熱門資訊> 正文
2025-09-15 07:49
一、公司簡介
1.1 發展歷程
晶泰控股於 2015 年創立,依託量子物理第一性原理計算及 AI 技術,致力於革新 藥物與新材料的設計發現模式。成立初期即聚焦晶體結構預測及藥物研發服務, 搭建藥物固體形態研究平臺;2016 年在輝瑞全球晶體結構預測盲測中精準預測, 由此建立長期戰略合作,同期建成量子物理與 AI 驅動的晶體結構預測平臺,並 完成 Pre-A 輪、A-1 輪及 A-2 輪融資。
獲全球頂級資本青睞,2021 年底 D 輪融資估值達 20 億美元,上市前已是 AI 應 用領域一級市場明星項目,上市后持續引入戰略投資者。2025 年 1 月以每股 4.28 港元配售約 2.64 億股,募資約 11.30 億港元;2 月以每股 6.10 港元配售約 3.42 億股,募資約 20.88 億港元。通過在中、美、開曼羣島等地設立附屬公司,業務 覆蓋固態研發、藥物發現解決方案、專利持有、孵化器平臺等領域,逐步構建多 元化科創企業集團。
1.2 股權結構
公司股權集中度高,結構穩定。公司大股東主要包括三位核心創始人與董事長温 博士家族信託控股持股平臺 QuantumPharm Holdings Limited、QuantumPharm Roc Holdings Limited,以及騰訊、紅杉、國壽等戰略投資機構。截至 2024 年報, 董事長温書豪直接持股 2.38%、信託持股 6.51%,馬健博士直接持股 1.33%、信 託持股 3.60%,賴力鵬博士直接持股 0.95%、信託持股 2.57%。截至目前,經過 兩輪配售及減持調整,騰訊、紅杉、國壽等戰略投資機構持股比例均已降至 5%以內。該結構既保障了創始人團隊對技術方向與戰略決策的把控力,又通過引入 具備行業資源與資本運作經驗的投資者,為業務拓展與資本運作提供持續支撐。
1.3 管理及團隊
晶泰控股核心管理團隊技術功底深厚、行業經驗豐富,以技術專家為引領,為藥 物發現及 AI 研發的持續創新奠定堅實基礎。研發團隊由 3 位麻省理工背景聯合 創始人牽頭,500 余名跨學科人才(涵蓋算法、物理、生物、化學、製藥、自動 化等領域)協同發力,為研發創新注入多元洞見與實踐經驗。
1.4 業務及收入模式
公司業務主要為藥物發現解決方案和智能自動化解決方案兩塊。其中,藥物發現解決方案橫跨藥物發現及研究的整個過程,涵蓋了小分子、抗體、多肽、抗體偶 聯藥物(ADC)及分子膠等多種模態。實驗室智能化自動化解決方案已從 AI 醫 藥邁向 AI for Science,目前已應用於石油化工、新能源、材料科學(包括農業 技術、能源及新型化學品以及化粧品)等多個領域。 收入端,公司以營業收入由 2020 年的 0.36 億元增長到 2024 年的 2.66 億元, 複合增長率約 64.9%;2025 年上半年營業收入 5.17 億元,同比增長 404%;利 潤端,2024 年公司淨利潤-15.2 億元,實現同比減虧;2025 年上半年已實現扭 虧為盈,淨利潤 8280 萬元,調整后淨利潤達 1.42 億元;費用端,2024 年公司 銷售費用率、管理費用率以及研發費用率合計 340.6%,較上年同期下降 140.4pct。
二、行業發展
2.1 AI for Science
2.1.1 AI for Science 打造全新研究範式,開啟科學智能新時代
AI4S 充分發揮自身優勢,推動研究方式變革。在傳統人工實驗模式中,約 95% 的實驗流程依賴人工測試,長期面臨成本高、安全性不足和生產力受限三大瓶頸。而 AI4S 通過人工智能與自動化實驗室的深度融合,有效突破傳統模式的 瓶頸。人工智能方面,可在處理大規模多維數據時精準捕捉複雜規律,深入解 析化學反應的原子級本質,避免人為偏差,提升決策的科學性與可靠性。自動 化實驗室方面,機器人平臺能夠在合成、結晶等關鍵環節實現高通量、快速且 精準的操作,並支持全天候運行,大幅提升研發效率與質量;數字化與智能軟 件打破數據孤島,實現多源數據的實時整合與透明共享,推動實驗環節協同與 流程智能化;結合傳感器監測、警報系統與設備流程控制,可持續保障實驗室 的安全與穩定運行。此外,AI4S 技術方案展現出卓越的跨領域遷移能力,能 夠適應不同科研領域的多樣化需求。 AI4S 的快速發展受數據量激增、勞動力成本上升和政策扶持三大因素驅動。1) 數據量:全球數據呈指數級增長,非結構化和高維複雜數據難以用傳統方法處 理。據 IDC 預測,全球數據量將從 2025 年的 213.56ZB 翻倍至 2029 年的 527.47ZB,對數據存儲、管理、計算與安全提出更高要求。而 AI4S 可高效挖 掘潛在規律,降低科研時間與成本。2)勞動力成本:全球老齡化加劇與科研 勞動力短缺,疊加高成本、長周期的實驗過程促使企業尋求替代方案。AI 與自 動化技術可減少人力依賴,降低試驗成本,緩解人力瓶頸並提升生產力。3) 政策扶持:各國政府積極出臺政策推動技術創新與產業升級。中國通過 「十四 五」的多項規劃重點支持人工智能、生物技術和智能製造,美國則通過「研發税 收抵免」等措施鼓勵企業加大研發投入。
2.1.2 AI for Science 成長空間廣闊,開啟萬億規模的產業藍海
AI4S 應用場景多元,涵蓋以藥物研發為主的多個高技術領域。在人工智能解 決方案市場中,醫療保健板塊市場規模最大,2022 年約 137 億美元,並預計 到 2030 年將超過 1,500 億美元,CAGR 為 35%;農業、美容與化粧品、石化 等領域預計同樣保持 30%以上的高速增長。自動化研發實驗室的應用目前主要 集中在製藥行業,其在 2022 年佔據整體市場的最大份額,約為 86.4%;與此 同時,化學與材料科學等非製藥行業(如農藥、獸藥、化肥及化粧品)對自動 化研發實驗室的需求快速上升,預計到 2030 年將佔全球市場的近一半,推動 其應用場景不斷拓展。
在此背景下,全球人工智能解決方案市場與自動化研發實驗室市場正加速發展。 全球人工智能解決方案市場規模由2018年的433億美元增至2022年的1,395億美元,CAGR 為 34.0%,並預計將由 2023 年的 1,870 億美元進一步增至 2030 年的 14,142 億美元,CAGR 為 33.5%。全球自動化實驗室市場同樣保 持強勁增長,由2018年的18億美元增至2022年的42億美元,CAGR為23.6%, 並預計將由2023年的59億美元躍升至2030年的607億美元,CAGR為39.6%。
2.1.3 發揮本土化優勢,AI4Science 助力中國 AI 實現超越
中國擁有全球領先的算力基礎、海量全面的數據資源,以及迅速壯大的算法創新 能力,為 AI4S 的發展創造了得天獨厚的土壤環境。算力層面:中國持續加快超 級計算中心和數據中心建設,2024 年超算總性能佔全球約 35%,位列全球第二。 IDC 預計,到 2025 年中國數據中心市場規模將突破 800 億美元,雲計算和邊緣 計算資源快速擴張,為複雜科學計算和 AI 模型訓練提供強勁支撐。國產芯片不 斷提升自主創新能力,打破國際技術壁壘,華為昇騰系列已實現量產。數據層面: 中國工業製造規模世界最大,涵蓋能源、化工、材料、醫藥等關鍵科學和產業領 域,2023 年工業數據產出同比增長近 40%。這一龐大且高質量的多維數據為 AI4S 模型提供了寶貴的訓練與驗證資源,推動科學智能化應用的深入落地。算 法方面:DeepSeek R1 橫空出世,憑藉其在高效推理與訓練上的卓越表現,極 大地降低了 AI 技術應用的門檻,推動了中國 AI 生態系統的跨越式發展。同時, 中國還涌現出通義、Kimi 等多款領先模型,形成了多元且蓬勃的算法生態。
2.2 AI for Drug Discovery
AI 製藥:突破傳統藥物研發瓶頸。在醫藥領域,一種新葯從立項到上市通常需 要 12–15 年,平均成本 超過 22.86 億美元,臨牀成功率僅約 10%。其中, 化合物合成環節往往佔據 50%–60% 的研發周期,且由於成功率低,需要大量 反覆試錯。AI 製藥能夠通過提升分子篩選與優化的精準度,並在高通量實驗中 顯著提高命中率,從而拓展「人類難以成藥」的靶點,最終大幅縮短研發周期, 加快新葯上市進程。以新冠藥物為例,晶泰曾通過 AI 製藥幫助輝瑞新冠藥物提 前約 6 個月上市,加快了藥物惠及患者的速度。 整個藥物研發市場在人工智能、政策支持、人口老齡化以及全球化等優勢條件下 持續增長,藥物研發外包服務包括藥物發現、臨牀前、臨牀研究的 CRO 服務,以及小分子藥物及生物製劑的 CMO/CDMO 服務。全球藥物研發外包服務市場規 模由 2018 年的 867 億美元增至 2022 年的 1,330 億美元,CAGR 為 11.3%,並 預計將由 2023 年的 1,512 億美元進一步增至 2030 年的 3,632 億美元,CAGR 為 13.3%。尤其是,全球藥物發現的藥物研發外包服務市場規模由 2018 年的 76 億美元增至 2022 年的 112 億美元,CAGR 為 10.3%,並預計將由 2023 年的 123 億美元進一步增至 2030 年的 325 億美元,CAGR 為 14.9%。
AI 製藥具有更高的准入門檻:相對於傳統藥物研發,AI 製藥 1)專家稀缺:人 工智能算法及生物醫學研究領域專家稀缺,與開發及測試基於人工智能的算法相 關的開支及漫長的驗證周期進一步增加為技術收購提供資金的難度。2)算法及 模型缺乏:算法對基於人工智能的藥物研發至關重要,因為卓越的藥物研發模型 可顯著提高預測準確性,但藥物研發模型通常很複雜,包含大量複雜的參數及算 法而且需要大量的現實世界數據,恰恰新進入者缺乏先進的人工智能能力及高質 量數據,難以利用算法及人工智能模型帶來的優勢在藥物研發方面超越現有市場 參與者。3)與現有市場參與者的競爭壓力,基於人工智能的藥物研發市場競爭 激烈,主要參與者將人工智能賦能的干實驗室與機器人濕實驗室相結合,形成一 站式藥物研發服務的迭代反饋迴路,使新進入者既難以推出創新產品,也難以與 現有主要參與者區分開來。4)商業化困難:藥物研發流程複雜且耗時,使得小 型公司難以商業化其研發服務;客户要求及需求不斷變化且對數據要求嚴格,初 創公司可能難以滿足客户期望。
2.3 AI for Materials
2.3.1 發展驅動因素
在材料製造傳統模式中,工藝開發、生產流程長期受限於經驗依賴與人工操作邏 輯。材料研發環節,依賴研發人員對既有文獻、實驗數據的經驗歸納,新配方探 索周期長、成功率低;生產流程中,人工調控生產參數易出現波動,導致產品性 能一致性差,原材料浪費率高,形成生產效率瓶頸與質量不穩定痛點。 AI 技術深度融入材料製造全流程,引發效率革命。AI 深度滲透材料製造全流程, 驅動效率變革。設計階段,AI 突破經驗約束構建材料性能關聯模型,在高分子聚 合材料、催化劑等領域的研發中通過深度學習縮短周期;生產環節,AI 驅動的自 動化系統實現實時監控與動態調控,如晶圓製造中優化參數提升良率,實現效率 與質量雙升。
外部因素多維度驅動 AI 在材料製造領域的深度滲透與應用拓展。AI 與物聯網、 大數據等技術協同,推動材料生產智能化轉型,突破傳統制造形態限制。全球化 分工下材料製造外包比例上升,催生對 AI 驅動的供應鏈透明化需求;各行業對 高性能材料的需求爆發,進一步拓展 AI 應用場景。
2.3.2 市場規模
AI for Materials 在新能源、電子、化工等材料細分領域增長潛力顯著,AI 新材 料研發商業化尚處於藍海。在新能源材料領域,AI 加速鈣鈦礦、電解液、固態電 池等研發,縮短驗證時間;電子材料中,AI 助力半導體、OLED 開發;化工材料 領域,AI 優化有機合成、聚合物性能預測及復配體系,提升效率與精準度。 據弗若斯特沙利文數據,全球材料科學研發支出正快速增長,2030 年市場規模 將達 1779 億美元,2023-2030 年複合增長率(CAGR)為 12.8%。其中,AI 賦 能的研發服務佔比將從 2023 年的 8%提升至 2030 年的 25%,對應市場規模從 約 61 億美元擴張至 445 億美元,成為驅動行業增長的核心動力。 受益於「十四五」新材料產業規劃等政策扶持,中國材料科學研發市場增速顯著 高於全球。2030 年市場規模預計達 585 億美元(2023 年為 178 億美元),CAGR 為 18.5%。政策驅動下,新能源材料、高端電子材料、生物基材料等領域的 AI 研發需求尤為旺盛,成為市場增長的主要貢獻者。
2.3.3 准入壁壘與競爭格局
在 AI for Materials 領域,存在着顯著的准入壁壘,具體體現在技術壁壘、數據 壁壘及專利壁壘方面。技術層面需多學科深度融合,晶泰控股憑藉麻省理工背景創始人領銜的團隊及自主研發的高效算法框架,形成技術領先優勢;數據層面, 晶泰機器人實驗室覆蓋 80%以上常見藥化反應類型,月均積累 20 萬+條反應過 程數據,實驗結果一致性高且質量優於開源數據,據此訓練的 AI 模型準確性與 置信度更高,形成數據驅動的核心競爭力;專利層面,截至 2024 年 12 月 31 日, 累計擁有專利 225 項、商標 281 項、版權 71 項,構建覆蓋 AI 算法、自動化實 驗平臺、材料性能預測等關鍵領域的知識產權體系,為 AI for Materials 領域技術 應用及商業化提供法律保障,形成顯著專利壁壘。 材料科學應用領域廣泛,市場參與者構成多元,競爭格局活躍。該領域既包含成 熟的行業領軍企業,也涌現出一批技術驅動型新進入者。新興參與者憑藉先進計 算能力,提供 AI 賦能平臺、軟件解決方案及自動化系統,服務於製造、生物制 藥、基建、農業、化粧品等多行業終端用户,有效加速材料科學研發進程。
晶泰控股在技術驗證與商業落地層面競爭優勢顯著。技術上,其開發的可擴展的 親和力預測平臺 XFEP,可以使用優化的模擬協議進行相對和絕對自由能預測。 XFEP 以一種更高效、可擴展和經濟的方式實現了大規模 FEP 計算,例如,使 用 50-100 GPUs 可以在 1 周內對 5000 種化合物進行評估,計算成本大約相當 於合成一種新化合物的成本。相關的研究成果以題為「A Cloud Computing Platform for Scalable Relative and Absolute Binding Free Energy Predictions: New Opportunities and Challenges for Drug Discovery」發佈在國際著名期刊 Journal of Chemical information and Modeling 上;其 XtalFold™ 利用序列信息 對生物大分子之間的相互作用進行建模。在嚴格的基準測試中,XtalFold™ 不僅 在整體成功率上表現出色,還在抗體-抗原界面等複雜區域的建模質量方面達到 了行業領先水平。目前,XtalFold™ 已被授權給多家全球製藥企業,並在多個不同的研發項目中發揮了關鍵作用,包括抗原設計、表位鑑定、親和力成熟、pH 敏 感性改造和雙特異性抗體設計等;其晶體結構預測模型在 2024 年 12 月劍橋晶 體數據中心(CCDC)CSP Blind Test 中,針對光電材料、生物醫藥等多類分子 體系,以 92%準確率居全球首位。商業上,與希格生科合作的瀰漫性胃癌靶向藥 作為亞洲唯一管線獲蓋倫獎提名,系全球首個 AI+類器官賦能的臨牀階段藥物, 已獲 FDA 及 NMPA 批准;2025 年 6 月收購英國 LCC 公司,其 PACE 平臺的 AI 與自動化技術及手性分子數據、建庫能力與晶泰形成互補,強化化學空間探索 及多領域服務能力。目前,公司已與輝瑞、禮來、Merck、UCB 等全球超過 300 余家企業及行業龍頭建立深度合作,客户續約率超行業平均。儘管巴斯夫等巨頭 加速佈局,但受限於數據積累與跨學科人才儲備,短期內難以撼動其技術領先地 位。
三、主營業務分析+核心競爭力
3.1 營收高增長,淨虧損收窄,AI 製藥步入商業化階段
我們組建了研究報告知識星球社羣,加入后您可以享受以下服務:
1、星球中分享最新、專業、深度有價值的行業研究報告、投行報告、白皮書、藍皮書、公司研報等。報告持續更新;
2、會員可以用提問方式單獨獲取需要的報告,滿足個性化需求;
3、星球中海量研究報告PDF高清版,無限制下載;
4、4000+會員使用的研究報告寶庫值得您信賴;
業務諮詢、商務合作:136 3162 3664(同微信)
温馨提示
應廣大粉絲要求,「報告研究所」成立了報告交流羣,歡迎各位公司、企業、投行、投資機構、政府機構、基金、創業者朋友加入!
這里能且不限於:「每日分享多篇研究報告、行業交流、報告交流、信息交流、尋求合作等......」
入羣方式:添加助理微信【touzireport666】,發送「個人紙質名片」或「電子名片」審覈后即可入羣。