创新药里最值得长期跟踪的两条产业趋势，一条是 ADC，一条是 AI 制药，或者更宽的说法是 AI for Science。前者已经通过 BD 出海、产品上市和管线竞争力被反复验证；后者正在从概念走向临床和商业化拐点，开始让药物研发效率出现结构性变化。
这两条线的共同点，是都不再只是资本市场故事。ADC 代表中国创新药在全球细分赛道里的现实竞争力，AI for Science 代表制药研发范式的长期重构。一个偏当下兑现，一个偏未来空间；一个看交易、审批、产品和海外授权，一个看模型、数据、实验自动化和临床推进。
判断创新药，不能只看热度。真正重要的是技术是否改善疗效和安全性，交易是否得到跨国药企认可，研发效率是否被量化压缩，商业化是否能走到真实收入。ADC 和 AI 制药之所以重要，正是因为它们都已经开始回答这些问题。
一、ADC 是精准制导的抗体偶联药物
ADC 的全称是抗体偶联药物，可以理解为一种“生物导弹”。它由三部分构成：前端是抗体，负责识别癌细胞；中间是连接子，负责控制药物在合适位置释放；后端是高毒性载荷，负责杀伤肿瘤细胞。
传统化疗更像地毯式轰炸，正常细胞和肿瘤细胞都可能被伤害，疗效和毒性之间很难平衡。ADC 的逻辑是精准制导：先找到目标细胞，再把毒性载荷送进去，尽量减少对正常组织的误伤。
这就是 ADC 的产业魅力。它不是简单换一个药名，而是把抗体识别、连接子稳定性、载荷毒性和释放机制组合在一起，形成一个高度工程化的药物平台。每一个环节都会影响疗效、安全性和商业价值。
如果把创新药竞争拆成靶点、分子、递送和临床验证，ADC 恰好站在多个环节的交叉处。它既需要生物学理解，也需要化学连接和制剂工程，还要最终经得起临床和商业化检验。
二、中国 ADC 管线已经进入全球第一梯队
中国 ADC 管线数量已经处在全球第一位置，占全球管线超过三分之一。这个变化很有标志意义。过去中国医药产业常被贴上仿制药大国标签，而 ADC 让中国企业在一个新赛道里与欧美站到同一起跑线，甚至在部分方向上领先半个身位。
这背后不是单点突破，而是产业链系统能力提升。抗体工程、临床招募、研发团队、资本支持、BD 能力和监管效率共同作用，让中国 ADC 项目更快进入全球视野。
跨国药企对中国 ADC 的兴趣，也不是礼貌性评价。全球大药企面临专利悬崖，需要寻找新的增长资产；中国企业在 ADC 领域形成密集管线和快速迭代能力，自然成为海外授权和并购的重要来源。
这意味着 ADC 不只是研发方向，也是中国创新药全球化能力的检验场。能不能在海外拿到高质量交易，能不能用临床数据说服国际市场，能不能从授权走向后续里程碑和商业分成，决定了这个赛道的真实含金量。
三、BD 出海正在验证 ADC 的产业价值
今年上半年，中国创新药海外 BD 总金额约 1100 亿美元，已经接近去年全年八成。全球头部 BD 交易里，中国项目占据很高比例，而 ADC 是其中最重要的驱动力之一。
典型案例是百利天恒的双抗 ADC 项目。这个项目尚未上市，就以 84 亿美元总交易额授权给 BMS，首付款达到 10 亿美元。对于一个尚未商业化兑现的资产来说，这样的交易额说明跨国药企买的不是短期收入，而是技术平台、临床潜力和未来产品组合。
BD 交易的价值，不只在总金额。真正要拆的是首付款、里程碑、权益区域、适应症范围、后续研发责任和销售分成。首付款越高，说明对方越愿意为当下确定性买单；里程碑越大，说明未来临床和商业化空间越大。
ADC 之所以成为出海核心，是因为它同时满足两点：跨国药企有补管线需求，中国企业有密集且质量不断提高的项目供给。专利悬崖迫使大药企寻找新资产，中国 ADC 则刚好成为最容易被定价、被交易、被验证的方向之一。
四、技术迭代从单抗 ADC 走向双抗 ADC
第一代 ADC 多数是单抗偶联，只识别一个靶点。它已经相较传统化疗实现了更高精准度，但肿瘤异质性、靶点表达差异和耐药问题仍然存在。
双抗 ADC 的进化方向，是同时结合两个靶点，提升识别精度和覆盖范围。对异质性更强的肿瘤来说，双靶点策略可能带来更好的选择性，也有机会改善单靶点表达不足或耐药带来的疗效问题。
今年 6 月，全球首个双抗 ADC 已经在国内获批上市。这不仅是一个产品事件，也说明中国企业在 ADC 技术迭代中不是被动跟随，而是在更前沿形态上参与定义方向。
未来 ADC 的竞争不会停留在“有没有管线”。更核心的是载荷是否更强，连接子是否更稳定，DAR 值是否更可控，靶点组合是否更合理，毒性窗口是否更好，临床数据是否能在同类产品中体现差异。只有技术迭代继续推进，ADC 才能从热门赛道变成长期产业趋势。
五、AI 制药开始重构“双十定律”
传统药物研发常被概括为“双十定律”：10 年时间、10 亿美元成本。从靶点发现到分子筛选，再到临床前和临床试验，一路高失败率、高成本、长周期。很多项目不是输在没有想法，而是输在筛选效率、实验成本和临床不确定性。
AI 制药的目标，是用算法和数据重构这套流程。AI 可以辅助靶点发现、分子设计、成药性预测、毒性评估和临床方案优化，把过去大量依赖经验、试错和人力堆叠的工作，转向更高通量、更可计算的研发方式。
国内部分 AI 制药平台已经能把从立项到临床前候选药物的时间，从传统 40 到 50 个月压缩到 12 到 18 个月；需要合成和测试的分子数量，从 3000 到 5000 个降到 60 到 200 个；时间节省可以达到 60% 以上。
更关键的是，AI 从头设计的药物已经在今年 7 月启动临床三期试验，成为全球首个走到这一阶段的 AI 设计药物。这说明 AI 制药不再只是工具展示，而是开始进入真实临床验证周期。
六、AI for Science 是更大的制药平台化趋势
AI for Science 不只是让 AI 辅助某一步研发，而是把大模型、科学智能体、自动化机器人实验室和药物数据平台整合到一起，形成制药超级智能平台。它的目标不是写几段辅助代码，而是改变从发现问题到验证问题的整个科研流程。
在这个框架下，大模型负责理解文献、生成假设和设计实验，科学智能体负责拆解任务和调度流程，自动化实验室负责执行合成、筛选和测试，数据平台再把结果反馈给模型继续迭代。药物研发从“人力密集试错”逐渐走向“数据驱动闭环”。
国内企业已经开始与科技公司、医疗健康平台合作训练药物大模型，也有联合实验室推进自动化和模型化研发。短期看，这会先提升研发效率；长期看，它可能改变创新药公司的组织方式，让数据、模型和实验能力成为核心资产。
市场空间也在快速打开。2025 年全球 AI 药物研发市场规模约 25 亿美元，2035 年有望达到 460 亿美元附近。如果把 AI 设计出来的药物本身销售额也计算进去，真实空间会远大于工具层市场。
七、ADC 和 AI for Science 的兑现节奏不同
ADC 的优势在于现实验证更快。管线数量、临床数据、获批上市、海外授权、首付款和里程碑都能形成阶段性证据。投资研究可以沿着产品和交易往下拆，较容易判断企业是否真的具备全球竞争力。
AI for Science 的优势在于长期想象空间更大。它不一定马上体现在某一个产品销售额上，但如果能持续缩短研发周期、减少分子筛选数量、提高临床成功率，就会改变整个行业的成本结构和竞争方式。
两条线不能用同一把尺子。ADC 要看具体资产质量和 BD 兑现，AI 制药要看平台能力、数据闭环、临床推进和可复制性。把 AI for Science 当成短期产品股看，容易高估短期收入；把 ADC 只当成主题看，又会低估交易和临床验证带来的确定性。
更稳妥的框架，是把 ADC 放在“全球竞争力和出海兑现”里研究，把 AI 制药放在“研发效率革命和平台化能力”里研究。两者都属于创新药，但兑现路径完全不同。
八、热度越高，越要把产业逻辑和交易节奏分开
创新药板块波动很大，短期热度越高，越不能把产业前景直接等同于价格每天上涨。一个方向长期正确，不代表短期不会回撤；一个项目技术先进，也不代表估值可以无限前置。
短期催化方面，美国哥伦比亚特区联邦地区法院暂时禁止国防部执行将国内 CXO 龙头列入 1260H 中国军事企业名单的决定。法院认为现有证据不足以支撑相关认定，并指出部分证据存在错误解读。这个消息容易在板块热度较高时继续强化交易情绪。
但交易情绪不是基本面本身。ADC 要继续跟踪临床数据、获批节奏、BD 条款和商业化表现；AI 制药要继续跟踪候选药物推进、平台收入、合作质量和研发效率能否被重复验证；CXO 则要看订单、地缘风险和客户信心恢复程度。
创新药真正有价值的地方，是产业正在出现两条可验证的强趋势：ADC 让中国创新药更快走向全球，AI for Science 让药物研发效率有机会被重写。热度会涨落，估值会波动，但只要产品、交易和研发效率继续兑现，这两条主线就值得长期研究。