688222DEL 库 + 高通量筛选 + AI 平台✅✅✅✅△△10约 30%万亿级 DEL DNA 编码化合物库；HAILO AI 药物发现平台；高通量筛选，可沉淀大量分子阳性 + 阴性实验数据；对外筛选服务有预付款收入少量自研管线，附带临床减值风险；DEL 行业竞争逐步增加
百普赛斯301080重组蛋白（GPCR / 膜蛋白）✅✅✅✅✅✅12约 70%难成药靶点蛋白（GPCR、膜蛋白）规模化制备能力；AI 大分子抗体迭代刚需耗材；海外 MNC+AI 药企客户；国产替代，进口原料依赖低大分子研发周期波动；海外地缘贸易风险；膜蛋白研发难度高，新品拓展不及预期
义翘神州301047重组蛋白 / 抗体试剂△△△✅✅✅9约 75%重组蛋白、抗体表达平台，客户覆盖全球药企；高通量蛋白制备，AI 抗体验证耗材；高外销蛋白行业同质化竞争；价格战；产能扩张后毛利率承压
近岸蛋白688137重组蛋白△△△✅△△8约 28%GPCR 靶点蛋白布局，酶原料配套；AI 大分子抗体验证耗材；国产替代客户集中度偏高；外销占比偏低；研发投入大，盈利波动
泓博医药301230AIDD 平台 + CRO 小分子✅△△✅△△8约 40%自研 DiOrion-GPT 垂类药物大模型；具备合成湿实验验证能力，项目可收取预付款；小分子 AIDD 服务大分子抗体能力薄弱；AIDD 服务收入占比仍不高；CRO 行业价格竞争
药石科技300725分子砌块（小分子 AI 上游）✅✅✅✅✅✅12约 80%分子砌块龙头，海量独特砌块库；AI 生成海量小分子，必须用砌块做合成验证；全球客户，高外销小分子创新药研发下行会影响订单；新品砌块拓展不及预期；海外政策风险
诺禾致源688315多组学数据服务△△△✅△△8约 35%多组学测序 + 生物信息解析，为生物大模型提供标注数据集；AI 靶点挖掘数据供给测序服务同质化；数据变现难度大；单纯数据服务壁垒偏弱
浪潮信息000977生物算力硬件△△△△✅△7约 25%国内 AI 服务器龙头，可承载蛋白 / 分子动力学仿真算力；生物计算集群硬件供应商属于通用算力，生物专用属性弱；算力行业内卷，价格战；毛利率持续承压
中科曙光603019生物算力硬件△△△△△△6约 15%高性能计算集群，生物分子模拟算力底座；国产算力生态通用 HPC，生物场景定制化弱；客户分散，AI 生物算力订单弹性有限
百奥赛图688177模式动物△△△✅△△8约 35%人源化小鼠模型，AI 候选分子体内药效验证刚需；可配套抗体发现服务动物实验周期长；成本上行；行业竞争加剧；动物伦理监管风险
药康生物688046模式动物△△△✅△△8约 32%基因编辑小鼠模型，药效体内验证刚需耗材价格竞争；小鼠繁育成本波动；客户订单周期性
奥浦迈688293细胞培养基△△△✅△△8约 38%细胞培养基，抗体蛋白表达耗材；AI 大分子抗体验证上游耗材培养基国产替代加速，但行业竞争加剧；进口原料仍有一定依赖
纳微科技688690层析填料△△△✅△△8约 42%层析纯化填料，蛋白 / 抗体纯化刚需耗材；国产色谱介质龙头下游生物资本开支周期波动；海外巨头竞争
六维单项释义（贴表格备注，方便文档）窄门：赛道门槛高，不是随便一家公司短期可以切入；非通用业务，属于 AI4S 药物发现专属环节稀缺垄断：细分赛道具备供给稀缺性，头部拥有独特库 / 平台 / 工艺，竞争对手难以快速复刻产业链定价权：在产业链中具备议价能力，可稳定收取预付款 / 耗材复购，不依赖远期管线分成刚需属性：AI 药物研发流程中不可跳过环节；无论下游管线临床成功与否，都要持续采购服务 / 耗材资金认可：机构持仓、成交额、流动性充足，主线赛道容量中军属性，不是极小成交冷门小票高外销占比 / 低进口原料：优先满足外销占比高；次选国内自主可控，核心原料低进口依赖分层汇总（按总分）12 分（顶级标的，完全满足六维）：百普赛斯、药石科技10~11 分（第一梯队）：华大智造、成都先导8~9 分（第二梯队，优质备选）：义翘神州、近岸蛋白、泓博医药、诺禾致源、百奥赛图、药康生物、奥浦迈、纳微科技6~7 分（第三梯队，弹性弱，仅作为配套）：浪潮信息、中科曙光关键排雷备注成都先导自带少量自研管线，会附带淘金端的临床减值风险，打分虽高，权重要适度下调；算力标的（浪潮、曙光）生物专用属性弱，只是通用算力受益，不是 AI4S 专属卖铲，弹性弱；六维打分是定性逻辑打分，没有量化财务权重，后续可以叠加：解禁、商誉、质押、现金流、库存、中报业绩做二次排雷。
以上内容仅供产业细分参考梳理，非推荐，依此入市风险自担！！！