China AI drug discovery ecosystem: El descubrimiento de fármacos con IA en China crece rápidamente, pero los próximos ganadores dependerán de datos, retroalimentación de laboratorio y ejecución clínica, no solo de generar moléculas.

Visión general

Este análisis profundo examina cómo la IA está cambiando el ecosistema chino de desarrollo de fármacos. Bernstein sostiene que la velocidad de descubrimiento temprano y la actividad de licencias han mejorado notablemente, pero que el valor sostenible dependerá de que las empresas conecten los modelos de IA con datos biológicos y clínicos propios, validación experimental, capacidad de fabricación y ejecución del desarrollo.

Perspectivas principales

El descubrimiento de fármacos con IA ha pasado de ser una capacidad de nicho a un componente más generalizado de la industria biofarmacéutica china. Las carteras activas de las empresas AIDD chinas aumentaron de 47 activos en 2023 a 219 activos en 1Q-3Q26; los programas preclínicos pasaron de 45 a 194 y los programas clínicos de 2 a 25. El beneficio más visible es un desarrollo temprano más rápido: el tiempo reportado desde la identificación de hits hasta el primer estudio en humanos es de aproximadamente 22 meses para empresas AIDD, frente a 59 meses para los parámetros de grandes farmacéuticas. Esto puede permitir avanzar más programas a la clínica en un periodo dado, aunque las mejoras reportadas en ejecución clínica, de 5-15%, siguen siendo limitadas. El potencial de ahorro en conversión de fabricación y SG&A también podría ampliar la oportunidad de beneficios para farmacéuticas establecidas. Las licencias se han vuelto una forma importante de validación externa y monetización, pero los valores nominales de las operaciones deben interpretarse con cautela. El valor global de licencias relacionadas con IA alcanzó $54 billion en 1Q-3Q26, por encima de $31 billion en FY2025, con 27 transacciones de al menos $100 million frente a 21 previamente. La IA representó el 25% del valor global de licencias, frente al 3% en 2020. Las operaciones originadas en China representaron el 23% del número acumulado de acuerdos y el 32% del valor, lo que sugiere tamaños medios mayores; las operaciones de IA aportaron el 25% del valor de licencias originadas en China en 1Q-3Q26, frente a participaciones de un dígito en 2022-25. Sin embargo, el 74% de las 98 transacciones hasta 3Q26 fueron acuerdos solo de activos y solo el 13% involucró activos existentes definidos; las colaboraciones para desarrollar activos nuevos contribuyeron el 61% del número de acuerdos y el 58% del valor. Bernstein señala por ello que gran parte del valor anunciado depende de hitos y refleja expectativas de entrega futura, no valor clínico o comercial realizado. Los pagos iniciales por activo tampoco han superado sistemáticamente los de acuerdos no relacionados con IA. La limitación central es que el descubrimiento de ligandos no equivale al descubrimiento de fármacos. Los modelos fundacionales y el diseño generativo aceleran la identificación de hits y la generación de moléculas, pero un ligando de alta afinidad puede fallar por solubilidad, farmacocinética, toxicidad, capacidad de fabricación u otros problemas de desarrollabilidad. Bernstein cita una simulación según la cual una reducción del 20% en las tasas de fracaso genera mayores ahorros en el coste de desarrollo capitalizado por fármaco aprobado que mejoras comparables en velocidad o gasto de I+D. Sin embargo, los datos disponibles no muestran mejores tasas de avance de AIDD: las empresas AIDD globales registraron tasas de avance de Phase I y Phase II de 19% y 7%, las AIDD chinas de 14% y 5%, frente a 26% y 14% para las 20 principales farmacéuticas multinacionales globales. Insilico Medicine mostró 31% y 10%, respectivamente, pero el informe recalca que la mayoría de los activos AIDD están en fases tempranas y que la evidencia sigue siendo inmadura. El informe describe el cambio desde la predicción de estructuras proteicas hacia el diseño de novo, en el que los modelos generan secuencias o estructuras moleculares nuevas para un objetivo biológico definido. No obstante, los candidatos generados todavía requieren comprobaciones computacionales de plegamiento, interacción con el objetivo y comportamiento molecular, seguidas de validación experimental. El ejemplo de Anew Labs reduce más de 3,000 diseños de nanocuerpos generados a aproximadamente 50 candidatos para pruebas de laboratorio; Chemistry42 de Insilico aplica optimización iterativa respecto a potency, selectivity y ADMET. Bernstein concluye que los parámetros de referencia de modelos por sí solos son insuficientes, porque la relevancia biológica posterior y los resultados clínicos importan más que el desempeño aislado de cribado. Por tanto, la ventaja competitiva se desplaza hacia sistemas lab-in-the-loop. Los conjuntos de datos estructurales públicos y las arquitecturas de modelos son accesibles para todos, mientras que los conjuntos de datos propios, estandarizados y validados experimentalmente no lo son. En un ciclo design-test-learn, los diseños computacionales se someten a ensayos de laboratorio como BLI, SPR y ELISA; las mediciones biológicas resultantes se retroalimentan al modelo para la siguiente optimización. Según AnewDesign, varias rondas de optimización pueden mejorar la afinidad de unión hasta 100 veces y lograr valores KD de nanomolar de un dígito. Bernstein sostiene que las empresas que combinen diseño impulsado por IA, experimentación automatizada y aprendizaje continuo pueden construir ventajas de datos más duraderas que aquellas que dependan únicamente de modelos más grandes. Este cambio también eleva la importancia de las CRO y CDMO. Las empresas AIDD necesitan validación experimental, desarrollo de procesos, ejecución regulatoria, escalado de fabricación y finalmente apoyo a la comercialización. El informe cita colaboraciones entre Latent Labs y GenScript, el uso por Boltz de la biblioteca de compuestos OTS de WuXi AppTec, la colaboración estratégica de 2026 entre Earendil Labs y WuXi Biologics, y el trabajo de Insilico con WuXi AppTec, Tigermed y JOINN. Bernstein considera que estos proveedores están cada vez más integrados en la cadena de valor AIDD porque sus datos específicos por modalidad, capacidad experimental y capacidad de fabricación permiten los ciclos de retroalimentación que requieren las plataformas de IA. Bernstein identifica tres arquetipos de ganadores. Las empresas de IA de vanguardia pueden ganar mediante modelos fundacionales líderes y capacidades de diseño generativo, especialmente cuando los modelos son validados y mejorados mediante laboratorios integrados. Los proveedores de servicios y datos a escala, incluidos CRO, CDMO y plataformas tecnológicas, pueden beneficiarse como integradores horizontales gracias a datos preclínicos propios, flujos de trabajo estandarizados y capacidad de fabricación; WuXi AppTec y WuXi Biologics se citan como ejemplos cubiertos. Las biofarmacéuticas integradas pueden actuar como integradores verticales al combinar IA con datos propios preclínicos, clínicos y comerciales, así como con el control de las decisiones de desarrollo y comercialización; Innovent, Hengrui y Hansoh se citan como ejemplos. El informe no espera un mercado winner-takes-all dominado solo por desarrolladores de modelos. Para seleccionar beneficiarios, Bernstein recomienda centrarse en resultados tangibles y no en afirmaciones sobre IA: expansión de cartera propia, avance clínico, validación mediante licencias, productividad de I+D, propiedad de datos y ejecución a lo largo de la cadena de valor. CSPC, Insilico, Earendil Labs y XtalPi se destacan como líderes en operaciones, mientras que biofarmacéuticas establecidas como Hengrui, CSPC, Hansoh, Innovent y BeOne mantienen bases de programas activos mucho mayores que las empresas chinas nativas de IA. Para las farmacéuticas integradas, la evidencia relevante es una mayor velocidad desde el objetivo hasta la clínica, renovación de cartera, terminación más temprana de programas débiles, resultados de licencias y éxito clínico final.

Marco de análisis

Bernstein compara el crecimiento de carteras AIDD, plazos de desarrollo, tasas de avance clínico y transacciones de licencias con la farmacéutica tradicional y pares globales. Después vincula las limitaciones de los modelos de generación molecular con la necesidad de datos biológicos, traslacionales y clínicos, y evalúa qué modelos de negocio y posiciones en la cadena de valor pueden captar la oportunidad.

Notas metodológicas

• Marco de análisis sectorialTransmisión entre tramos de la cadena de valor

  Análisis de la cadena de valor del desarrollo de fármacos

  El informe sigue cómo las hipótesis generadas por IA requieren pruebas de laboratorio, desarrollo clínico y fabricación, explicando por qué el valor puede corresponder no solo a desarrolladores de modelos sino también a CRO, CDMO y farmacéuticas integradas.

• OtroOtro

  Comparación de carteras, éxito clínico y acuerdos de licencias

  Bernstein compara recuentos de cartera, avance por etapas, plazos de desarrollo, valores y estructuras de acuerdos, y pagos iniciales para distinguir el impulso del descubrimiento temprano del valor clínico demostrado.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• WuXi AppTec

  CDMO/CRO cubierto que puede beneficiarse de la creciente demanda de validación experimental, generación de datos y desarrollo por parte de empresas AIDD.

  Fortalezas

  Se cita como proveedor de servicios y datos a escala con capacidad relevante e integración en la cadena de valor.

  Comparación

  Se agrupa con WuXi Biologics como integrador horizontal, no como desarrollador puro de modelos.

  Riesgos

  La demanda de AIDD debe traducirse en actividad sostenida de experimentación y desarrollo subcontratados.

• WuXi Biologics

  CDMO de productos biológicos cubierto, posicionado para apoyar productos biológicos diseñados con IA mediante desarrollo y fabricación de extremo a extremo.

  Fortalezas

  La colaboración con Earendil Labs cubre desarrollo de líneas celulares, procesos y formulación, además de fabricación GMP.

  Comparación

  Se cita junto con WuXi AppTec entre los ejemplos de proveedores de servicios y datos a escala.

  Riesgos

  La realización de valor depende del avance de los activos de sus socios en desarrollo.

• Innovent (1801.HK)

  Ejemplo cubierto de biofarmacéutica integrada entre los potenciales integradores verticales de la era de la IA.

  Fortalezas

  Puede combinar IA con datos propios preclínicos, clínicos y comerciales a lo largo de la cadena de desarrollo de fármacos.

  Comparación

  Se cita con Hengrui y Hansoh como beneficiario biofarmacéutico integrado, no como plataforma AIDD pura.

  Riesgos

  Las mejoras de productividad relacionadas con IA deben traducirse en resultados clínicos y comerciales.

• Hengrui (600276.CH)

  Ejemplo cubierto de biofarmacéutica integrada y socio de la plataforma de IA de METiS TechBio.

  Fortalezas

  Cuenta con una gran base de programas activos y capacidades de desarrollo de extremo a extremo.

  Comparación

  El informe afirma que las biofarmacéuticas establecidas conservan carteras activas sustancialmente mayores que las empresas nativas chinas de IA.

  Riesgos

  Los anuncios sobre modelos por sí solos no constituyen evidencia suficiente de creación de valor en I+D.

• Hansoh (3692.HK)

  Ejemplo cubierto de biofarmacéutica integrada entre los potenciales ganadores de la era de la IA.

  Fortalezas

  Se cita como biofarmacéutica establecida con escala de cartera e integración de cadena de valor relevantes.

  Comparación

  Se agrupa con Innovent y Hengrui como beneficiario de integración vertical.

  Riesgos

  La ejecución clínica y una productividad de I+D medible siguen siendo las pruebas relevantes.

• Asymchem (002821.CH / 6821.HK)

  Empresa cubierta con calificación Outperform.

• BeOne (ONC)

  Empresa cubierta con calificación Outperform.

  Fortalezas

  Se cita entre las biofarmacéuticas establecidas con bases de programas activos sustancialmente mayores que las empresas nativas chinas de IA.

  Comparación

  Está incluida entre las siete empresas cubiertas que mantuvieron una participación ampliamente estable de 7-11% de los activos clínicos activos y aprobados de China durante 2021-2026YTD.

• Kelun-Biotech (6990.HK)

  Empresa cubierta con calificación Outperform.

• Akeso (9926.HK)

  Empresa cubierta con calificación Market-Perform.

• CSPC (1093.HK)

  Empresa cubierta con calificación Market-Perform y destacada como actor activo en operaciones chinas de IA.

  Fortalezas

  En la selección de operaciones 2023-2026YTD del informe, registra cuatro acuerdos importantes de IA y $1.48 billion de pagos iniciales divulgados acumulados.

  Comparación

  Se cita con Insilico, Earendil Labs y XtalPi como líder en operaciones entre empresas chinas.

  Riesgos

  Los compromisos de licencias dependen de la futura entrega de activos y de hitos.

• Sino Biopharmaceutical (1177.HK)

  Empresa cubierta con calificación Market-Perform.

• Zai Lab (9688.HK)

  Empresa cubierta con calificación Market-Perform.

Datos clave

• Cartera AIDD activa de China47 assets in 2023; 219 assets in 1Q-3Q26El crecimiento estuvo liderado por activos preclínicos y también aumentó el avance en fases clínicas.
• Programas preclínicos en empresas AIDD chinas45 in 2023; 194 in 2026YTDLos programas clínicos aumentaron de 2 a 25 durante el mismo periodo.
• Plazo desde identificación de hits hasta primer estudio en humanosc.22 months for AIDD companies versus 59 months for large pharmaMuestra la ventaja reportada de velocidad en desarrollo temprano.
• Valor global de licencias relacionadas con IA$54 billion in 1Q-3Q26Superó $31 billion en FY2025; la IA representó 25% del valor global de licencias frente a 3% en 2020.
• Contribución de licencias de IA originadas en China25% of China-origin licensing value in 1Q-3Q26Subió desde participaciones de un dígito durante 2022-25.
• Composición de acuerdos de IA74% of deal count and 68% of deal value were asset-only; defined existing assets were 13% of transactions and 10% of valueLa mayor parte del valor anunciado sigue vinculada al desarrollo futuro de activos.
• Tasas de avance clínicoGlobal top-20 MNCs: 26% Phase I and 14% Phase II; global AIDD: 19% and 7%; China AIDD: 14% and 5%El informe no observa hasta ahora una ventaja significativa de tasa de éxito para AIDD.

Impacto e implicaciones

El informe presenta la IA como una oportunidad de ecosistema, no como un tema puramente de software o desarrollo de modelos. Su visión es que los beneficios más duraderos deberían corresponder a empresas que conviertan la IA en conocimiento biológico validado, datos propios, desarrollo eficiente y ejecución comercial; los elevados valores de licencias por sí solos no demuestran éxito clínico o económico.

Riesgos

• AIDD todavía no ha demostrado de forma consistente mayores tasas de avance de Phase I o Phase II que la farmacéutica tradicional, y la mayoría de los programas siguen en fases tempranas.
• Los modelos optimizados para afinidad de unión pueden fracasar posteriormente por toxicidad, farmacocinética deficiente, solubilidad, capacidad de fabricación u otros problemas de desarrollabilidad.
• Gran parte del valor de licencias relacionado con IA depende de hitos y está vinculado a la creación futura de activos, no a activos existentes definidos.
• Los conjuntos de datos públicos y las arquitecturas de modelos ampliamente difundidas pueden dificultar que la capacidad algorítmica por sí sola sea defendible.

Aspectos que vigilar

• El avance de las carteras hacia desarrollo clínico y el éxito clínico final, en vez del volumen de moléculas generadas.
• La validación mediante licencias, incluida la combinación de pagos iniciales frente a valor de acuerdos dependiente de hitos.
• Indicadores de productividad de I+D, como velocidad desde objetivo hasta clínica, renovación de cartera, terminación temprana de programas débiles y resultados de licencias.
• Si las empresas construyen conjuntos de datos biológicos y clínicos propios mediante laboratorios automatizados, asociaciones CRO/CDMO y aprendizaje de circuito cerrado.
• La ejecución de CRO, CDMO y biofarmacéuticas integradas en desarrollo, fabricación y comercialización.