北美股神
美股博士
AI摘得诺贝尔奖，生物医药赛道引爆市场关注
2024年10月，诺贝尔化学奖授予三位人工智能领域专家，理由是其研究成果成功解决了蛋白质结构预测领域长达50年的核心难题，并大幅加速了生物医药领域的科学发现进程。与此同时，英伟达CEO黄仁勋在GTC大会上明确表态：当数据科学、人工智能与自动化三者深度融合，生物医学将迎来指数级增长，成为下一条黄金赛道。英伟达已用真金白银布局多家AI+生命科学公司，机构资金的嗅觉值得关注。
这一赛道的核心逻辑，必须从理解AI的技术突破开始。
AlphaFold：打开生命科学的'万能钥匙'
蛋白质是一切生命活动的物质基础，其三维结构决定其生物功能——结构不同，功能迥异，就如同同一张纸可折成纸盒、纸飞机或风筝。传统解析蛋白质结构的方法依赖冷冻电镜，需要拍摄数万张图像才能完成三维重建，耗时耗力，成本极高。正因如此，人类迄今仅解析了约35%的已知蛋白质结构。
DeepMind（现隶属谷歌）开发的AlphaFold彻底改变了这一局面：
- 预测结果与实验室实测结果的误差已缩小至不超过一个原子直径的级别
- 截至2022年7月，AlphaFold已完成100万个物种、逾2亿个蛋白质结构的预测，几乎覆盖地球上所有已知蛋白质
- 这相当于——人类基因组计划拿到了所有'钥匙'，AlphaFold则把所有对应的'锁'也一并绘制清楚
这一里程碑式突破意味着，科学家可以用AI大幅压缩实验前的结构预测阶段，从而将有限的实验资源集中在高价值靶点验证上，形成飞轮效应，推动连续性科学突破。
商业化现实：AI能省早期成本，但临床才是真正战场
技术突破不等于投资标的的价值兑现。在财经分析视角下，必须厘清AI在药物研发全链条中的真实边界：
- AI的价值主要集中在药物研发早期和临床前阶段，包括靶点发现、分子筛选、候选药物优化等环节
- 然而，药物开发80%以上的成本发生在人体临床试验阶段，而这一阶段AI目前尚无法实质性介入
- AI可以帮助药企在同等预算下立项更多管线，提升早期筛选效率，但并不能根本性地改变临床失败率
这意味着，市场对AI制药公司的估值预期，很可能存在系统性高估。当早期管线的亮眼数据遭遇临床阶段的现实壁垒，情绪反转将带来估值的剧烈修正——mRNA概念股从疫情高峰至今的市值腰斩，已提供了清晰的参照。
投资风险：警惕'互联网泡沫'式定价陷阱
AI军备竞赛与上世纪互联网泡沫有诸多相似之处，但结构性差异同样显著：
相似点：
- 投机性资本大规模涌入，市场情绪主导估值
- 投资者普遍忽视商业模式的盈利可持续性
关键差异：
- 互联网泡沫破裂时，倒下的多是现金流脆弱的小公司；当前AI重仓方是谷歌、微软、亚马逊等主营业务稳健的现金流巨头，具备长期高投入能力
- 但对于市值较小的AI生物医药公司，一款核心产品的临床失败即可导致公司陷入危机，股票持有者可能面临本金大幅损失
历史逻辑同样成立：互联网泡沫清洗了大量劣质标的，幸存的谷歌、亚马逊反而成长为全球市值最高的企业。行业长期前景看好，不等于当下每一家公司都值得押注。
核心启示：看好赛道，但当前时点选股需极度审慎
AI与生物医药的深度融合，是未来十年最具想象空间的科技叙事之一，诺贝尔奖的背书进一步强化了这一方向的长期确定性。然而，赛道的正确性与个股的投资价值之间，存在巨大的估值鸿沟。在极度乐观情绪尚未充分消化、多数小市值AI制药公司尚未经历临床验证的当下，宏观解读与行情分析都指向同一结论：以研究驱动替代情绪驱动，在具备长期竞争护城河的标的出现之前，保持观察比盲目入场更具战略价值。