医药行业AI4S（三）：因果数据、机制理解与AI生物数据基础设施研究（37页，2026年）

分类：生物医药

标签：AI4S、AI制药、因果数据、干预扰动湿实验、虚拟细胞AIVC、多组学融合、中邮证券

摘要：本篇为中邮证券研究所医药团队 2026 年 11 月 4 日发布的行业研究，是 AI4S 系列第三篇，全文 37 页，署名盛丽华与徐智敏，研究主题是 AI 驱动药物发现（AIDD）新一轮周期中因果数据的作用，以及面向 AI 与生物数据的新型数据基础设施。报告围绕新周期与上一轮的差异、大规模高质量有效数据、虚拟细胞与数据供给端、湿实验需求及风险提示展开，数据来自企业公告、机构新闻与公开融资信息。 报告归纳新周期与上一轮的三点不同：主要经济体同步加码 AI for Science，2026 年以来谷歌、Anthropic 等将 AI 制药视作重要增长引擎；AI 逐步深度参与跨国药企药物研发全周期；以训练下一代大模型为目标，工业化产出扰动干预湿实验数据、搭建数据基础设施。核心竞争力被归结为大规模高质量有效数据：仅依托存量公开数据迭代模型，边际收益持续下降；存量数据多为观测类、只能得到相关性结论，建立因果关系需要大量干预与扰动实验数据，动态状态是支撑 AI 虚拟细胞动态仿真的核心数据底座。报告给出，当前可用的高质量带标签扰动数据集相比理论需要仍差约 1000 倍，自建实验平台产出干预数据成为

来源：zuudee | 日期：2026-11-06 | 格式：PDF | 页数：37