China AI drug discovery ecosystem：中国のAI創薬は急拡大しているが、次の勝者を決めるのは分子生成だけでなく、データ、ウェットラボのフィードバック、臨床実行力である。

概要

本ディープダイブは、AIが中国の医薬品開発エコシステムをどう変えているかを検証する。Bernsteinは、初期探索のスピードとライセンシングが大きく改善した一方、持続的な価値は、AIモデルを独自の生物学・臨床データ、ウェットラボ検証、製造能力、開発実行力と結び付けられるかに左右されると論じる。

主要見解

AI創薬はニッチな能力から、中国バイオ医薬品業界のより主流な要素へ移行している。中国AIDD企業のアクティブパイプラインは2023年の47資産から1Q-3Q26の219資産に増え、前臨床プログラムは45から194、臨床プログラムは2から25へ増加した。最も明確な利点は初期開発の迅速化であり、ヒット同定から初のヒト投与までの報告期間はAIDD企業で約22か月、大手製薬企業のベンチマークでは59か月である。これにより一定期間内により多くのプログラムを臨床へ進められる可能性があるが、報告された臨床実行上の改善は5-15%にとどまる。製造転換コストとSG&Aの削減余地は、既存製薬企業の収益機会も広げ得る。 ライセンシングは外部検証と収益化の重要な形態となったが、総取引価値は慎重に解釈すべきである。世界のAI関連ライセンシング価値は1Q-3Q26に$54 billionに達し、FY2025の$31 billionを上回った。$100 million以上の取引は27件で、それ以前の21件から増加した。AIは世界のライセンシング価値の25%を占め、2020年の3%から上昇した。中国発取引は累積取引件数の23%、価値の32%を占め、平均取引規模の大きさを示唆する。AI関連取引は1Q-3Q26の中国発ライセンシング価値の25%を占め、2022-25の一桁台から上昇した。ただし、3Q26までの98取引のうち74%はasset-only取引で、定義済みの既存資産を含むものは13%にすぎない。新規資産を開発する提携は件数の61%、価値の58%を占める。Bernsteinは、発表された価値の多くがマイルストーン依存であり、実現済みの臨床・商業価値ではなく将来の提供への期待を反映すると指摘する。資産当たりのupfront paymentも非AI取引を一貫して上回ってはいない。 中心的な制約は、リガンド発見が医薬品発見と同じではない点にある。基盤モデルと生成型手法は結合体の同定や分子生成を加速できるが、高親和性リガンドでも溶解性、薬物動態、毒性、製造可能性、その他の開発可能性の問題で失敗し得る。Bernsteinが引用するシミュレーションでは、開発失敗率を20%低下させることは、同程度のスピードやR&D支出の改善よりも、承認薬当たりの資本化開発コストを大きく削減する。だが既存データはAIDDの進捗率優位を示していない。Phase IとPhase IIの進捗率は、世界のAIDD企業で19%と7%、中国AIDD企業で14%と5%、世界の上位20社の多国籍製薬企業で26%と14%である。Insilico Medicineは31%と10%だが、レポートはAIDD資産の大半がまだ初期段階で、証拠は未成熟だと強調する。 レポートは、タンパク質構造予測からde novo設計への移行を説明する。これは、特定の生物学的目的に対して新しい配列や分子構造を生成するモデルである。ただし生成候補は、フォールディング、標的結合、分子挙動の計算評価と実験検証を依然として必要とする。Anew Labsの事例では、3,000超の生成されたナノボディ設計を、ウェットラボ試験向けの約50候補まで絞り込む。InsilicoのChemistry42は、potency、selectivity、ADMETの基準に対して反復最適化を行う。Bernsteinは、下流の生物学的関連性と臨床アウトカムが孤立したスクリーニング性能より重要であるため、モデルのベンチマークだけでは不十分だと結論付ける。 このため競争優位はlab-in-the-loopシステムへ移っている。公開構造データセットとモデルアーキテクチャは広く利用できる一方、実験で検証され標準化された独自データセットはそうではない。design-test-learnの循環では、計算設計をBLI、SPR、ELISAなどのウェットラボ試験でスクリーニングし、得られた生物学的測定値を次の最適化に向けてモデルへフィードバックする。AnewDesignによれば、複数回の最適化で結合親和性を最大100倍改善し、一桁ナノモルのKD値を達成できる。Bernsteinは、AI設計、自動実験、継続学習を統合する企業の方が、モデルの大型化だけに依存する企業より持続的なデータ優位を築けるとみる。 この移行はCROとCDMOの重要性も高める。AIDD企業は、ウェットラボ検証、工程開発、規制対応、製造スケールアップ、最終的な商業化支援を必要とする。レポートは、Latent LabsとGenScript、BoltzによるWuXi AppTecのOTS化合物ライブラリーの利用、Earendil LabsとWuXi Biologicsの2026年の戦略提携、InsilicoとWuXi AppTec、Tigermed、JOINNとの協業を例示する。これらのプロバイダーは、AIプラットフォームに必要なフィードバックループを可能にするモダリティ固有のデータ、実験スループット、製造能力を持つため、AIDDバリューチェーンへの組み込みを強めている。 Bernsteinは3つの勝者像を示す。先端AI企業は、統合ウェットラボにより検証・改善される先導的な基盤モデルと生成設計能力で勝ち得る。CRO、CDMO、技術プラットフォームを含む規模化されたサービス・データプロバイダーは、独自の前臨床データ、標準化ワークフロー、製造能力を持つ横断的な統合者として恩恵を受け得る。WuXi AppTecとWuXi Biologicsがカバレッジ例として挙げられる。統合型バイオ医薬品企業は、AIを独自の前臨床、臨床、商業データと結び、開発判断と商業化を統制する垂直統合者になり得る。Innovent、Hengrui、Hansohが例示される。レポートは、モデル開発者だけが支配するwinner-takes-all市場になるとは予想していない。 受益者を選ぶ際、BernsteinはAIの主張ではなく、独自パイプラインの拡大、臨床進捗、ライセンシングによる検証、R&D生産性、データ所有、バリューチェーン全体での実行といった具体的成果に注目するよう促す。CSPC、Insilico、Earendil Labs、XtalPiは活発な取引実績を持つ企業として強調される。一方、Hengrui、CSPC、Hansoh、Innovent、BeOneなどの既存バイオ医薬品企業は、中国のAIネイティブ企業を大きく上回るアクティブプログラム基盤を維持する。統合型製薬企業にとって重要な証拠は、標的から臨床までのスピード、パイプライン更新、弱いプログラムの早期中止、ライセンシング成果、最終的な臨床成功である。

分析フレームワーク

Bernsteinは、AIDDのパイプライン成長、開発期間、臨床進捗率、ライセンシング取引を、従来型製薬企業および世界の同業他社と比較する。次に、分子生成モデルの限界を生物学・トランスレーショナル・臨床データの必要性に結び付け、どの事業モデルとバリューチェーン上の位置が生じる機会を獲得できるかを評価する。

手法メモ

• 業界・産業分析フレームワーク産業チェーンの上流・中流・下流波及

  医薬品開発バリューチェーン分析

  レポートは、AIが生成した仮説がウェットラボ試験、臨床開発、製造を必要とする流れを追い、価値がモデル開発者だけでなくCRO、CDMO、統合型製薬企業にも帰属し得る理由を説明する。

• その他その他

  パイプライン、臨床成功率、ライセンシング取引のベンチマーク比較

  Bernsteinは、パイプライン数、段階進捗、開発期間、取引価値、取引構造、upfront paymentを比較し、初期探索の勢いと実証済みの臨床価値を区別する。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• WuXi AppTec

  AIDD企業から拡大するウェットラボ検証、データ生成、開発需要の受益者となるカバレッジ対象のCDMO/CRO。

  強み

  関連する能力とバリューチェーン統合を持つ、規模化されたサービス・データプロバイダーとして挙げられる。

  比較

  純粋なモデル開発者ではなく、WuXi Biologicsとともに横断的な統合者に分類される。

  リスク

  AIDD需要が持続的な外部委託実験・開発活動へ転換する必要がある。

• WuXi Biologics

  エンドツーエンドの開発・製造を通じてAI設計の生物製剤を支援できる、カバレッジ対象の生物製剤CDMO。

  強み

  Earendil Labsとの提携は、細胞株、工程、製剤開発に加えGMP製造を含む。

  比較

  WuXi AppTecとともに、規模化されたサービス・データプロバイダーの例として挙げられる。

  リスク

  価値実現はパートナー資産の開発進捗に依存する。

• Innovent (1801.HK)

  潜在的なAI時代の垂直統合者として挙げられる、カバレッジ対象の統合型バイオ医薬品企業。

  強み

  AIを独自の前臨床、臨床、商業データと組み合わせ、医薬品開発全体にまたがることができる。

  比較

  純粋なAIDDプラットフォームではなく、Hengrui、Hansohとともに統合型バイオ医薬品の受益者として挙げられる。

  リスク

  AI関連の生産性改善は、臨床・商業アウトカムに転換する必要がある。

• Hengrui (600276.CH)

  カバレッジ対象の統合型バイオ医薬品企業の例であり、METiS TechBioのAIプラットフォームのパートナーでもある。

  強み

  大規模なアクティブプログラム基盤とエンドツーエンドの開発能力を持つ。

  比較

  レポートは、既存バイオ医薬品企業が中国AIネイティブ企業よりはるかに大きなアクティブパイプラインを有すると述べる。

  リスク

  モデルに関する発表だけではR&D価値創出の証拠として不十分である。

• Hansoh (3692.HK)

  潜在的なAI時代の勝者として挙げられる、カバレッジ対象の統合型バイオ医薬品企業。

  強み

  関連するパイプライン規模とバリューチェーン統合を持つ既存バイオ医薬品企業として挙げられる。

  比較

  Innovent、Hengruiとともに垂直統合の受益者に分類される。

  リスク

  臨床実行と測定可能なR&D生産性が依然として重要な試金石である。

• Asymchem (002821.CH / 6821.HK)

  Outperform評価のカバレッジ対象企業。

• BeOne (ONC)

  Outperform評価のカバレッジ対象企業。

  強み

  中国AIネイティブ企業より大幅に大きいアクティブプログラム基盤を持つ既存バイオ医薬品企業として挙げられる。

  比較

  2021-2026YTDに中国のアクティブ臨床段階・承認済み資産で概ね安定した7-11%のシェアを持つ7社のカバレッジ対象に含まれる。

• Kelun-Biotech (6990.HK)

  Outperform評価のカバレッジ対象企業。

• Akeso (9926.HK)

  Market-Perform評価のカバレッジ対象企業。

• CSPC (1093.HK)

  Market-Perform評価のカバレッジ対象企業であり、活発な中国AI取引の実績を持つ企業として強調される。

  強み

  選定された2023-2026YTDの取引スクリーニングにおいて、4件の主要AI取引と$1.48 billionの累積開示upfront paymentが示されている。

  比較

  中国企業の取引実績リーダーとしてInsilico、Earendil Labs、XtalPiとともに挙げられる。

  リスク

  ライセンシングのコミットメントは、今後の資産提供とマイルストーンに依存する。

• Sino Biopharmaceutical (1177.HK)

  Market-Perform評価のカバレッジ対象企業。

• Zai Lab (9688.HK)

  Market-Perform評価のカバレッジ対象企業。

主要データ

• 中国AIDDのアクティブパイプライン47 assets in 2023; 219 assets in 1Q-3Q26増加は前臨床資産が主導し、臨床段階への進捗も増えている。
• 中国AIDD企業の前臨床プログラム45 in 2023; 194 in 2026YTD同期間に臨床プログラムは2から25へ増加した。
• ヒット同定から初のヒト投与までの期間c.22 months for AIDD companies versus 59 months for large pharma報告された初期開発のスピード優位を示す。
• 世界のAI関連ライセンシング価値$54 billion in 1Q-3Q26FY2025の$31 billionを上回った。AIは世界のライセンシング価値の25%を占め、2020年の3%から上昇した。
• 中国発AIライセンシングの寄与25% of China-origin licensing value in 1Q-3Q262022-25の一桁台の比率から上昇した。
• AI取引の構成74% of deal count and 68% of deal value were asset-only; defined existing assets were 13% of transactions and 10% of value発表された価値の大半は依然として将来の資産開発に結び付いている。
• 臨床進捗率Global top-20 MNCs: 26% Phase I and 14% Phase II; global AIDD: 19% and 7%; China AIDD: 14% and 5%レポートは、AIDDがこれまで有意な成功率優位を示していないとみる。

影響と示唆

レポートはAIを、純粋なソフトウェアやモデル開発のテーマではなく、エコシステムの機会と位置付ける。最も持続的な恩恵は、AIを検証済みの生物学的洞察、独自データ、効率的な開発、商業的実行へ転換できる企業に帰属すべきであり、高額なライセンシング取引価値だけでは臨床的・経済的成功を示さないという見方である。

リスク

• AIDDは、従来型製薬企業を上回るPhase IまたはPhase IIの進捗率をまだ一貫して示しておらず、大半のプログラムは初期段階にある。
• 結合親和性に最適化されたモデルは、毒性、薬物動態不良、溶解性、製造可能性、その他の開発可能性の問題により後段で失敗する可能性がある。
• AI関連ライセンシング価値の多くはマイルストーン依存であり、定義済みの既存資産ではなく将来の資産創出に結び付く。
• 公開データセットと広く普及したモデルアーキテクチャにより、アルゴリズム能力だけでは防御可能な優位を築きにくくなる可能性がある。

注目点

• 分子生成量ではなく、臨床段階へのパイプライン進捗と最終的な臨床成功。
• upfront paymentとマイルストーン依存の取引価値の構成を含む、ライセンシングによる検証。
• 標的から臨床への速度、パイプライン更新、弱いプログラムの早期中止、ライセンシング成果などのR&D生産性指標。
• 自動化ウェットラボ、CRO/CDMO提携、閉ループ学習を通じて、企業が独自の生物学・臨床データセットを構築するかどうか。
• CRO、CDMO、統合型バイオ医薬品企業による開発、製造、商業化の実行。