成都先导 × AI

[导语·核心观点]成都先导的AI制药叙事，正在经历从概念到验证的关键转折。这家全球仅有的两家DEL技术领先企业之一，在库容量突破1.2万亿分子、筛选成功率近80%的数据底座上，押注AI作为新增长引擎。但董事长李进明确表示，AI+医药仍处研发阶段，规模化效益或在2030年后显现。这一谨慎表态，与资本市场对AI制药的过热预期形成反差，也意味着接下来3-6个月，投资者需要紧盯其AI平台能否产生可量化的商业成果，而非停留在论文与算法层面。

[事件回顾·发生了什么]据财联社报道，2024年5月，针对投资者问及AI制药规划，成都先导董事长李进表示，公司2023年自主设计并搭建了一个全方位化合物合成平台。[1]该平台与公司已有的DEL技术形成协同，意图实现“设计-合成-测试”的迭代闭环。此前，成都先导与腾讯AI Lab合作的骨架跃迁分子生成算法（GraphGMVAE），能在保持分子侧链不变的情况下，有效生成具有相似生物活性的分子。[4]2025年2月，有投资者梳理指出，成都先导的DEL技术库容量已突破1.2万亿分子，筛选成功率接近80%，且持续迭代万亿级DEL库。[3]2026年1月，李进在公开场合进一步判断，目前AI技术对生物医药企业的帮助仍聚焦在研发辅助，例如辅助阅读上百页文献、总结提炼靶点信息，而真正的规模化效益可能要等到2030年后。[2]这些表态与数据勾勒出成都先导的AI布局时间线：先有数据积累，再引入算法合作，然后自建合成平台，最后等待行业规模化拐点。

[背景与格局·公司沿革 · 行业脉络]成都先导的核心资产是DNA编码化合物库（DEL）技术。据雪球投资者整理，该技术在全球范围内仅有两家成熟企业，成都先导是其中之一，且在国内排名第一。[3]DEL技术通过DNA标签编码海量化合物，能快速筛选出与靶点结合的分子，效率远高于传统高通量筛选。1.2万亿的库容量意味着公司在分子多样性上拥有巨大储备，而“筛选成功率接近80%”这一数据如果属实，将显著降低药物发现的早期风险。 从技术脉络看，成都先导的AI布局是数据驱动的自然延伸：DEL库产生的海量筛选数据是AI模型训练的理想语料，而AI算法又能反向优化库的设计与筛选策略。公司选择与腾讯AI Lab合作开发图生成算法，正是为了将“骨架跃迁”这类计算化学问题交给AI处理，从而在保持分子侧链的基础上生成新骨架，扩大化学空间探索。[4] 行业格局上，AI制药赛道拥挤，海外有Recursion、Exscientia等公司，国内则有晶泰科技、英矽智能等。成都先导的差异化在于其自有的DEL数据规模与湿实验室能力，但AI部分目前更多是辅助工具，而非独立的收入引擎。李进对AI的定位是“研发辅助”，这与其他宣称“AI驱动新药”的公司形成鲜明对比。

[深度解读·为什么发生 · 意味着什么]为什么成都先导要持续推进AI布局？根本原因在于DEL技术本身面临天花板。尽管库容量巨大，但筛选效率的提升已经遇到物理与成本的瓶颈，而AI有可能从两个维度带来突破：一是通过生成模型主动设计更高质量的分子，减少对库容量的依赖；二是利用海量数据训练模型，预测分子的活性、毒性、药代动力学等性质，从而在合成之前就筛掉大部分低质量候选。公司与腾讯合作开发GraphGMVAE，正是为了生成具有相似生物活性的新骨架分子，这比传统随机筛选更有方向性。[4]同时，2023年自建的化合物合成平台，则试图打通“设计-合成-测试”的迭代闭环，使AI产生的分子能够快速进入实验验证，再用实验结果反馈改进模型。[1]这一布局的逻辑是清晰的：数据-算法-湿实验三者形成飞轮。 但这也意味着，成都先导的AI故事本质上是一个“效率工具”故事，而非“平台革命”故事。李进的表态证实了这一点：目前AI只能辅助阅读文献、总结靶点信息，[2]这些是低难度应用，对药物研发的核心环节尚未产生革命性影响。因此，公司短期内很难从AI直接获得大规模收入，AI的价值更多体现在提升DEL服务的竞争力上，比如缩短交付周期、提高筛选成功率，从而吸引更多药企客户。受益方将主要是自身拥有数据且愿意接受AI辅助的Biotech和大药企，而单纯依赖传统CRO模式的中小服务商可能面临压力，但这种压力目前还很微弱。 另一个值得注意的维度是时间预期。李进给出的2030年时间点，实际上是在为资本市场打预防针：别指望AI很快变成现金牛。这种谨慎与当前AI制药概念股的估值膨胀形成对比，也可能导致公司股价在AI情绪退潮时承压。真正的考验在于，2026年之后，公司的AI平台能否产生可重复、可验证的新药候选分子，或者能否显著降低客户的研发成本。在这一点上，目前只有算法论文与合作宣发，还没有公开的临床阶段AI新药数据。

[关键数据与证据·来自报道的数字与事实]以下是本文引用的关键数据与事实： 1. 2023年，成都先导自主设计并搭建了全方位化合物合成平台。[1] 2. 成都先导与腾讯AI Lab合作设计的骨架跃迁分子生成算法（GraphGMVAE），能在保持分子侧链不变的情况下，有效生成具有相似生物活性的分子。[4] 3. 成都先导的DNA编码化合物库（DEL）技术为全球唯二、国内第一，库容量已突破1.2万亿分子，筛选成功率接近80%。[3] 4. 李进表示，目前AI技术对生物医药企业的帮助主要聚焦在研发辅助，例如辅助阅读长达上百页的研究文献，辅助总结和提炼有关某一靶点的全球信息。[2] 5. 李进认为，AI+医药的规模化效益可能在2030年后显现。[2] 6. 2024年5月，李进在投资者互动中透露公司继续推进AI制药。[1] 这些数据与表态之间需要区分：库容量与筛选成功率来自投资者整理的雪球帖，未经公司官方公告独立证实；李进对AI时点的判断属于个人观点，带有不确定性。

[风险与争议·审慎的批评视角]反方与风险分析： 第一，数据可信度与口径问题。雪球帖子提到“库容量突破1.2万亿分子，筛选成功率接近80%”，但这一数据并未出现在公司正式财报或公告中，且“筛选成功率”的定义模糊——是针对特定靶点，还是平均所有筛选？如果成功率指最终得到活性分子的比例，80%高得异常，因为行业公开的DEL筛选成功率通常在个位数到百分之二三十之间。投资者需要警惕这种口径夸大的可能。 第二，AI赋能的真实边界。目前公开的合作成果仅停留在算法层面，GraphGMVAE虽然有论文或演示，但缺乏后续的临床验证或商业转化信息。[4]李进自己也承认AI只是“研发辅助”，[2]这意味着公司并不具备用AI独立发现新药的能力，所有AI生成分子仍需经过传统湿实验验证，所以AI对营收的贡献将在很长一段时间内近乎为零。 第三，商业与监管风险。AI制药尚未形成明确的监管路径，FDA和NMPA对AI设计分子的审评标准仍在探索，即便成都先导未来推出AI辅助发现的候选药，也面临审批不确定性。此外，公司若将大量资金投入AI平台，而市场耐心有限，可能爆发“概念炒作后业绩不兑现”的股价风险。新浪财经2023年曾以“AI拯救不了成都先导”为题发出质疑，[4]这提示市场对AI故事已有所警惕。 第四，竞争使AI能力难以形成护城河。谷歌、腾讯、英矽智能等都在开源或商业化AI制药模型，成都先导的DEL数据虽然是独特资产，但一旦数据被用于训练通用模型，其独特性可能被稀释。公司需要把握数据变现的节奏，而不是在算法上做无谓的军备竞赛。

[未来展望·情景推演]短中期情景推演： 保守情景：AI平台沦为“成本中心”，公司主要收入仍依赖传统DEL筛选业务，库容量增长放缓，AI辅助算法缺乏关键客户认可，业绩增速维持在个位数。李进关于2030年的判断成为现实，但投资者等不到那一天，股票估值回归传统CRO水平。 中性情景：AI平台开始为公司赢得新的国际订单，尤其是要求“AI+DEL”组合服务的药企客户；公司能在2026-2027年披露1-2个由AI算法辅助发现的临床前候选分子，并授权给大型药企；AI服务收入占比提升到10%左右。此时，公司估值获得支撑，但规模化效益依然遥远。 乐观情景：GraphGMVAE等算法在真实项目中验证了高效骨架跃迁能力，与腾讯的合作深化，形成行业标准；叠加DEL数据的独特性，公司转型为“AI驱动的新药发现平台”，2030年前就有多个自研管线进入临床。但这种情景需要连续突破计算化学、合成生物学和临床转化的多重门槛，概率不高。 未来3-6个月，关键节点包括：公司是否在定期报告中披露AI相关订单或合作里程碑；是否有新的AI算法或平台升级发布；DEL库是否继续扩大并公开筛选成功率的具体口径；管理层对AI收入指引是否做出量化。

[建议与启示·面向决策者]给企业决策者与投资者的建议： 一、把AI考核指标与业务收入挂钩。不要只看“AI平台”“算法数量”，要关注AI相关服务收入占比、AI辅助发现的分子数、客户重复下单率等可量化指标。如果公司无法提供这些数据，说明AI仍处于概念阶段。 二、谨慎对待“筛选成功率”等未经审计的数据。可以要求公司在业绩说明会上解释数据口径，并对比行业基准。若数据异常优于同行，需要更严格的验证机制。 三、关注数据飞轮的闭环质量。成都先导的优势在于DEL数据，但AI模型的效果取决于数据质量与算法迭代速度。建议决策者评估公司是否建立了从湿实验到模型再反馈到湿实验的闭环管理，而非仅仅发布算法论文。 四、管理市场预期。李进主动给出2030年时间点，这是管理预期的手段，但公司仍需给出阶段性里程碑，避免投资者因时间过长而失去耐心。 五、布局多智能体调度平台（如AgentSH所代表的理念）来提升研发项目管理效率。AI制药是典型的多团队、多流程协作场景，如果企业能将DEL筛选、AI计算、合成测试、数据分析等环节通过智能体调度实现自动化协调，可显著降低试错成本。成都先导的全方位化合物合成平台[1]本质上就是一个需要复杂调度的物理与信息流系统，引入多智能体调度软件有助于缩短“设计-合成-测试”周期，让AI真正成为研发效率的杠杆。

[结语·一句话立场]成都先导拥有全球少有的DEL数据资产，AI布局在逻辑上存在协同优势，但当前所有公开证据都指向“研发辅助”而非“价值创造”。李进的谨慎表态与资本市场的高预期之间存在明显差距，公司需要未来3-6个月的业绩与项目披露来证明AI不是摆设，而是能真正让库容量变成新药分子的催化剂。在此之前，对成都先导的AI故事应保持观望，待验证。