晶泰科技 AI 平台调研 · 华大研究院路径建议

01 / 结论先行

五句话看懂这次调研

如果只看一页，看这一页。

01

它不是 AI 制药算法公司，是物理世界的执行层

300+ 自动化实验工站、200+ 领域模型、多智能体编排，加上累计 50 万条真实实验记录——其中约 80% 是公开文献里拿不到的失败负样本。

02

它用了和我们同一套自动驾驶类比，但把刻度挪了一格

晶泰自称实现的 L4「Domain-Specific Autonomous」≈ 我们的 L3 黑灯实验室。它没有 L0 那一档，且 L3 栏列的其实是合成检测服务，分级图有营销痕迹。

03

真正的护城河只有一条

随时间单调增长的私有湿实验数据（尤其失败样本），由自建自动化实验室的工程隐性知识所派生。模型、Agent、多云平台、合作名单——都是可复制的红海。

04

但护城河是「化学的」，不是「AI4S 的」

机器人、反应数据、合成模型全都不迁移到生命科学。它往生物铺的三块——虚拟细胞、器官芯片、类器官——全是投资/孵化，没有一个是自研。

05

收入结构里，最赚钱的那一段护城河最薄

2025 年首次盈利靠一笔 5,100 万美元授权首付款；2026 上半年这笔钱不在，立刻由盈转亏 2.249 亿元。用设备和服务赚现金流，用管线授权赚利润，用平台讲故事——三件事的护城河硬度是倒过来的。

02 / 背景

晶泰是谁：基本盘与三次跃迁

港股上市主体为晶泰控股（XtalPi Holdings，2228.HK），境内主体深圳晶泰科技有限公司。检索未见与之并列的独立「晶泰生物」实体。

成立 / 团队	2015 年，三位麻省理工学院物理学家创立（温书豪、马健等）
上市	2024 年 6 月港交所主板，18C 规则下首家特专科技上市企业
定位	基于量子物理第一性原理计算 + AI + 高性能云计算 + 机器人自动化的创新研发平台
2025 全年	营收 8.026 亿元（+201.2%）；年内利润 1.346 亿元、经调整利润 2.582 亿元；AI4S 领域首家盈利的港股上市公司；年末现金 70.686 亿元
2026 上半年	营收 3.936 亿元（同比 −23.9%，剔除去年同期一次性授权首付款后 +73.8%）；净亏损 2.249 亿元；研发费用同比 +66.0%；现金 86.712 亿元
分部收入	药物发现解决方案 2.001 亿元 · AI4S 智慧解决方案 1.935 亿元（+136.4%）
客户	累计覆盖全球前 20 大药企中的 17 家；2025 年创收客户数 +62%
口径提醒	以上均为公司自述，未见第三方独立验证

三次战略跃迁——顺序很重要

2015 — 2019

计算

成立即做量子物理 + AI 计算（纯干实验）。代表作：帮辉瑞确认 Paxlovid 优势晶型，只用 6 周。

2019 — 2022

自建实验室

2019 年起在深圳河套自研自动化实验室；2022 年上海张江总部落成、实验室首次公开亮相（当时逾 3,000 平米，客户已含青煜医药、海正药业、溪砾科技）。

2023 — 2025

资产化

从「接项目」转向「持管线」：DoveTree（总盘子 59.9 亿美元）、礼来（3.45 亿美元）、晶科能源等授权与平台协议相继落地。

2026 —

平台化

7 月 29 日发布 XtalPi Science 平台与 Genius Agents 智能体矩阵，联合 26 家伙伴发起「科学智能开放生态联盟」，截至发布当天中午近 200 家机构提交试用申请。

关键：不是「先有设备，后有数据」

真实链条是 计算能力 → 拿到算法单 → 发现拿不到实验数据 → 自建实验室去产数据 → 数据反过来喂模型 → 模型批量产出可专利分子 → 资产化授权。设备不是起点，是它为了解决「模型缺燃料」而自建的工具；把它变成产品卖出去是顺带的商业化。

03 / 技术架构

平台架构：四层技术引擎

中报明确表述的架构：Genius Agent（智能中枢）· Scientific AI（科学智能）· Physical AI（物理智能）· Data Moat（高质量数据底座）。

晶泰四层技术引擎示意图 — **图 1 · 四层技术引擎（本页自制示意图）。**干实验与湿实验之间靠智能中枢做「干湿迭代」，数据底座在最底层持续供给。

Genius Agents 智能中枢

多智能体体系，统一编排科学模型、专业工具、研发流程与数据资源；把经典的 DMTA（设计—制造—测试—分析）循环重构成「上百类研发意图」；目标设定与路线决策等关键节点保留科学家最终判断权；专家隐性知识固化为可复用 Skills。

Scientific AI 科学智能

200+ 垂直领域 AI 模型，覆盖分子设计与生成、结构预测、活性与成药性、化学反应与合成（20+ 类反应预测）、自由能与量子化学、固态与晶型、生物大分子、谱图与数据解析。

Physical AI 物理智能

全球部署逾 300 台自动化工站，覆盖 20 余类研发场景，7×24 执行实验与数据采集。难点不在机械臂——在固体粉末加样、粘稠体系、无水无氧、后处理这类非标工序。

Data Moat 数据底座

服务逾 100 个新药及新材料发现项目；每月产出 5 万余条反应产率数据与 30 万条过程数据；累计逾 50 万条真实实验记录，约 80% 为失败负样本。

配套的两层「中间件」

Nexus 能力中台

把 200+ 项科学算法统一封装（统一封装 · 安全可控 · 即插即用），形成 AI Agent ↔ NEXUS ↔ 科学算法能力三层结构。卖点是资产沉淀、一次封装全品复用、越用越强、跨行业通用。

多云智算引擎

面向 AI 负载（训练/推理/工作流）与高性能批量计算优化的云原生算力平台；纳管本地 Slurm/PBS 集群与 AWS、GCP、腾讯云、阿里云；支持任务多队列、优先级亲和性、多云调度分发与细粒度账单。

**晶泰原图 · Nexus 能力中台。**来源：晶泰 2026 AI4S 发布会现场 PPT 照片。

晶泰多云智算引擎 — **晶泰原图 · 多云智算引擎。**同样体现了它在算力层的统一纳管思路。

04 / 产品矩阵

智能体矩阵与产品线

已具名的 7 个子智能体，加上软件、硬件与新模态平台，构成它的完整产品面。

子智能体	定位
Cetus Agent	小分子药物
MolAgent	药化 SAR 专家助手
Ailux Agent	抗体 / 蛋白药
X-Buddy Agent	靶点研究 AI 基础平台
AiFChem Agent	化学品找货比价 · 需求到采购清单
HTE Agent	高通量反应条件优化
库合成 Agent Team	项目管理 · 实验开设编排

软件产品

PatSight —— 药物专利挖掘
XFEP —— 自由能微扰亲和力预测
XMolGen —— 多功能分子设计

硬件产品

XmartChem 智能合成工作站（已复制推广至 13 家客户）
智能电解液工作站
ChemPlus 桌面型固体加样仪
NeoDispenser 智能微量粉末分装

新模态平台

XGlue —— 分子胶
PepiX —— 多肽 / 口服环肽
Kodexia —— 小核酸 siRNA
Ailux —— 大分子抗体

**晶泰原图 · 自主发现工作流（小分子药物发现）。**从目标输入到结果输出，假设端（文献调研 / 分子设计与预测 / 虚拟筛选）与检验端（合成路线规划 / 实验计划 / 机器人执行）分列。

**晶泰原图 · XGlue 分子胶平台。**45+ 新型 CRBN 结合母核 × 15 万分子砌块，构建 260 万分子胶虚拟库；自动化合成 600–1000+ 化合物/周。

05 / 数据工程

数据底座是怎么建起来的

这是它真正值钱的一段流水线：非结构化原始数据 → 领域模型解析 → LLM Agent 结构化 → 入库。PatSight 就是这条线的产品化样板。

数据智能体四步法 — **晶泰原图 · 利用领域模型的数据智能体进行高质量数据集提取。**① 原始数据获取 → ② 用超过 20 个垂直领域模型解析（文档多模态、图表识别、OCR、化学结构与合成路线）→ ③ 多个 LLM Agent 结构化关联（化学结构/活性整合、抗体序列亲和力识别、材料组分与配方识别、合成路线与工艺识别）→ ④ 汇总至数据管理与分析平台。

晶泰多元科学数据平台规划 — **晶泰原图 · 多元科学数据平台规划。**三层结构：**数据平台**（公开数据集最高通量 10 万条/天、效率提升 5~30 倍；实验数据集 5 万反应/月、效率提升 40 倍；专家反馈数据集持续积累数百至上千条/天）→ **应用开发**（AI 智能体及应用、自主实验平台机器人集群、Genius Agent 平台）→ **技术底座**（自研 AI 模型、微调 LLM、DeepSeek；阿里云/腾讯云/火山云；Agent Harness、Nexus、记忆管理、模型路由）。右侧为安全保障体系（日志中心、数据备份、隐私计算、访问控制等）。

95.3%

多模态 Layout 文档识别准确率

>95%

反应步骤数据精细提取精度（已结构化数十万篇专利）

>99%

抗体（含 VHH）提取精确率

98%

抗体亲和力识别精确率

**晶泰原图 · PatSight 专利数据挖掘软件。**自动识别专利的实例编号、结构与活性数据。它宣称的成本优势：**一篇专利识别约 10 元**，对比某国外科学数据厂商一条化学数据 10 元；人工一周的分析缩短至 30 分钟。

常规 AI4S 模型数据来源 — **晶泰原图 · 常规的 AI4S 模型数据来源。**它先摆出行业现状：数据来源以欧美的开源库与商业库为主（AlphaFold DB、PubChem、UniProt、PDB、SciFinder、Reaxys、Springer Materials…），再论证为什么必须自建。（图片左侧因现场演讲者遮挡，裁切时略作收紧。）

**晶泰原图 · 科研开源工具集是 AI4S 领域的巨人肩膀。**生物信息（CLUSTAL、Bioconductor、GATK、DRAGEN）、化学信息与建模（RDKit、GROMACS、AmberMD、OpenBabel）、材料计算（ABACUS、Abinit、LAMMPS、Quantum ESPRESSO）。它把自己放在开源生态之上，而不是替代它们。

06 / 框架对照

它用了我们的分级框架，把刻度挪了一格

晶泰在中报里「率先提出」把科学自主发现分为 L1–L5，并自称已在多个研发场景实现端到端 L4 自主发现能力（自述）。两套框架的映射关系如下。

晶泰 AI4S L1-L5 分级 — **晶泰原图 · AI4S：贯穿数字世界和物理世界，实现科学自主发现。**L1 Tools（AI 只做计算预测）→ L2 Co-Pilots（AI 协助设计分析）→ L3 Agents（AI 按目标推进）→ L4 Domain-Specific Autonomous（专注特定领域自主闭环）→ L5 General Autonomous AI for Science。

晶泰分级	对应本研究院框架	说明
L1 Tools	L0 / L1	SureRXN、XFEP、XMolGen 等计算预测工具
L2 Co-Pilots	L1 辅助科研发现	epiXora 调研助理、PatSight、MolAgent
L3 Agents	L2 自动科研发现工作流	它这一栏列的却是 VAST 虚拟化合物库、AiFChem 砌块供应、D2B、LC-MS —— 属合成检测服务，并非自主智能体
L4 Domain-Specific Autonomous	L3 人机协同科学发现（黑灯实验室）	Agentic HTE、Agentic Synthesis —— 这是它自述已实现的层级
L5 General Autonomous	L4 AI 驱动科学领域演进	目前无对应产品

三点提醒

① 晶泰的 L4 ≈ 我们的 L3，两者不能混着引用——否则外界会把它当成比我们高一档。
② 它没有 L0（信息提供与建议）那一档，分级图是产品导向而非能力导向。
③ 它的 L3 一栏放的是产品能力而非自主智能体，这一页偏营销口径。

07 / 证据审查

硬指标，与这些数字的成色

以下全部为晶泰自述，未见第三方独立验证。我们在引用时必须带着口径。

XtalFold 性能 — **XtalFold。**抗体-抗原复合物预测成功率 **70%**（内部 PDB 集 N=39），对比 AF3 报道 63%（N=65）、AF-Multimer 2.3 为 44%。

化学幻觉率对比 — **SureRoute。**化学幻觉率 **4.6%**；对照行业/学术 SOTA 14.3–19.7%，前沿 LLM 18.9–27.4%。

XFEP 通量 — **XFEP。**每年计算并分析 **24 万+ 分子**，宣称通量超行业商业软件 1–2 个数量级（对照约 1,000 个/年）。

⚠️ 引用这组数字时必须带上的五条口径

口径自相矛盾：SureRoute 首条路线准确率 —— 7 月 29 日发布通稿写 51.7%，8 月 19 日中报写 74.3%，差 23 个百分点。要么换了模型版本，要么换了评测集，必须向对方要口径。
成功阈值偏低：XtalFold 的「成功」定义是 DockQ ≥ 0.23，这是 CAPRI 的 acceptable 下限（0.49 为 medium、0.80 为 high）。70% 是「可用」，不是「准确」。
两边评测集不同，不可直接横比：晶泰用内部整理的 39 个复合物，对照组 AF3 用的是官方 65 个。
XFEP 通量口径待核：文字写「24 万+ 分子」，同期柱状图的柱子接近 10⁶。
「全球首个 / 业界唯一」属营销表述；「已实现端到端 L4」无第三方验证。50 万条记录仅称 80% 为负样本，未披露其中「有信息量的失败」占比——操作失误、试剂过期那类喂进模型就是噪声。

08 / 护城河诊断 · 上

先打掉四个「假护城河」

这四样最容易被误认为壁垒，实际都可复制。

① 200+ 模型与单点算法

单点模型学术界与竞品都有对标。XtalFold 与 AF3 的差距是个位数到十几个百分点，且两边评测集不同。模型会过期，不是护城河。

② LLM 智能体编排

2024 年以来最大的红海。Genius Agents 的 7 个 agent 换个名字，谁都能搭一套。

③ 多云智算引擎 / Nexus 中台

通用工程能力。阿里云、AWS 现成卖，自建只省成本。封装得再好，也不阻止别人封装自己的。

④ 大药企合作名单

大多数是「交付一套工作站」的一锤子买卖：罗氏百万级、赫力昂百万级、巴斯夫一台配方工作站。名字好看，不构成黏性。

09 / 护城河诊断 · 下

真正的护城河，按硬度排

**图 2 · 失败数据飞轮（本页自制示意图）。**这是它唯一一个随时间单调增长的壁垒。追赶者必须完整重跑这一圈。

硬度 1

自建自动化实验室的工程隐性知识

难点根本不在机械臂。化学实验的脏活在固体粉末加样、粘稠体系、无水无氧、后处理过滤——非标工序，没有通用解。它为「灵动勺」粉末处理、NeoDispenser 微量分装专门写了视觉算法、粉末属性数据库和粉末基座模型。这类 know-how 只能一单一单磨出来，花钱买不到，也没法逆向工程。时间常数：5 年、300+ 台工站、20 余类场景。

硬度 2

50 万条真实实验记录，约 80% 为失败负样本

为什么不可复制——公开数据库里只有正样本：没有哪家药企会把合成失败的路线发论文。失败数据只能从自己跑的真实实验里产。

自举循环：这是它最硬的壁垒，也是最难追的

要失败数据 → 得先有自建实验室 → 实验室要养得起 → 得有客户 → 客户要模型准 → 模型准要靠失败数据。晶泰把这个圈跑通了，追赶者必须从零跑一遍，且追赶期它还在涨。

硬度 3

干湿闭环的链条完整性（结构性）

别家要么大脑强手脚弱，要么手脚强大脑弱。晶泰是少数同时握有 第一性原理计算 → 领域模型 → 自研机器人 → 自建实验室 的全栈。单点都不算顶尖，但闭环比单点值钱，因为它决定迭代速度。

硬度 4

客户端切换成本（潜在，未验证）

Science Token 计量 + 私有化部署 + 数据格式/实验流程/模型接口绑定 ≈ ARM 模式。但近 200 家只是试用申请，转化率公司没给指引。

对失败样本这一条要打一折

「80%」只是负样本占比，不是「有信息量的失败」的占比。失败也分种类——操作手抖、试剂过期跟路线选得对不对没半点关系，这类喂进模型就是噪声。公司从未披露这个拆分。

10 / 关键判断

但护城河是「化学的」，不是「AI4S 的」

这是本次调研最重要的一个判断：它用跨领域叙事去要估值，但实打实的墙只有化学那一段。

**图 3 · 护城河边界（本页自制示意图）。**三类核心资产——物理资产（化学机器人）、数据资产（反应产率/晶型/合成路线）、模型资产（逆合成/FEP）——**全都不迁移到生命科学**。

证据就在它自己身上

它往生物铺的三块——虚拟细胞（孵化企业无界进化）、器官芯片（孵化企业耀速科技）、类器官（与孵化企业希格生科合作）——全是投资 / 孵化，没有一个是自研。这说明它自己清楚物理护城河不跨界。

还有一个错位值得盯

赚钱的是护城河薄的那一半。2026 上半年增长主要来自 AI4S 智慧解决方案（+136.4%），而厚护城河那半（数据与平台订阅）还没形成收入。平台化对它是双刃——开放调用意味着把模型摆给客户看，靠「数据不外放、只卖模型调用」的结构维持；一旦客户自己攒够数据就松了。

11 / 商业解剖 · 上

收入结构：谁在赚钱

期间	总营收	药物发现解决方案	AI4S 智慧解决方案
2025 全年	8.026 亿	5.379 亿（+418.9%）· 占 67%	2.647 亿（+62.6%）· 占 33%
2026 上半年	3.936 亿	2.001 亿 · 占 51%	1.935 亿（+136.4%）· 占 49%

按稳定性从低到高重排

① 一次性管线授权 / BD（历史上最大，也最不稳）：2025 年 8 月 5 日 DoveTree 首付款 5,100 万美元到账并确认收入，公司明确说这笔「对报告期收益作出重大贡献」——2025 上半年的 5.171 亿营收里它是绝对主力，也直接把半年做成盈利。今年同期没这笔，营收掉到 3.936 亿、转亏。
② 研发服务费（平台合作服务项目，CRO 性质）：稳，但薄。
③ 自动化设备 / 本地化部署：增长最快的现金流来源，单笔多在百万到千万级。性质上是一锤子买卖。
④ 智能服务：VAST 虚拟化合物库、创新分子砌块、高通量自主合成。2026 上半年新签订单高速增长，VAST 拿到 2 万多个分子的订单。
⑤ 平台订阅（Science Token）：目前 ≈ 0。近 200 家是试用申请，没收入。

结论

它的收入曲线现在由 BD 交易的节奏决定，既不由设备决定，也不由平台决定。往后还要更波动——按公司公告，DoveTree 还有 4,900 万美元固定付款待收，另有 58.9 亿美元潜在里程碑（后者按监管/商业节点分期，实质是期权）。

修正一个容易犯的错

不能简单说「主要收入来自卖设备」。设备（AI4S 智能机器人实验室）只是 AI4S 板块里的一个子项，而公司没有披露设备与服务的拆分，只说两块都高增长。所以卖设备占总营收是不到四分之一的量级，具体数只有他们财务部知道。

12 / 商业解剖 · 中

授权收入的本质：药厂到底在买什么

**图 4 · 资产化路径（本页自制示意图）。**切割点卡在「进临床之前」——临床的钱和风险转移给买方或孵化公司的投资人。

它是资产交易，不是卖软件

把自己发现的候选分子 + 专利族 + 数据包整体转让，换首付款 + 里程碑 + 销售分成。DoveTree 那笔公告写得很实：「5,100 万美元首付款所涉管线的相关专利已全部转让至 DoveTree」，DoveTree 拿全球独家开发和商业化权利。做这项收入的前提不是「有能力」，是持有可转让的 IP 实体。

DoveTree 不是药厂

它是 Gregory Verdine 设立的资产孵化公司（NewCo），名字取自中国珙桐。Verdine 出的是靶点判断和生物学洞见（29 岁任哈佛教授、参与创立十余家生物医药企业、主导研发 3 款 FDA 批准上市药）；晶泰出的是工业化研发执行。第三方分析人士称之为「美国 IP + 中国效率」的 NewCo 模型。

59.9 亿美元这个数字要打折

固定付款只有 1 亿美元（5,100 万 + 4,900 万），其余 58.9 亿是「潜在里程碑」，与研发/注册/销售节点挂钩，另加产品净销售额个位数百分点分成。临床前资产绝大多数走不到上市——里程碑是期权估值，不是应收账款。这笔的真相是：一次性实收 1 亿美元，买下这批专利。

行业定价参照：这个价码不稀奇

2025 年中国创新药对外授权总额 1,356.55 亿美元、157 笔交易，首付款合计超 70 亿美元。
2026 年 Q1 又破 600 亿美元，平均首付款 1.84 亿美元（创历史新高）。
对标：翰森制药把一个临床前口服小分子 GLP-1 授权给默沙东，首付款 1.12 亿美元、总额超 20 亿美元。一个临床前资产就是这个价。

药厂买的五样，按权重排

① 能进临床的资产

分子结构 + 专利族 + 体内外数据。这是唯一可交割、唯一值钱的东西。药厂不会为「平台」付首付款，只会为「资产」付首付款。

② 时间

专利悬崖 + 上市窗口，MNC 内部早期发现产能不够，必须外采。

③ 拿不到的能力

分子胶、口服环肽、小核酸这类新模态，大药企内部做不快。且必须有专利新颖性——是已知化合物就一文不值。

④ 风险转移

那笔 4 亿美元的 GPCR 交易，公告写的是合作方「承担所有早期研发费用」。药厂买的是期权，不是承诺。

⑤ 交付确定性 —— 最容易被忽略，也最重要

药厂不怕贵，怕的是「约定了时间交不出化合物」。晶泰敢承诺节奏（多肽项目靶点确定后 2 个月出 hit、siRNA 启动 7 个月拿到非人灵长类药效、HTE 迭代从 3–4 周压到 6 天）。它的干湿闭环真正的商业价值不是「AI 多强」，而是让资产能被按期交割。

13 / 商业解剖 · 下

谁在做 IND：三类分工

这是它资产切割策略最直白的体现——绝大部分 IND 不是它自己申报的。

A · 自己申报（极少）

全资子公司 Ailux 三条自免管线 ALX001 / ALX002 / ALX005，首批三个 IND 定在 2027 年；自研 TRK/RET 双靶点已完成美国 Pre-IND 递交，预计 2026 下半年报中美 IND。

B · 孵化 / 赋能公司申报（主体）

希格生科（SIGX1094 已获中美 IND 批件；SIGX2649 已获 FDA IND 批件）、溪砾科技（RTX-117 中美双报双批）、默达生物、智擎生技、莱芒生物、剂泰科技。申办方是那些公司，不是晶泰。晶泰拿的是赋能 + 股权 + 里程碑与长期经济权益。

C · 授权出去的买方申报

DoveTree（专利已过户）、礼来、辉瑞、罗氏。后续开发与申报由买方承担。

为什么它不自己做

申报 IND 和做临床要的基建它没有：GLP 毒理、CMC / GMP 生产、临床运营团队、药物警戒体系。它那 300 台工站是化学合成自动化，不是 GMP 产线。所以资产切割点卡得很精确：做到「能进临床之前」就交割。两条路——整包卖给买方（DoveTree 式，一次性拿首付款），或交给孵化公司去申报、自己留股权和里程碑（希格生科式）——都规避了临床的钱和风险。

但这个局面正在变，这点最值得盯

Ailux 就是它为「自己持管线」专门搭的载体——独立 biotech 架构、自招 CSO（前阿斯利康呼吸免疫高级副总裁 Maria Belvisi）、自建大分子管线、首批 IND 定 2027。逻辑很直白：持临床资产的估值远高于卖临床前资产。代价也很直白：临床烧钱比临床前高一个量级。Ailux 能不能撑起来，是它这个故事的下一个验证点。

一处要提醒

中报那句「自研管线及赋能管线中已有 3 条进入临床阶段」是合并口径，不拆分。公开信息里无法确定这 3 条里有几条是晶泰自己当申办方的——要问清这一点，得直接查临床登记平台的申办方一栏。

14 / 落到我们身上

能力对照：我们与它的墙不重叠

这是它对我们最大的价值——不是「值得学的对象」，而是「结构互补的对象」。

**图 5 · 能力互补（本页自制示意图）。**华大强在靶点与证据层，晶泰强在分子与执行层，两家的护城河不重叠。

我们强在「靶点与证据层」

CKB 大人群队列（51.2 万余基线 + 三轮随访）——人遗传学靶点证据
时空组学 Stereo-seq
多组学与蛋白组学
五大数据产出计划：STOC · HGP2 · EBP · 10BC · 100KPM

它强在「分子与执行层」

生成式分子与多肽设计（HELM-DIFF 等）
自动化合成与机器人实验产能
高通量筛选闭环（万亿级肽库）
5,000+ 私有非天然氨基酸库

一句话

我们有队列但它没有；它有化学自动化但我们没有。互补而不覆盖，这是合作的理想结构，也是「权益设计」最自然的落点。

这条路径已经有科学依据

有遗传学证据支持的药物机制，成功概率是无遗传学支持的 2.6 倍。
—— Minikel et al., Nature 2024, doi:10.1038/s41586-024-07316-0

而且这篇论文自己指出了一个更关键的细节：这个相对优势随「对因果基因的置信度」提高而提高，与效应量大小、次等位基因频率、发现年份基本无关。

结论：价值不在「找到关联」，在把因果做扎实。谁先把「因果置信度」这一维做上去，谁的靶点清单就值钱——这正是队列 + 深度多组学 + 时空组织定位 + 蛋白组方向性验证能做的事。

15 / 我们该学什么

四条内核：可迁移的是「权益设计」，不是技术

内核 1

从「服务商思维」换成「资产方思维」

这是最要紧的一条。我们长期是按项目接活、按服务计费；晶泰的转折点恰恰是停止「接项目」，改成「输出能力换权利」。能力输出之前先问：我能换回什么权利，而不是我该收多少钱。

内核 2

把能力做成可复用的中台，并且建权益台账

晶泰的孵化矩阵能跑，靠的是能力标准化封装（Nexus 式）+ 统一的权益登记。我们现在说得清「做了哪些项目」，但说不清「提供了什么能力、换回了什么权利」。没有台账，就没有议价。

内核 3

换回来的东西要设计，不要默认

股权 / 分成 / 优先合作权 / 数据权益 / 样本权益 / 联合 IP —— 这些可以组合定价，也可以不谈而默认归零。差别就在有没有人负责谈。

内核 4

边界划在「不做重资产」这一侧

晶泰不碰 GMP 与临床，我们也不该碰。这条它划对了——它的资产切割点精确卡在「进临床之前」。

但有一件事不能学

晶泰这套「赋能换股权」的孵化模式能转，一半靠设计，一半靠融资周期。它成立的前提是那些孵化公司能独立融到钱——这依赖退出通道（港股 18A、科创板第五套、license-out 给 MNC）。2025 年中国创新药出海授权冲到 1,356 亿美元，才撑起「临床前资产也值钱」的预期。

一旦 BD 出海退潮、18A 破发、VC 不再为临床前资产付溢价，这个模式立刻卡住——孵化公司融不到钱，晶泰就得自己掏钱，那就变回自持管线了。所以它本质是资本市场的杠杆，不只是商业模式的设计。

16 / 我们该做什么

四条行动：从靶点清单开始

行动 1 · 最优先

先定义「经人群遗传学验证的干预靶点清单」该长什么样

把证据分级标准、所需数据维度、交付形态定下来。这件事的价值是双份的：对内统一各团队的筛选口径，对外它才是可谈价的资产。没有这个标准，我们产出的是「论文里的关联」；有了它，产出的是「可交割的靶点资产」。

行动 2

补上「湿实验 → 结构化 → 回流模型」这条管道

这是我们与晶泰差距的真正所在。它的 50 万条是机器产出、带过程参数、可追溯的；我们的大量数据还停在「人工记录 + 分散存储」。建设重点不是算力也不是模型，而是数据回流与失败样本归档制度——这是唯一能长出时间壁垒的地方。

行动 3

短肽这条线，先做「皮肤时空组学 → 外用短肽」

外用对稳定性、口服吸收的要求低，是最容易先落地的场景。相比之下，CKB → 系统性给药这条线，递送和稳定性是硬约束——方向（聚焦抑制剂靶点 + 编码区 pLoF）是对的，但必须同步把给药路径和适应症场景定下来，否则会做出「靶点很好但递送不了」的分子。

行动 4

分子端优先「换能力」，而不是「自建」

我们在靶点端领先，在分子端（合成、展示筛选、活性验证的湿实验闭环）是缺的。晶泰的长板恰好在这里。与其投钱自建一条化学自动化线，不如用靶点权益或联合开发权益去换对方的合成与筛选能力——更快、更省，且不占用研究院的科研编制。

已有基础可以直接接上

短肽线我们已经有一批可用的技术件：mRNA 展示（库容可达 10¹³，远超噬菌体 10⁹–10¹¹）、RaPID 先例（化学环化一步拿到 nM 级刚性环肽，顺带解决抗蛋白酶降解）、OPO 偶联平台（已发表，NC 2026）、纳米孔读出。缺的是三件事串起来之后的自动化产能与高通量筛选节拍。

17 / 边界与风险

不该做什么，以及要提前想的坑

✕ 不追临床与 GMP 重资产

晶泰把边界划在「进临床之前」，我们同样不该往那个方向投。这不是能力问题，是资产性质问题。

✕ 不按服务工时给能力定价

把本可资产化的东西卖成工时，是最大的价值浪费。这是最需要改的一条习惯。

⚠️ 关联交易与利益冲突——最容易踩的坑，事先指出

研究院的资源给到自己参股的公司，怎么定价、怎么披露、怎么证明不是「内部人受益」？晶泰是纯商业公司，没人问这个问题；我们一定会被问。这个坑要么事先设计好通道（成果转化平台 / 产业基金 / 联合实验室协议），要么就别碰股权，只换数据与知识产权权益。

三个外部约束，需要在方案里写进去

短肽成药性三关：稳定性（蛋白酶降解）、递送（口服/透膜/透脑）、规模化合成成本。晶泰现在攻的恰好是后两关（口服环肽、脑递送），说明这是行业公认卡点，不是我们独有的困难。
模式依赖资本周期：孵化换股权的前提是孵化公司能独立融资；BD 出海退潮即卡住。
数据主权边界必须写清：同一套能力若同时卖调用、卖私有部署、又自持管线，客户一定会问「你会不会拿我的数据训模型、再自己拿去申请专利跟我竞争」。晶泰的解法是「数据不出域 + 私有化部署」——这条边界是它平台化能不能成的死穴，我们若走合作路线，同样要先想清楚。

18 / 下一步

三步走

短期 · 2 周

产出「经人群验证的干预靶点清单」的证据分级标准与样本样板

含：证据分级定义（pLoF / MR / 共定位 / 蛋白组方向性）、所需数据维度、单条靶点的交付字段、首批示范案例（已知靶点复现 + 1–2 个未知靶点）。

中期 · 1–2 月

皮肤外用短肽的场景技术路线 + 分子端合作方案

含：靶点筛选结果 → 短肽设计 → 展示筛选 → 活性验证的完整路线图；以及「自建 vs 换能力」两条路径的对比（时间 / 投入 / 风险 / 权益结构）。

长期 · 持续

建立研究院「能力—权益台账」

把每一项对外能力输出与换回的权利登记造册：提供什么、给谁、换回什么、期限多久、谁负责跟踪。这是从「服务商」转向「资产方」的基础设施。

一句话收尾

晶泰真正教会我们的不是「AI 怎么做科研」，而是 能力输出的时候，先想权利，不要先想价格。它用五年时间把「造数据」这件事内部化，然后把这个过程变成了可交割的资产。我们手上握着的是更稀缺的一头——人群与证据。