药明康德2026年开放日盘点与总结

$药明康德(SH603259)$ $凯莱英(SZ002821)$ $康龙化成(SZ300759)$

今年已经不是我第一次现在参加了，感受不如第一次冲击那么大，去年去的时候听到800多个化学反应同时在管、亲眼看到全信息化的实验室等细节，真的是深受折服。今年因为股价表现优秀，公司感觉更加低调了，更多的讨论起AI、自动化、底层技术了，业务反而没有太多的过问，当然公司也不能透露客户的信息。

这次公司给我感觉就是依然非常守规矩、非常讲流程，自上而下，深入骨髓，刻进公司文化。在医药这个强监管、各种GXP的行业，这种公司文化令我放心。

公司员工也很自豪，员工过去两年四次调薪，收入远高于同行，同行很难挖到药明的人。我们知道工厂会招聘一些相对学历低一些的操作工，但是公司的本科率也超过了一半，对班组长、车间主任都得有本科、硕士的要求，这也是高配的。参与公司业务的每一位员工，都是公司的全职员工，而不是劳务派遣和外包。

泰兴厂干净整齐，每天都是迎检状态，新产能也在抓紧上马，员工精神饱满朝气蓬勃！

在座的同行、包括台上的公司领导很好奇，为什么这样一家规模更大、管理更好、业绩更好的公司，市盈率会比同行低呢？为什么？

药明康德2026年第六届开放日 完整总结

会议于泰兴生产基地举行（去年在常州），主题为“CRDMO极致赋能——创新源于科技，硕果成于笃行”

一、杨青：一体化研究赋能平台（R端）

1. 行业趋势

全球未满足医疗需求依然强劲，医药研发投入持续增长，背后是病人、医生、创新者与投资者的共同机会。

融资渠道多元化：直投、License-out（许可证转让）、并购（M&A）各项指标过去一年持续高速增长；创业型生物科技公司可通过多渠道让数据与知识产权获得资本市场持续支持，趋势“非常健康”。

分子种类齐头并进、日益多元化（多肽、核酸等），但小分子（以合成方法开发、测试、生产）依然是行业支柱，也是药明康德最核心的竞争力。

AIDD：不同分子种类约15%、小分子约20%的公司已引入AI作为研发辅助手段，带来新挑战与新业务机会。

2. 客户结构与创新来源

长尾客户：全球约80%的医药公司为中小型新兴生物科技公司，是创新重要组成部分，尤其推动高风险试错型原创创新；大型药企在疾病、病人和全球市场理解上与之互补。

创新既全球化又地域化：亚太尤其中国创业者、创新者、投资者的创新越来越多融入全球创新，并通过License甚至并购进入全球开发管线与市场。

研发外包比例预计远期升至约三分之二，为研发、测试、生产带来更多灵活性和效率，市场规模持续扩张。

3. 三大业务模块

三个早期模块：WuXi Biology（全球最大的早期生物学赋能平台之一，含体内、体外，亚太/美国/欧洲共同服务客户）、WuXi Testing（以临床前为主，毒理与DMPK如“接力棒”推动IND申报，有临床生物分析部门支持转化医学与临床试验，中美多地基地）、WuXi Chemistry。

最大挑战是分子越来越复杂：分子量越来越大、高分子量化合物占比上升、线性步骤越来越长——对合成人员和技术骨干既是挑战也是机会。

研究化学部门（RCS）2025年按客户访问交付103个临床前候选化合物（PCC），另有更多未披露PCC；R端漏斗持续为D端、M端赋能引流。

4. 生物学与跨模块协同

传统肿瘤领域保持市场领先；过去12个月非肿瘤领域（代谢、免疫、神经科学等）强劲增长。

早期部门在新客户数与订单金额上均有增长，并转化到其他部门；由彭博士负责Biology与Testing，从Biology到DMPK、毒理建立更细的激励机制，促进模块间转化，效果积极；临床前业务在无锡Testing各区域订单均大幅增长。

临床前“飞轮”：R端不断把早期项目带入临床前，高效高质量执行推动更多项目进入临床；使用三个业务模块的客户数量持续增长，早期阶段使用三模块的收入占比持续提升；北美、欧洲、亚太活跃客户增长，欧洲尤为显著；客户满意度保持高点。

5. AI如何进入新药发现（核心观点）

两个关键词：AIDD（AI based drug discovery）与AI for science。

提出“DMTA循环”：设计—合成—测试—分析。设计与分析基于数据，属“干实验室”；合成与测试属“湿实验室”。传统外包中客户凭经验设计、公司合成测试、客户分析数据。

核心观点：药明康德的湿实验室能力（早期化学、生物、测试）与AIDD、AI for science形成天然匹配与互补，可极大促进干湿闭环（lab in the loop）。

DMPK案例：传统小分子项目每月约10块分析板；一家美国专注AIDD数据改革公司带来10倍增长；随后另一家AIDD全球巨头需求达5000块板、较前一家再增50倍，较传统通量是500倍提升。

应对方式：外高桥19号楼的自动化生物分析系统、引入AGV（自动导引车）机器人送样、液相质谱联用形成闭环、7×24小时运行；已有全球领先的化合物管理系统可管理超100万化合物；体外ADME自动化系统（2023年版；苏州升级版可分析小分子和大分子；年底前在南京做超大规模第三代系统集成）。

公司认为“放眼全球，能以如此快速度提供这种产能和数据的服务商不多”，湿实验室的定制化、超大规模、超大通量数据能力对AIDD与AI for science有积极作用；已有海外初创公司在虚拟化合物库上与药明康德合作。

虚拟化合物库自2019年起建设，已增长至460亿个虚拟化合物，加深building block多样性，为AI分子设计提供素材；同时强调“physical AI”——要把in silico设计合成成物理化合物并测试活性，公司具备高通量化合物库合成能力和丰富的起始试剂、building block。

研究化学部门在化合物库构建的广度、深度、经验上“独步全球”；业务全流程强调“天下武功唯快不破”。

Biology团队在仪器、人员、工作流程、软硬件集成上持续加深，可高通量产生海量数据（有自有Delvision数据集，也可按靶点类别、疾病领域定制），帮助客户理解靶点、靶点与配体关系、体外药理学与转化科学；同样具备7×24高通量自动化机械臂与工作台。

未来实验室愿景（彭雄亚博士负责自动化部门）：下一代化学实验室把HI（人类智能）、AI与MI（机器智能）结合，通过自动化反应器与软件、数据、经验不断迭代，使早期化学合成（含流体化学等特殊场景）在算法与数字化驱动下高效自动化推进，对全球AIDD、AI for science创业者是绝佳互补方案。

6. 新分子种类

客户合作覆盖比例：靶向蛋白降解51%、多肽30%、新分子种类整体29%、核酸27%。

寡核苷酸（Oligo）：与肽子部门密切合作打造工艺发现流程，为寡核苷酸及各类核酸药物早期发现提供端到端支持，吸引大量客户并快速推向临床，体现于一系列全球交易。

多肽：WuXi Biology拥有mRNA display等多个多肽发现筛选平台，与Testing配合快速产生活性与安全性评估数据，帮助客户迭代设计；多肽越来越复杂，对早期化学与肽子团队提出新机会与挑战；药明特点是各团队以接力和一体化方式攻关，但给客户一站式服务。

靶向蛋白降解是核心竞争力：1100名合成人员为客户交付超80个临床前候选化合物、合成23.8万个复杂化合物，形成“独门绝活”（合成、分析、纯化、活性测试，覆盖discovery biology与临床前阶段）。

更大的双功能分子品类（含靶向蛋白降解、分子胶、新兴RIBTA C等“哑铃型”分子），为精准调节不同药物靶点提供不同方法，也是核心竞争力之一。

新分子种类持续驱动早期化学与生物学发展，对DMPK团队在收入占比与增长率上表现可圈可点；差异化优势还体现在独立部门间就分析方法、测试方法互相交流，让客户感受一站式服务背后的科学底蕴。

7. 客户案例（三个故事）

案例一：美国加州连续创业团队。 与早期各部门广泛合作，2003、2005、2023、2025、2026年（另有2021、2023、2026年节点）持续合作；团队无自有实验室，全部外包。与无锡Testing合作：第一家创业公司4个项目，第二家10个项目，最近一家40多个项目（study）。三次收购分别：超1.2亿美元、2亿美元首付加7.6亿美元里程碑、超10亿美元。

毒理方面：开发敏捷毒理学方法快速试错、形成闭环设计；数字病理系统跨越时区地域，由病理学家快速反馈；一流质量标准符合全球监管要求，使并购与尽职调查更顺畅。著名经历：创始人之一在美国圣诞节打电话说要去J.P. Morgan与潜在伙伴开会、急需报告，苏州团队迎难而上以最快速度完成原不在计划内的报告，对其第二次收购起到积极作用。

案例二：从零到一到多。 与一家全球知名风险投资基金（投资组合含27个不同实体）形成战略伙伴关系，其项目跨领域、跨分子种类、跨靶点与区域，科学需求、项目管理、资金支持方式各不相同；药明全平台的多样性、广度、深度、速度、质量与科研底蕴使其成为该基金生态系统与项目组合的有机部分。

案例三：中国生物科技公司出海。 2022年至2026年上半年赋能近40%参与全球合作的中国生物科技公司；案例为一个具first-in-class潜力的双抗ADC，临床前部门提供IND package及DMPK、毒理、临床生物分析等一站式服务，极大提升速度与质量，助客户以高金额达成全球合作。

8. 降本增效与运营卓越

自2022年起大量投入自动化，提升化合物库合成效率、缩短交付时间。

生物部门与自动化部合作开发独特算法分析体内动物行为学视频，超7万小时视频现可由AI解读，加快实验分析。

病理学通过AI读片方案把效率提高500倍；项目管理与交付时长上线数字化系统；数字化实践呈三层结构：从商业流程（线上询单、最初数字化回应）到实验室排班，再到实验执行（含Alpha ID手机大小的设备指导实验员操作），提升效率、准确性与质量。

这些效率与设施使用率是持续提供高质量服务、支撑高利润率财务指标的重要基石，迭代仍在持续。

临床前安评在亚太龙头地位稳固，需求增长，决定在苏州增加9.2万平米临床前设施（含毒理与DMPK），临床前及GLP实验室设施增长超40%，计划2027年完成扩容。

9. 结语展望

一体化研究赋能平台以化学、生物学、测试部门紧密合作为基石，高效执行CRDMO，赋能AIDD/AI for science客户与新分子发现，追求运营卓越（速度、效率、质量）。

提到“一人公司+AI agent”海外案例，并回忆2014年加入药明时服务过两个半人的生物药公司与单枪匹马的国内创业者；12年后的一人创业公司背后有AI、智能体、行业数据库、海量文献与全球创新洞见。公司持续看好分布式创新中的小微企业，近期将推出专门针对小微创新者的更贴心、更有价值的服务。

二、陈民章：WuXi Chemistry与产能

1. CRDMO业务模式与业绩

WuXi Chemistry覆盖小分子与肽子（peptide、oligo）从discovery、development到manufacturing全链条；共15个研发生产基地、3万多名员工、服务超3200个客户。

过去十年增长15倍，2026年收入达528~535亿元创纪录，同比增长约47%；而2016—2026年全球R&D spending约翻一番，CRO/CDMO外包支出也约翻一番，公司增速远高于行业平均。

增长来自“赢得分子”（做大管线）与“follow the molecule”（推向后期和商业化）。过去12个月R端合成接近50万个化合物；过去三个季度D阶段从preclinical到clinical共获得超1000个分子，其中300多个由R转化、700多个来自外部。

过去三个季度临床三期和商业化项目增加23个，更多后期与商业化项目促进持续高速发展。

今年过去三个季度FDA共批准33个合成类分子，其中14个由公司支持，份额超40%；剔除测试试剂、镇痛试剂及老药代谢物类分子后，公司支持的分子已超50%。

全球前十大上市合成分子中，公司为4款提供生产；2025年Drug Hunter评出的十个明星分子中有7款在支持，说明所支持分子质量高。

2. 热门领域与复杂分子

GLP-1领域共29个项目：多肽15个、临床小分子11个、商业化项目3个。

KRAS共41个临床和商业化项目（38个临床、3个商业化）。

复杂分子/新modality需求更强劲：degrader 60个中25个；oligo GalNAc 89个中32个；最复杂的PPMO（peptide与修饰morpholino oligo的conjugate）13个中占9个，几乎主导市场。

License趋势：2025年至2026年上半年全球licensing共284个，其中73个从一家公司license到另一家公司（交易前后都由公司承接），另有11个license前未做、license后立即放到公司做；公司在整体市场份额约30%，若只看中国来源项目占比超50%。

收入对比：今年上半年Chemistry收入约250亿元、同比增长53%；全年预计535亿元、增长约47%；国内四家友商上半年合计98亿元、同比增长13.4%，公司为其2.55倍。

3. 产能与十个生产基地

年底产能：小分子约5000立方米；多肽合成仪体积13.7万升；Oligo超8摩尔（该指标用摩尔而非体积，原因“故事很长”）；制剂100亿单位固体制剂（solid dosage）和1亿单位注射剂（fill finish）。

10个基地：6个API、4个制剂。

API基地（按时间）： 上海金山：2004年投用，满负荷运转超20年，支持30多个商业化项目，2025年生产6000多批次。 常州：2014年开建、2016年首车间投用，约7年后到2023年15个车间全部投用；去年生产1.3万多批次，支持超70个商业化项目；已建立小分子、多肽、oligo以及喷雾干燥、流体化学等全部生产能力。 泰兴：2023年首车间投用，仅3年已14个车间投用（远快于常州7年15个车间）；仍有超10个车间在交付、建设或规划中；已有超2000立方米小分子反应体积、10.7万升多肽合成仪体积（多肽绝大部分产能在此）；去年生产5000多批次，今年批次数将远超此数。选择泰兴原因：考察多个中国化工园区后认为泰兴园区管理非常好，且常泰大桥建成后与常州基地仅半小时车程（大桥现已通车）。 两个non-GMP基地：泰兴（园区内约10~15分钟）与常熟，主要用于生产复杂、昂贵、难买的起始原料，为GMP生产做供应链；常熟还有酶（生物酶）生产车间，年产能16吨。 常州新基地：紧邻现有基地，预留地块600多亩，规划14个生产车间，今年12月开工，预计2028年中第一个车间投用。 新加坡（唯一在建海外API基地）：300多亩，规划7个车间；第一个小分子车间2027年Q1投用，第二个肽子车间计划2028年投用，逐步建设投用。

制剂基地： 上海外高桥：约20年历史，含pre-formulation和formulation development研发与3个生产车间，产能2 billion固体制剂；产能很早已满，此后扩张转向无锡。 无锡：分四期建设（第四期在建），现有12个车间，产能7 billion口服固体制剂及全部1亿支注射剂（fill finish）产能，并有连续化生产能力。 瑞士库维：2021年从BMS收购，2 billion固体制剂产能，现有7个后期和商业化项目；今年9月大型喷雾干燥设备PSD four投用。 美国特拉华州Middletown：占地1000多亩，为10个基地中最大；行政楼、QC楼、生产楼已完成，3个固体制剂车间本月投用；3条注射剂生产线预计2027年Q4投用。

4. 技术能力（首次系统分享）

酶催化：拥有端到端能力（从酶筛选、进化到酶生产、工艺开发与放大生产）。两大好处：高效解决方案、绿色环保（水相、不用任何有机溶剂）。过去12个月约140多步放大反应使用生物催化，生产6.3吨生物酶，产出超90吨酶催化产品——陈民章估算仅此工作量就“顶上一个竞争对手的体量”。

案例（环肽、PCSK9化合物）：共11个building block，其中9个为α-氨基酸。例一：原本需用3200元/公斤的昂贵起始原料、且因原料为手性混合物（racemic）只能还原一半、浪费一半；改用proline羟化酶后，用很便宜的天然而氨基酸一步反应即得产物、无浪费。例二：原路线需多步化学反应且得到racemic，需用SFC分离（tedious）且仅一半可用；改用tryptophan合成酶后一步反应得到产物且无需分离。

流体化学（flow chemistry）：覆盖R到D到M全链条。R阶段（discovery chemistry）每月超1万个化学反应通过流体化学完成；D和M阶段过去12个月有2700步反应使用流体化学，是酶催化（140步）的约20倍；已有16个商业化项目使用流体化学，过去12个月有700多吨产品由流体化学生产。优势：规避危险反应（每次量小）、可做常规做不了的反应（如光化学，光能更足）、可完全自动化（配成溶液用泵打进）。

案例（口服小分子GLP-1药）：需格氏试剂与铜络合物做Michael加成得化合物6，但试剂与络合物不稳定、无法放大（放大后不需要的异构体很多）；用CSTR flow技术解决，可放大到任何规模，并可用固体suspension做反应（传统flow不能做固体反应）。

喷雾干燥：分子越来越大越复杂导致生物利用度变差，需把晶体转变为无定形固体（amorphous），市场需求强。已做200多个项目（含6个商业化），过去12个月500个喷雾干燥批次，现有8台设备，未来两年产能翻一番。

高活能力：越来越多小分子、ADC及conjugate的payload为高活化合物，公司具备高活API与高活制剂的一体化能力。

制剂连续化生产：新趋势，生产时间短、放行及时，且从临床到商业化无放大过程（只需延长时间），无锡基地具备该能力。

5. 运营与“intelligent operation”

复杂IND package案例（siRNA GalNAc）：需chemistry、biology、testing、CMC团队接力与并行作业，从hit ID到IND package ready共15个月（8个月做PCC、7个月做IND），体现产能、能力与执行完美结合。

新车间从投用到满负荷生产缩短至2个月；建一个车间从过去2~3年缩短到14个月（得益于经验积累、更多专家、内部积累的design module文件）。

质量体系：2021年以来接受超100个各国监管机构审计、超1200家客户审计；FDA和EMA批准前检查中，公司生产的药物已有37次获得豁免（无需现场检查即批准）。

批记录约100页（含原材料、分析方法、设备、工艺等），一季度?（原话：2021年每100批发生10次偏差）→现在每100批仅1.5次偏差。

从operational excellence过渡到intelligent operation（HI+AI）： 流体化学+AI模型：输入初始参数→自动反应→结果反馈→AI建议新条件循环；优化一个flow反应从人工2~4周缩短到1~3天；规模越大效果越明显（一年2700个反应需优化时优势放大）。 soft sensor（软传感器）：在生产单元操作中在线实时监测温度、压力、气体排放等参数预测反应是否完成，减少取样次数、缩短生产时间，已在越来越多单元操作应用（process intelligence）。 QC实验室标准品自动分样：人工有经验分析员一天200个且易出错、样品易暴露分解；与自动化公司合作后一台机器一天1000个样品、无暴露问题、无错误。 自动送样（AGV）：工厂每年16万个IPC样品，原需操作工来回至少20分钟，自动送样可节约30人，并因样品即好即送而节约反应釜时间；规模越大越有意义（未来可能达30万个样品）。

总结页：CRDMO商业模式、技术、产能、运营共同为客户交付速度（speed）、质量（quality）、价值（value），把传统上不可同时满足的“impossible triangle”变成可能，从而带来持续高速发展。

三、施明：财务表现与股东价值

1. 规模与增长

前三季度收入和利润已超去年全年；今年连续两次上调全年指引：2026年收入610~619亿元，持续经营业务增长40%~42%，规模约为2018年的近8倍。

分两阶段看：2018—2022年行业收入复合增速约32%、公司约35%；2022年以来宏观更复杂但新机制新疗法层出不穷，按2026年指引行业复合增速约11%、公司约24%；说明“科学探索边界越广、创新不确定性越大，客户越需要确定性赋能平台”。

RDM客户（同时使用R端与D&M端服务）：按活跃客户数占比从2018年22%升至前三季度41%，这些客户贡献公司96%的整体业务收入。

2. 订单

前三季度末R端在手订单约为2018年的2倍；D&M开发和生产的订单为2018年的25倍。

持续经营业务在手订单三季度末达767亿元，较2018年59亿元增长约13倍，期间年复合增长40%；绝大部分将在未来18个月内转化为收入。

明确表示：相比短期季度环比波动，长期需求的更高可见度更重要，使产能规划与资源调配更有把握。

3. 效率与盈利韧性

报表毛利率从2018年行业约39%（公司相当）到今年前三季度54.2%，行业为33.3%。

资产效率：预计今年每亿元人民币D&M固定资产创造的年收入达2018年的两倍；强调分阶段释放新增产能（新车间2个月释放产能）。

人均产出从2018年约54万元增至今年约155万元（三倍增长）；管理费率从2018年占收入15.3%降至前三季度约6.9%，下降一倍多。

经调整（RFIS）净利润率从2018年18%升至2025年33%，今年前三季度达40%，跨越23个百分点；公司更在乎长期核心竞争力，会把盈利红利分享给客户与员工。

4. 现金创造与资本开支

今年经调整经营现金流约为2018年的16倍；仅前三季度经营现金流已超去年全年总和；经调整经营现金流占收入比例从2018年16%预计跃升至今年约38%。

2018—2022年累计资本支出约250亿元，支撑之后五年约24%的复合增长；2023—2027年预计资本开支超300亿元。

5. 每股收益与股东回报

前三季度基本每股收益6.7元，约为2018年的10倍。

2019年至今年上半年，累计分红与注销式回购相当于同期累计归母净利润的42%，远超行业平均；今年进一步扩大中期分红规模（三季度已发放）。

2018年上市以来公司总股东回报约18倍；同期中国CXO指数约4倍，海外CXO及几个主要生物科技、医疗保健指数约2倍。

6. 财务飞轮总结
CRDMO更好满足客户需求→规模增长→平台能力与运营效率支撑利润与现金创造→对客户未来需求的洞见支撑提前布局→能力与执行把投入转化为更好的服务→为长期股东创造价值复利。

四、问答环节

Q1（中信建投医药首席）： 公司盈利能力和规模已大幅提升，未来资金在扩产、分红回购、特殊时期备用金之间的分配比例怎么考虑？会不会有变化？
A（施明）： 三个方面对公司都很重要：第一是持续的规模和能力建设（长期发展来源），过去几年资金使用效率非常高；第二是对几万名员工的鼓励与激励（过去几年已加大）；第三是股东回报，公司一直重视，分红与回购走在行业前端。会根据自己的规模建设进展、能力投入需求，平衡员工激励与股东回报，归根结底确保公司长期可持续发展。

Q2（同一位，第二问）： AIDD今年很火，这个需求是否持续？未来类似AI领先公司的数量会不会增加？从分子类型看，未来AI多肽的趋势怎么判断？
A（杨青）： AI影响比较具体，很多大模型都是general的模型、其agent也是general的，应该能对各个不同分子种类都产生促进作用（含AI多肽）。

Q3（华泰医药分析师）： 前三季度毛利率和净利率明显提升，其中商业化产品贡献多少？在小分子CDMO和肽子的在手订单及收入结构中，商业化产品占比多少？这些商业化订单的利润率水平相较临床和早期业务能提升多少幅度？
A（施明）： 公司没有单独披露商业化或后期产品占整体收入的规模，但这两年占比确实逐年提升，目前整体管线中有103个商业化项目，与过去几年相比明显增加。单个项目毛利率是否因临床前/临床/商业化而有别，完全取决于项目批次大小与工艺，不能简单判断阶段决定毛利率高低。但商业化项目体量较大、部分复杂度较高，能更好体现差异化服务能力与规模效益，对整体利润率贡献更大，同时占用产能也更大。整体利润率非常有韧性，这也正是公司有信心在拿到订单前提前布局产能、且每次产能爬坡都能很快转化为收入和利润的重要原因。

Q4（同一位，第二问）： 在Drug Hunter评选的前十个明星分子中有七个是公司客户，除GLP-1和KRAS系列外，还有哪些靶点或分子类型可支撑小分子CDMO长期高速增长？
（记录中该答问与后续关于GLP-1订单的问题交错，见下条）

Q5（另一位投资者，老股东）： 我看到GLP-1领域的商业化订单从去年1个变成今年3个，这是否意味着除礼来之外也获得了其他MNC的订单？
A（陈民章）： “简单讲yes。”

Q6（同上投资者，第一问）： 今天重点讲了公司的技术优势与化学合成核心壁垒，这些技术是否别人无法做到？领先在哪里？
A（陈民章）： 很多人提到他们有酶催化、有flow，并认为药明没有，这正是今天专门讲的原因——我们也有，而且非常好，且努力做到全行业最好。举例：因IP原因今天没讲的Cascades酶催化（连投的连续多步酶催化）技术已很领先；彭媛佳博士带领的自动化实验室在Discovery Chemistry每月做一万多个flow反应，早期成功条件到Development阶段可以很早复用，这是CRDMO的优势；体量上，酶催化140步、flow 2700步，“没有人有这么大的体量”，技术与体量结合后效果会放大。

Q7（野村证券）： AIDD刚出现时大家担心CRO是受益还是受损，但过去一段时间湿实验室需求很旺盛。拉长到三年或五年看，AIDD的进化对CRO尤其是R端的影响您怎么展望？
A（杨青）： 长期看好。目前可成药靶点只占人类基因组蛋白很小一部分，我们对疾病生物学理解有限；若AI能让我们提出更多假设、对疾病生物学有更多看见，则能立项、可开始的新药发现（单药或联用）可能性将巨大提升。加上现在有这么多新分子种类，与以往相比是增长；未来AIDD若设计出更多新分子种类，又会产生新可能性。第二，AI把知识和洞见交到每个可能的创新者手中，不限地域，只要有大模型、有智能体就能提出想法，使集思广益更开放、去中心化、全球化，对创新有利。

Q8（同一位，第二问）： 化学业务过去业绩非常强，您现在最大的担心是什么？
A（陈民章）： “我没有（担心）。”

Q9（麦格理证券）： 大环肽如PCSK9、默沙东的lipfendro，生产起来大概有多困难，比如多少步？能否给一些API成本的sense，比如多少钱一公斤或多少费用一克？
A（陈民章）： 今天已举了该化合物的例子；具体价格一公斤多少肯定不能、也没必要说。分子非常复杂，而越是复杂的分子我们做成（承接）的机会可能性就越高，并且能把分子合成变成“commercially viable”——无论从步数还是成本，都做到可商业化。杨青补充：“我只能说这么多。”

Q10（同一位，第二问）： 在大环肽、PROTAC、RIBOTAC、分子胶这些方面，你们的竞争对手主要是哪几个？
A（陈民章）： 我们真正没有竞争对手——这是很严肃地在说。因为在质量、速度、价值（成本/价格）三方面，与海外竞争对手比我们在某些方面很突出，与国内竞争对手比也在某些方面很突出，因此有unique的竞争优势。当然说竞争优势为何不100%，也不现实，因为总会给别人留一点工作。杨青补充：在李总的鞭策下，我们的理念是竞争对手就是过去的自己，不断在过去基础上提高。

Q11（国联民生分析师）： 人效提升明显，AI时代未来人员扩张计划如何？很多人认为初级chemistry化学师会被AI替代，怎么看待这个产业趋势？
A（陈民章）： 湿实验室很多工作现在仍需化学家来做，同时公司在使用自动化、智能化技术提高效率，会密切关注效率提升与人员需求的匹配。补充：如DMPK自动化后，实验员做具体实验的操作减少，但公司会培训他们管理更复杂的工作流程、承接更多订单；受过训练的一线研发人员从简单手工做实验转变为管理工作流，对产能是进一步放大，对人才培养也是深化。

Q12（东方证券）： 公司从新冠高点重新回到另一个高峰（市值今年回到上一轮顶点5000多亿）。第一个问题：站在全球制药行业前沿，GLP-1之后在小分子领域能看到哪些特别好的新分子或给药形式？
A（陈民章）： 下一个突破在哪里、下一个重磅分子是哪一个，仁者见仁、智者见智；我们关注的是确定性——第一，未来市场包括GLP-1只会比今天更大；第二，CRDMO模式只会“漏出”更多分子到后期和商业化，过去很多好分子都是从这里漏出来的，我们相信今后也有。即：我们做好了承接能力，不论什么分子出来都能接得住，而且越复杂的分子承接得越好，事实已证明。
A补充（施明）： 我不认为这是周期。无论当年新冠还是现在GLP-1，都是满足此前未被满足的需求、未解决的症状或问题；医药行业仍有许多未被满足的需求和无法治疗的疾病，这是我们对R端引流、对行业以及对自身能力都非常有信心的原因。
A补充（陈民章）： 凭借CRDMO模式，我们对很多分子有更多预见性，能力与产能会提前准备，因此承接时比别人准备得更好。

Q13（同一位，第二问）： 有没有跟科技行业下场做AI制药的企业合作或业务往来？如何看待本来非传统制药行业的力量进入这个行业的发展前景？
A（杨青）： 制药行业关乎病人健康与安全，在各国都高度监管，标准不因申办方是技术行业公司、传统药企还是科学家入场而不同。由此产生两个需求：一是无论缘起如何，做药都要满足监管对安全性、有效性以及API质量纯度等要求，标准统一，在此之下我们已形成的CRDMO模式和交付标准对所有客户都一视同仁地有价值；二是这些来自技术行业的AI公司可能有新观点、新方法论，可能需要新数据、新验证假设的方法，此时一个更灵活、更可scalable（容易上量、上规模）的赋能平台更能满足他们需求——而这恰恰是我们的强项：灵活快速的应变、定制化、大规模、高通量的数据与湿实验能力。

Q14： 公司不断提前启动产能、提升资本开支，扩产的综合决策是怎么做出来的？比如看到客户新分子在什么阶段会提前考虑扩产？（并提到市场担心GLP-1这类高毛利大项目波动）
A（陈民章）： 扩产肯定有原因。举例：今天在泰兴正在扩6个多肽车间，为什么？因为有一份长长的项目名单——哪些项目要进入哪一期，结合我们测算的成功概率，算出未来两年需要的产能，这是扩产的原因。所以现在扩产变得越来越简单，因为不是一个、两个分子，而是几百个分子在往前走，我们根据整份名单、未来可能的需求和成功率来扩。

Q15： AI客户（以一家领先AI公司为例，板数比一般biotech多约500倍）更多是以烧出管线为主，还是偏向烧数据优化模型？未来三年这些客户会否大幅加速Biology或化学R端入口，让更多PCC项目进入临床或商业化？
A（杨青）： 简单回答就是“yes yes”。做到这么大的规模，如果只是烧数据训练模型，其投资人也未必认同，他们的管理团队有远大抱负；这些大体量公司一般一方面需要不断改善模型算法，另一方面也都有管线，与我们吻合与互补更强烈——一方面产生数据，一方面推动管线快速推进。而且physical AI有多种瓶颈，如果他们对行业梳理足够清楚，很多关键产能我们都能帮助解决瓶颈问题。
A补充（陈民章）： 如果成功率高，会有更多人进入这个行业来合成分子。A补充（杨青）： druggable target也会不断上升，从另一维度扩展需求。

Q16： 关于离岸外包，特别是GLP-1的toxicity/safety assessment业务，现在北美客户是否越来越多选择离岸外包（相比约五年前不明显、原来选Charles River等在岸供应商）？现在有变化吗？
A（杨青）： 我们每次都会披露各region、各业务板块的增长；各个业务、包括北美，增长还是可圈可点的——至少在公司整体层面，在早期业务上肯定如此。
（该投资者另一个问题未在记录中展开）

Q17： 除药明康德以外，客户及竞争对手在小分子、GLP-1或其他modality的产能建设情况如何？在三年或五年维度上，未来产能与demand会是什么情况？
A（陈民章）： 他们的产能建设你们应该比我更清楚，因为你们可以面对面交流，我是道听途说。从产能方面讲，当年我们建常州第一个车间（常州现在14~15个车间满负荷运转），建完第一个车间时就有人问“是不是建得太多”；这个问题什么时候问都可以，但我们的产能扩张完全是根据在手项目以及对未来的预期进行的（同对许菲菲的回答）。

Q18： 来自AI相关的湿实验外包订单大概占biology订单的比例是多少？这两年增速大概在什么区间？
A（杨青）： 首先这是新生事物，从绝对体量看，相对于我们已服务全球客户的规模，比例并不高，但增速很快。第二点更重要：我们很多客户都在使用AIDD手段使自己的研发更有效，所以AIDD对行业、对我们业务的促进，可能不只来自一些新的AI公司，很多传统企业也有新想法，对我们都是新的需求。

Q19： AI相关湿实验外包需求此前集中在体外药理药效验证，现在是否有AI大模型公司的需求进入体内（如动物体内药效、药代动力学验证）阶段？
A（杨青）： 提到的DMPK合作涵盖ADME、PK等各类可能参数（无论用于训练模型还是需要优化）都可能包括。从体外到体内有一个时间过程，可能是一波一波的：先做体外，其中一部分快速迭代后会转到体内，这与RDM漏斗异曲同工。从生物学上讲，只要开始更多新药发现实验、其中一部分成功，就可能自然延伸到体内药理学；从DMPK角度，ADME和PK是相辅相成的两个部分。
追问与确认（提问方）： 现在是否已有一部分订单需求进入体内验证阶段？——答：如上，正处于由体外向体内推进的过程。

Q20： 两个site：常州800吨API、100亿三年投资，以及苏州preclinical基地Life Bay（10亿投资），交付节奏是怎样的？
A（陈民章）： 常州新基地今年12月开始建设，第一个车间2028年中投用；一期5个车间，分别于2028年和2029年交付；总共计划约15个车间。A（杨青）： 从capex角度，100亿元主要在2027、2028年支出。关于苏州： 实验室完工为2027年底，GLP资质按不同监管要求，其中部分资质需在2028年上半年获得。
（该投资者第二个问题未在记录中展开）

Q21： 两个问题：第一，公司最核心的CRDMO模型，过去几年既维持高速增长，又不断海外扩产并提升new modality份额，这个模型的潜力与成长持续性如何——从管线和订单看，高成长能维持多少年？
A（陈民章）： 这个问题如果三年前、五年前问，也是成立的，证明这个模型在提供sustainable high growth；三年后、五年后今天再问，可能又会重复三年前、五年前的场景（轨迹可能延续）。

Q22： 第一，市场上有许多做hit、做del、做切块的公司，康德的实验数量、客户数量和数据积累最多，这些客户IP数据的property问题——我们能否用来training自己的model、建立自己的模型？
A（杨青）： 这是关于服务模式的问题。今天讲的主旨是DMTTA循环以及与AIDD公司是互补关系，尤其湿实验室为干实验提供干湿闭环，这个模式第一走得通、第二会持续、第三从趋势看有可能加速。至于能否使用这些数据：第一，实验数据有很大价值，我们已广泛用运营数据来降本增效（这是经常分享的）；其他实验数据如何与客户一起更好发挥价值，我们也在与其中一些客户深入探讨，但还处于比较早期阶段。

Q23： 越来越多企业进入AI新药/new modality生成，康德此前的DDSU也是一块很好的业务，未来我们会不会利用自己的模型生成相关modality，或跟随市场比较好的分子？很多大厂都已下场，康德有这么多数据和资产，能不能也利用起来？
A（杨青）： DDSU是特定历史时期赋能客户的一种业务方式。我们只要把握“赋能者”这个基本角色，客户有什么需求，我们就可以提出新的服务方式，但肯定是顺应客户和市场需要。
A补充（施明）： 我们最感兴趣的是做基础建设的投入，包括我们自己的AI基础建设。虽然目前在capex中占比还非常小，但我们会顺应时代潮流；不过我们的本质仍是赋能者角色，在赋能角色上为整个行业投入一个非常高质量、有效的基础设施，包括AI基础设施。

雪球是一个投资者的社交网络，聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>