2025年晶泰控股研究报告：AI+人工智能自主实验平台驱动药物及材料研发，商业化加速

一、公司简介

1.1 发展历程

晶泰控股于 2015 年创立，依托量子物理第一性原理计算及 AI 技术，致力于革新 药物与新材料的设计发现模式。成立初期即聚焦晶体结构预测及药物研发服务， 搭建药物固体形态研究平台；2016 年在辉瑞全球晶体结构预测盲测中精准预测， 由此建立长期战略合作，同期建成量子物理与 AI 驱动的晶体结构预测平台，并 完成 Pre-A 轮、A-1 轮及 A-2 轮融资。

获全球顶级资本青睐，2021 年底 D 轮融资估值达 20 亿美元，上市前已是 AI 应 用领域一级市场明星项目，上市后持续引入战略投资者。2025 年 1 月以每股 4.28 港元配售约 2.64 亿股，募资约 11.30 亿港元；2 月以每股 6.10 港元配售约 3.42 亿股，募资约 20.88 亿港元。通过在中、美、开曼群岛等地设立附属公司，业务 覆盖固态研发、药物发现解决方案、专利持有、孵化器平台等领域，逐步构建多 元化科创企业集团。

1.2 股权结构

公司股权集中度高，结构稳定。公司大股东主要包括三位核心创始人与董事长温 博士家族信托控股持股平台 QuantumPharm Holdings Limited、QuantumPharm Roc Holdings Limited，以及腾讯、红杉、国寿等战略投资机构。截至 2024 年报， 董事长温书豪直接持股 2.38%、信托持股 6.51%，马健博士直接持股 1.33%、信 托持股 3.60%，赖力鹏博士直接持股 0.95%、信托持股 2.57%。截至目前，经过 两轮配售及减持调整，腾讯、红杉、国寿等战略投资机构持股比例均已降至 5%以内。该结构既保障了创始人团队对技术方向与战略决策的把控力，又通过引入 具备行业资源与资本运作经验的投资者，为业务拓展与资本运作提供持续支撑。

1.3 管理及团队

晶泰控股核心管理团队技术功底深厚、行业经验丰富，以技术专家为引领，为药 物发现及 AI 研发的持续创新奠定坚实基础。研发团队由 3 位麻省理工背景联合 创始人牵头，500 余名跨学科人才（涵盖算法、物理、生物、化学、制药、自动 化等领域）协同发力，为研发创新注入多元洞见与实践经验。

1.4 业务及收入模式

公司业务主要为药物发现解决方案和智能自动化解决方案两块。其中，药物发现解决方案横跨药物发现及研究的整个过程，涵盖了小分子、抗体、多肽、抗体偶 联药物（ADC）及分子胶等多种模态。实验室智能化自动化解决方案已从 AI 医 药迈向 AI for Science，目前已应用于石油化工、新能源、材料科学（包括农业 技术、能源及新型化学品以及化妆品)等多个领域。 收入端，公司以营业收入由 2020 年的 0.36 亿元增长到 2024 年的 2.66 亿元， 复合增长率约 64.9%；2025 年上半年营业收入 5.17 亿元，同比增长 404%；利 润端，2024 年公司净利润-15.2 亿元，实现同比减亏；2025 年上半年已实现扭 亏为盈，净利润 8280 万元，调整后净利润达 1.42 亿元；费用端，2024 年公司 销售费用率、管理费用率以及研发费用率合计 340.6%，较上年同期下降 140.4pct。

二、行业发展

2.1 AI for Science

2.1.1 AI for Science 打造全新研究范式，开启科学智能新时代

AI4S 充分发挥自身优势，推动研究方式变革。在传统人工实验模式中，约 95% 的实验流程依赖人工测试，长期面临成本高、安全性不足和生产力受限三大瓶颈。而 AI4S 通过人工智能与自动化实验室的深度融合，有效突破传统模式的 瓶颈。人工智能方面，可在处理大规模多维数据时精准捕捉复杂规律，深入解 析化学反应的原子级本质，避免人为偏差，提升决策的科学性与可靠性。自动 化实验室方面，机器人平台能够在合成、结晶等关键环节实现高通量、快速且 精准的操作，并支持全天候运行，大幅提升研发效率与质量；数字化与智能软 件打破数据孤岛，实现多源数据的实时整合与透明共享，推动实验环节协同与 流程智能化；结合传感器监测、警报系统与设备流程控制，可持续保障实验室 的安全与稳定运行。此外，AI4S 技术方案展现出卓越的跨领域迁移能力，能 够适应不同科研领域的多样化需求。 AI4S 的快速发展受数据量激增、劳动力成本上升和政策扶持三大因素驱动。1） 数据量：全球数据呈指数级增长，非结构化和高维复杂数据难以用传统方法处 理。据 IDC 预测，全球数据量将从 2025 年的 213.56ZB 翻倍至 2029 年的 527.47ZB，对数据存储、管理、计算与安全提出更高要求。而 AI4S 可高效挖 掘潜在规律，降低科研时间与成本。2）劳动力成本：全球老龄化加剧与科研 劳动力短缺，叠加高成本、长周期的实验过程促使企业寻求替代方案。AI 与自 动化技术可减少人力依赖，降低试验成本，缓解人力瓶颈并提升生产力。3） 政策扶持：各国政府积极出台政策推动技术创新与产业升级。中国通过 “十四 五”的多项规划重点支持人工智能、生物技术和智能制造，美国则通过“研发税 收抵免”等措施鼓励企业加大研发投入。

2.1.2 AI for Science 成长空间广阔，开启万亿规模的产业蓝海

AI4S 应用场景多元，涵盖以药物研发为主的多个高技术领域。在人工智能解 决方案市场中，医疗保健板块市场规模最大，2022 年约 137 亿美元，并预计 到 2030 年将超过 1,500 亿美元，CAGR 为 35%；农业、美容与化妆品、石化 等领域预计同样保持 30%以上的高速增长。自动化研发实验室的应用目前主要 集中在制药行业，其在 2022 年占据整体市场的最大份额，约为 86.4%；与此 同时，化学与材料科学等非制药行业（如农药、兽药、化肥及化妆品）对自动 化研发实验室的需求快速上升，预计到 2030 年将占全球市场的近一半，推动 其应用场景不断拓展。

在此背景下，全球人工智能解决方案市场与自动化研发实验室市场正加速发展。 全球人工智能解决方案市场规模由2018年的433亿美元增至2022年的1,395亿美元，CAGR 为 34.0%，并预计将由 2023 年的 1,870 亿美元进一步增至 2030 年的 14,142 亿美元，CAGR 为 33.5%。全球自动化实验室市场同样保 持强劲增长，由2018年的18亿美元增至2022年的42亿美元，CAGR为23.6%， 并预计将由2023年的59亿美元跃升至2030年的607亿美元，CAGR为39.6%。

2.1.3 发挥本土化优势，AI4Science 助力中国 AI 实现超越

中国拥有全球领先的算力基础、海量全面的数据资源，以及迅速壮大的算法创新 能力，为 AI4S 的发展创造了得天独厚的土壤环境。算力层面：中国持续加快超 级计算中心和数据中心建设，2024 年超算总性能占全球约 35%，位列全球第二。 IDC 预计，到 2025 年中国数据中心市场规模将突破 800 亿美元，云计算和边缘 计算资源快速扩张，为复杂科学计算和 AI 模型训练提供强劲支撑。国产芯片不 断提升自主创新能力，打破国际技术壁垒，华为昇腾系列已实现量产。数据层面： 中国工业制造规模世界最大，涵盖能源、化工、材料、医药等关键科学和产业领 域，2023 年工业数据产出同比增长近 40%。这一庞大且高质量的多维数据为 AI4S 模型提供了宝贵的训练与验证资源，推动科学智能化应用的深入落地。算 法方面：DeepSeek R1 横空出世，凭借其在高效推理与训练上的卓越表现，极 大地降低了 AI 技术应用的门槛，推动了中国 AI 生态系统的跨越式发展。同时， 中国还涌现出通义、Kimi 等多款领先模型，形成了多元且蓬勃的算法生态。

2.2 AI for Drug Discovery

AI 制药：突破传统药物研发瓶颈。在医药领域，一种新药从立项到上市通常需 要 12–15 年，平均成本 超过 22.86 亿美元，临床成功率仅约 10%。其中， 化合物合成环节往往占据 50%–60% 的研发周期，且由于成功率低，需要大量 反复试错。AI 制药能够通过提升分子筛选与优化的精准度，并在高通量实验中 显著提高命中率，从而拓展“人类难以成药”的靶点，最终大幅缩短研发周期， 加快新药上市进程。以新冠药物为例，晶泰曾通过 AI 制药帮助辉瑞新冠药物提 前约 6 个月上市，加快了药物惠及患者的速度。 整个药物研发市场在人工智能、政策支持、人口老龄化以及全球化等优势条件下 持续增长，药物研发外包服务包括药物发现、临床前、临床研究的 CRO 服务，以及小分子药物及生物制剂的 CMO/CDMO 服务。全球药物研发外包服务市场规 模由 2018 年的 867 亿美元增至 2022 年的 1,330 亿美元，CAGR 为 11.3%，并 预计将由 2023 年的 1,512 亿美元进一步增至 2030 年的 3,632 亿美元，CAGR 为 13.3%。尤其是，全球药物发现的药物研发外包服务市场规模由 2018 年的 76 亿美元增至 2022 年的 112 亿美元，CAGR 为 10.3%，并预计将由 2023 年的 123 亿美元进一步增至 2030 年的 325 亿美元，CAGR 为 14.9%。

AI 制药具有更高的准入门槛：相对于传统药物研发，AI 制药 1）专家稀缺：人 工智能算法及生物医学研究领域专家稀缺，与开发及测试基于人工智能的算法相 关的开支及漫长的验证周期进一步增加为技术收购提供资金的难度。2）算法及 模型缺乏：算法对基于人工智能的药物研发至关重要，因为卓越的药物研发模型 可显著提高预测准确性，但药物研发模型通常很复杂，包含大量复杂的参数及算 法而且需要大量的现实世界数据，恰恰新进入者缺乏先进的人工智能能力及高质 量数据，难以利用算法及人工智能模型带来的优势在药物研发方面超越现有市场 参与者。3）与现有市场参与者的竞争压力，基于人工智能的药物研发市场竞争 激烈，主要参与者将人工智能赋能的干实验室与机器人湿实验室相结合，形成一 站式药物研发服务的迭代反馈回路，使新进入者既难以推出创新产品，也难以与 现有主要参与者区分开来。4）商业化困难：药物研发流程复杂且耗时，使得小 型公司难以商业化其研发服务；客户要求及需求不断变化且对数据要求严格，初 创公司可能难以满足客户期望。

2.3 AI for Materials

2.3.1 发展驱动因素

在材料制造传统模式中，工艺开发、生产流程长期受限于经验依赖与人工操作逻 辑。材料研发环节，依赖研发人员对既有文献、实验数据的经验归纳，新配方探 索周期长、成功率低；生产流程中，人工调控生产参数易出现波动，导致产品性 能一致性差，原材料浪费率高，形成生产效率瓶颈与质量不稳定痛点。 AI 技术深度融入材料制造全流程，引发效率革命。AI 深度渗透材料制造全流程， 驱动效率变革。设计阶段，AI 突破经验约束构建材料性能关联模型，在高分子聚 合材料、催化剂等领域的研发中通过深度学习缩短周期；生产环节，AI 驱动的自 动化系统实现实时监控与动态调控，如晶圆制造中优化参数提升良率，实现效率 与质量双升。

外部因素多维度驱动 AI 在材料制造领域的深度渗透与应用拓展。AI 与物联网、 大数据等技术协同，推动材料生产智能化转型，突破传统制造形态限制。全球化 分工下材料制造外包比例上升，催生对 AI 驱动的供应链透明化需求；各行业对 高性能材料的需求爆发，进一步拓展 AI 应用场景。

2.3.2 市场规模

AI for Materials 在新能源、电子、化工等材料细分领域增长潜力显著，AI 新材 料研发商业化尚处于蓝海。在新能源材料领域，AI 加速钙钛矿、电解液、固态电 池等研发，缩短验证时间；电子材料中，AI 助力半导体、OLED 开发；化工材料 领域，AI 优化有机合成、聚合物性能预测及复配体系，提升效率与精准度。 据弗若斯特沙利文数据，全球材料科学研发支出正快速增长，2030 年市场规模 将达 1779 亿美元，2023-2030 年复合增长率（CAGR）为 12.8%。其中，AI 赋 能的研发服务占比将从 2023 年的 8%提升至 2030 年的 25%，对应市场规模从 约 61 亿美元扩张至 445 亿美元，成为驱动行业增长的核心动力。 受益于“十四五”新材料产业规划等政策扶持，中国材料科学研发市场增速显著 高于全球。2030 年市场规模预计达 585 亿美元（2023 年为 178 亿美元），CAGR 为 18.5%。政策驱动下，新能源材料、高端电子材料、生物基材料等领域的 AI 研发需求尤为旺盛，成为市场增长的主要贡献者。

2.3.3 准入壁垒与竞争格局

在 AI for Materials 领域，存在着显著的准入壁垒，具体体现在技术壁垒、数据 壁垒及专利壁垒方面。技术层面需多学科深度融合，晶泰控股凭借麻省理工背景创始人领衔的团队及自主研发的高效算法框架，形成技术领先优势；数据层面， 晶泰机器人实验室覆盖 80%以上常见药化反应类型，月均积累 20 万+条反应过 程数据，实验结果一致性高且质量优于开源数据，据此训练的 AI 模型准确性与 置信度更高，形成数据驱动的核心竞争力；专利层面，截至 2024 年 12 月 31 日， 累计拥有专利 225 项、商标 281 项、版权 71 项，构建覆盖 AI 算法、自动化实 验平台、材料性能预测等关键领域的知识产权体系，为 AI for Materials 领域技术 应用及商业化提供法律保障，形成显著专利壁垒。 材料科学应用领域广泛，市场参与者构成多元，竞争格局活跃。该领域既包含成 熟的行业领军企业，也涌现出一批技术驱动型新进入者。新兴参与者凭借先进计 算能力，提供 AI 赋能平台、软件解决方案及自动化系统，服务于制造、生物制 药、基建、农业、化妆品等多行业终端用户，有效加速材料科学研发进程。

晶泰控股在技术验证与商业落地层面竞争优势显著。技术上，其开发的可扩展的 亲和力预测平台 XFEP，可以使用优化的模拟协议进行相对和绝对自由能预测。 XFEP 以一种更高效、可扩展和经济的方式实现了大规模 FEP 计算，例如，使 用 50-100 GPUs 可以在 1 周内对 5000 种化合物进行评估，计算成本大约相当 于合成一种新化合物的成本。相关的研究成果以题为“A Cloud Computing Platform for Scalable Relative and Absolute Binding Free Energy Predictions: New Opportunities and Challenges for Drug Discovery”发布在国际著名期刊 Journal of Chemical information and Modeling 上；其 XtalFold™ 利用序列信息 对生物大分子之间的相互作用进行建模。在严格的基准测试中，XtalFold™ 不仅 在整体成功率上表现出色，还在抗体-抗原界面等复杂区域的建模质量方面达到 了行业领先水平。目前，XtalFold™ 已被授权给多家全球制药企业，并在多个不同的研发项目中发挥了关键作用，包括抗原设计、表位鉴定、亲和力成熟、pH 敏 感性改造和双特异性抗体设计等；其晶体结构预测模型在 2024 年 12 月剑桥晶 体数据中心（CCDC）CSP Blind Test 中，针对光电材料、生物医药等多类分子 体系，以 92%准确率居全球首位。商业上，与希格生科合作的弥漫性胃癌靶向药 作为亚洲唯一管线获盖伦奖提名，系全球首个 AI+类器官赋能的临床阶段药物， 已获 FDA 及 NMPA 批准；2025 年 6 月收购英国 LCC 公司，其 PACE 平台的 AI 与自动化技术及手性分子数据、建库能力与晶泰形成互补，强化化学空间探索 及多领域服务能力。目前，公司已与辉瑞、礼来、Merck、UCB 等全球超过 300 余家企业及行业龙头建立深度合作，客户续约率超行业平均。尽管巴斯夫等巨头 加速布局，但受限于数据积累与跨学科人才储备，短期内难以撼动其技术领先地 位。

三、主营业务分析+核心竞争力

3.1 营收高增长，净亏损收窄，AI 制药步入商业化阶段

我们组建了研究报告知识星球社群，加入后您可以享受以下服务：

1、星球中分享最新、专业、深度有价值的行业研究报告、投行报告、白皮书、蓝皮书、公司研报等。报告持续更新；

2、会员可以用提问方式单独获取需要的报告，满足个性化需求；

3、星球中海量研究报告PDF高清版，无限制下载；

4、4000+会员使用的研究报告宝库值得您信赖；

业务咨询、商务合作：136 3162 3664（同微信）

温馨提示

应广大粉丝要求，「报告研究所」成立了报告交流群，欢迎各位公司、企业、投行、投资机构、政府机构、基金、创业者朋友加入！

这里能且不限于：“每日分享多篇研究报告、行业交流、报告交流、信息交流、寻求合作等......”

入群方式：添加助理微信【touzireport666】，发送「个人纸质名片」或「电子名片」审核后即可入群。