从“AI制药王者”到“工程化基础设施”：我对晶泰的一次彻底纠偏

$晶泰控股(02228)$ $药明生物(02269)$ $英矽智能(03696)$

过去一段时间，我一直把晶泰理解为 AI for Science 中“分子发现阶段的王者”。

在我原先的认知里，晶泰承接的是医药企业整个药物发现端的工作：
企业为发现阶段的服务付费，而一旦项目推进，晶泰还能通过里程碑付款和分成，逐步转化为长期、持续的收入来源。

这个逻辑，看起来顺畅，也非常符合“AI 改造科研”的宏大叙事。

但现在回头看，这个理解并不精确。

真正促使我重新思考的，是英矽智能上市、被广泛讨论为“AI 制药第一股”。
也正是在这个节点，我才意识到：

我此前把两条本质不同的路径，混在了一起。

这篇文章，既是一次自我修正，也是一篇学习记录，希望能帮助更多投资者，更清楚地理解：

晶泰究竟在做什么，它的价值边界在哪里，又不在哪里。

一、药物发现分哪几个阶段？晶泰真正做的是哪一段？

如果把“药物发现”这件事拆开来看，其实可以清晰地分为三个子阶段：

第一阶段：靶点发现与验证
解决的是“打谁”的问题，依赖原创生物学研究，失败率极高，几乎无法工程化。

第二阶段：Hit 发现（命中分子筛选）
解决的是“能不能打中”，核心在于从极其庞大的分子空间中，筛选出可能有效的候选分子。

第三阶段：Hit-to-Lead / Lead Optimization（先导优化）
解决的是“能不能变成药”，需要在活性、选择性、成药性、安全性之间不断权衡和优化。

晶泰真正深度参与的，是第二和第三阶段。

而我此前最大的一个误区在于：

我把“参与药物发现”，理解成了“承接整个药物发现”。

事实上，晶泰并不做靶点原创研究，也不替代药企的科学判断；
它真正做的，是——

把药物发现中“可以被工程化的部分”，做成一套高度工业化、可重复交付的系统。

这一点，是我这次认知纠偏的起点。

二、药物发现工程化这条路，护城河究竟在哪里？

很多人一提“AI 药物发现”，第一反应是：
模型是不是更强？算法是不是更先进？算力是不是更贵？

但真正进入药物发现的工程化世界后，你会发现：

护城河并不在某一个模型，而在“物理 + 数据 + 工程闭环”的长期耦合。

它更像一套工业系统，而不是一个算法工具。

1）不是“生成分子”，而是物理一致性

Hit 发现和 Lead 优化阶段最难的地方，并不是把分子“画出来”，
而是判断它在真实物理世界中是否成立：

构象是否稳定

结合能是否具有物理一致性

在真实实验体系中是否可重复

很多团队能做 AI 生成，但做不到物理一致，
结果往往是：虚拟世界里很漂亮，实验室里却一地鸡毛。

2）失败数据资产：最重要、也最难复制

工程化药物发现真正的核心资产，并不是“成功案例”，而是：

大量真实项目中的失败路径，以及“算法输出 vs 实验结果”的偏差校正。

这些数据具有共同特征：

不公开

不标准化

极度路径依赖

无法跨公司、跨体系迁移

你可以用钱追模型，但你买不到别人已经踩过的坑。
在工程化体系里，失败不是成本，而是资产。

3）工程闭环，而不是“算完就结束”

药物发现不是一次性计算，而是一条持续运转的流水线：

虚拟筛选 → 合成可行性 → 实验验证 → 数据回流 → 下一轮优化

这要求算法、实验和交付节奏高度匹配。
能出论文，不等于能进入药企的真实研发流程。

4）组织与协同能力：最隐蔽的门槛

工程化药物发现不是“一个天才团队”能解决的，而是需要：

计算科学

结构生物

药化工程

实验与交付管理

并且长期在同一体系内协同运转。
这种组织能力，往往比技术本身更难复制。

一句话小结：

晶泰的护城河，不是某个模型领先，而是把药物发现中可工程化的部分，真正做成了工业系统。

三、与药明、英矽的比较：纠偏真正发生的地方

真正促成我这次纠偏的，并不是对晶泰本身的再学习，而是横向比较。

1）晶泰 vs 药明生物：能做，和“要不要做”

从能力边界上看，药明生物完全有能力做晶泰现在做的事情。
但问题不在“能不能”，而在“值不值得”。

药明生物的核心商业逻辑，是把已经被验证的项目，
用最高确定性推进到临床和商业化。

而药物发现工程化这件事：

不确定性高

投入周期长

ROI 难以量化

对药明而言，它更像是提升整体成功率的工具，而不是需要 all-in 打磨的主业务。

而对晶泰来说则完全不同——

如果它不把这件事做到极致，公司本身就不存在。

我此前写过一篇文章《为什么晶泰可能逐步取代药明在生物发现中的地位》，网页链接现在回头看，那篇文章只讲对了一部分：
方向是对的，但对两者在“主业务边界”和“工程化定位”的理解，还不够清晰。

2）晶泰 vs 英矽智能：我此前认知混淆的核心

英矽智能上市后，被广泛称为“AI 制药第一股”。
也正是在这个节点，我意识到：

我把两条本质不同的路径混在了一起。

英矽智能的逻辑是：

用 AI 提高效率 → 自己做药 → 进临床 → 赌单一项目成功

它本质上是一家 AI 驱动的创新药公司。

而晶泰的逻辑是：

不赌哪一款药成功，而是把“找到正确研发路径”这件事本身工业化。

两者并不存在谁更先进的问题，但：

商业模式不同

风险结构不同

估值锚点完全不同

也正是在这里，我完成了对晶泰定位的真正纠偏。

四、这种工程化模式最终会带来什么结果？

理解了护城河和比较之后，晶泰的价值其实就很清楚了。

它并不是承诺“更快造出一款药”，而是：

更早地帮助客户发现错误路径，从而减少时间和经济损失。

它压缩的是试错成本，
而不是正确路径上不可避免的实验时间。

五、为什么客户进展看起来并不“爆发”？——这是大药企的工作方式决定的

很多投资者会疑惑：

逻辑如此清晰，但为什么客户项目和收入增长并不爆发？

原因在于，晶泰面对的是最谨慎、也最理性的客户群体——大药企。

对他们而言，引入晶泰不是“买工具”，而是把其纳入研发体系，典型路径往往是：

单点试用 → 小范围验证 → 内部横向比较 → 流程适配 → 逐步纳入体系

在这一过程中：

正确路径上的实验，一步都不能省

合规、验证和流程审查极其严格

因此，前期一定是慢的，而且是刻意慢的。

真正的放量，并不发生在某一个项目成功，而发生在：

被确立为“药物发现工程化部分的优先合作方”。

一旦跨过这个门槛，增长形态往往不是线性的，而是台阶式跃迁。

六、行业空间与估值想象力

从行业角度看，全球药物发现阶段，是一个千亿美元级别的长期市场。

一旦工程化药物发现成为主流方法，
晶泰的角色将不再是简单的研发服务商，而更接近：

药物研发前段的基础设施型公司。

这类公司的估值逻辑，最终不会只看当期收入，
而会更多关注复用能力、成功率和飞轮效应。

结语：纠偏，不是否定，而是升级

写这篇文章，并不是为了否定过去的判断，而是记录一次认知升级的过程。

晶泰不是“AI 制药的王者”，
而是：
把药物发现阶段中可工程化的部分，真正工业化的公司。

理解这一点之后，你会发现：
它慢，但不空；
它不性感，但很难被替代

雪球上有很多人跟我犯了一样的错误，把它想象成未来分子结构创新的平台，这是误导的说法！

下一篇我会单独拆一下：为什么英矽、晶泰、药明，不能放在同一个估值框架下。