China AI drug discovery ecosystem: 중국 AI 신약개발은 빠르게 확대되고 있으나, 다음 승자는 분자 생성만이 아니라 데이터, 습식 실험 피드백 및 임상 실행력에 의해 결정될 것이다.
Bernstein은 AIDD가 중국의 초기 신약발굴과 라이선싱 활동을 크게 가속하고 있지만, 아직 더 높은 임상 성공률을 입증하지는 못했다고 분석한다. 이 기관은 첨단 AI 플랫폼, CRO/CDMO 및 통합 바이오파마로 구성된 더 폭넓은 잠재 수혜자군을 선호한다.
요약
Bernstein은 AIDD가 중국의 초기 신약발굴과 라이선싱 활동을 크게 가속하고 있지만, 아직 더 높은 임상 성공률을 입증하지는 못했다고 분석한다. 이 기관은 첨단 AI 플랫폼, CRO/CDMO 및 통합 바이오파마로 구성된 더 폭넓은 잠재 수혜자군을 선호한다.
- 중국 AIDD의 활성 파이프라인은 2023년 47개 자산에서 1Q-3Q26 219개 자산으로 증가했다.
- AIDD의 히트 식별부터 최초 인체투여까지 기간은 약 22개월로, 대형 제약사의 59개월 벤치마크보다 짧다.
- 1Q-3Q26 중국 기원 AI 관련 라이선싱은 중국 라이선싱 가치의 약 25%를 차지했다.
- Bernstein은 AIDD 프로그램이 Phase I 또는 Phase II 진전에서 전통 제약사를 능가한다는 명확한 증거가 아직 없다고 본다.
- 보고서는 첨단 AI 기업, 규모화된 CRO/CDMO 데이터 제공업체, 통합 바이오파마라는 세 가지 AI 시대 승자 유형을 제시한다.
보고서 해설
개요
이 심층 보고서는 AI가 중국 신약개발 생태계를 어떻게 바꾸고 있는지 검토한다. Bernstein은 초기 발굴 속도와 라이선싱 활동이 크게 개선됐지만, 지속 가능한 가치는 AI 모델을 독점 생물학·임상 데이터, 습식 실험 검증, 제조 역량 및 개발 실행력과 연결할 수 있는지에 달려 있다고 주장한다.
핵심 견해
AI 신약개발은 틈새 도구에서 중국 바이오파마 산업의 보다 주류적인 요소로 이동하고 있다. 중국 AIDD 기업의 활성 파이프라인은 2023년 47개 자산에서 1Q-3Q26 219개 자산으로 늘었고, 전임상 프로그램은 45개에서 194개로, 임상 프로그램은 2개에서 25개로 증가했다. 가장 뚜렷한 이점은 초기 개발의 가속이다. 히트 식별부터 최초 인체투여까지 보고된 기간은 AIDD 기업 약 22개월, 대형 제약사 벤치마크는 59개월이다. 이는 일정 기간 내 더 많은 프로그램을 임상으로 진입시킬 수 있게 하지만, 보고된 임상 실행 개선은 5-15%로 상대적으로 제한적이다. 제조 전환비용과 SG&A 절감 가능성은 기존 제약사의 수익 기회도 확대할 수 있다. 라이선싱은 외부 검증과 수익화의 중요한 형태가 됐지만, 총 거래 가치는 신중하게 해석해야 한다. 글로벌 AI 관련 라이선싱 가치는 1Q-3Q26에 $54 billion으로 FY2025의 $31 billion을 넘었고, $100 million 이상의 거래는 기존 21건에서 27건으로 늘었다. AI는 글로벌 라이선싱 가치의 25%를 차지해 2020년의 3%에서 상승했다. 중국 기원 거래는 누적 거래 건수의 23%, 거래 가치의 32%를 차지해 평균 거래 규모가 더 크다는 점을 시사한다. AI 관련 거래는 1Q-3Q26 중국 기원 라이선싱 가치의 25%를 차지했고, 2022-25에는 한 자릿수 비중이었다. 그러나 3Q26까지의 98건 중 74%는 asset-only 거래였고, 정의된 기존 자산을 포함한 거래는 13%에 불과했다. 신규 자산 개발 협업은 거래 건수의 61%, 가치의 58%를 차지한다. Bernstein은 발표된 가치의 상당 부분이 마일스톤 의존적이며, 실현된 임상·상업 가치보다는 미래 인도에 대한 기대를 반영한다고 지적한다. 자산당 upfront payment도 비AI 거래를 일관되게 상회하지 않았다. 핵심 제약은 리간드 발굴이 곧 신약 발굴은 아니라는 점이다. 기반 모델과 생성형 설계는 결합체 식별과 분자 생성을 가속할 수 있지만, 고친화도 리간드도 용해도, 약동학, 독성, 제조 가능성 또는 기타 개발 가능성 문제로 실패할 수 있다. Bernstein이 인용한 시뮬레이션은 개발 실패율을 20% 낮추는 것이 유사한 속도 또는 R&D 지출 개선보다 승인 약물당 자본화 개발비 절감 효과가 더 크다고 보여준다. 그러나 기존 데이터는 AIDD의 진전율 우위를 보여주지 않는다. Phase I 및 Phase II 진전율은 글로벌 AIDD 기업이 19%와 7%, 중국 AIDD 기업이 14%와 5%, 글로벌 상위 20개 다국적 제약사가 26%와 14%다. Insilico Medicine은 31%와 10%지만, 보고서는 대부분의 AIDD 자산이 초기 단계여서 증거가 아직 미성숙하다고 강조한다. 보고서는 단백질 구조 예측에서 de novo 설계로의 전환을 설명한다. 이는 원하는 생물학적 기능이나 표적을 위해 새로운 서열 또는 분자 구조를 생성하는 방식이다. 다만 생성 후보는 여전히 폴딩 안정성, 표적 결합, 분자 거동에 대한 계산 평가와 실험 검증이 필요하다. Anew Labs 사례는 3,000개가 넘는 생성 나노바디 설계를 습식 실험용 약 50개 후보로 줄인다. Insilico의 Chemistry42는 potency, selectivity, ADMET 기준을 대상으로 반복 최적화를 수행한다. Bernstein은 모델 벤치마크만으로는 충분하지 않으며, 하류 생물학적 관련성과 임상 결과가 독립적인 스크리닝 성과보다 중요하다고 결론짓는다. 따라서 경쟁우위는 lab-in-the-loop 시스템으로 이동하고 있다. 공개 구조 데이터셋과 모델 아키텍처는 널리 이용 가능하지만, 실험으로 검증되고 표준화된 독점 데이터셋은 그렇지 않다. design-test-learn 루프에서는 계산 설계를 BLI, SPR, ELISA 같은 습식 실험으로 검증하고, 그 생물학적 측정값을 다음 최적화를 위해 모델에 되돌려 넣는다. AnewDesign에 따르면 여러 차례 최적화는 결합 친화도를 최대 100배 개선하고 한 자릿수 나노몰 KD 값을 달성할 수 있다. Bernstein은 AI 설계, 자동화 실험 및 지속적 학습을 결합하는 기업이 모델 규모 확장만에 의존하는 기업보다 더 지속 가능한 데이터 우위를 축적할 수 있다고 본다. 이 변화는 CRO와 CDMO의 중요성도 높인다. AIDD 기업에는 습식 실험 검증, 공정 개발, 규제 실행, 제조 스케일업, 궁극적으로 상업화 지원이 필요하다. 보고서는 Latent Labs와 GenScript의 협력, Boltz의 WuXi AppTec OTS 화합물 라이브러리 활용, Earendil Labs와 WuXi Biologics의 2026년 전략적 협력, Insilico와 WuXi AppTec·Tigermed·JOINN의 협업을 제시한다. Bernstein은 이들 제공업체가 AI 플랫폼에 필요한 피드백 루프를 가능하게 하는 모달리티별 데이터, 실험 처리능력, 제조 인프라를 보유하기 때문에 AIDD 가치사슬에 더 깊게 편입되고 있다고 본다. Bernstein은 세 가지 승자 유형을 제시한다. 첨단 AI 기업은 통합 습식 실험실을 통해 검증·개선된 선도 기반 모델과 생성 설계 역량으로 승리할 수 있다. CRO, CDMO, 기술 플랫폼을 포함한 규모화된 서비스·데이터 제공업체는 독점 전임상 데이터, 표준화된 워크플로 및 제조 역량을 갖춘 수평 통합자로서 수혜를 받을 수 있다. WuXi AppTec과 WuXi Biologics가 커버리지 사례로 제시된다. 통합 바이오파마는 AI를 독점 전임상·임상·상업 데이터와 결합하고 개발 의사결정과 상업화를 통제하는 수직 통합자가 될 수 있다. Innovent, Hengrui, Hansoh가 사례다. 보고서는 모델 개발업체만이 지배하는 winner-takes-all 시장을 예상하지 않는다. 수혜자를 선정할 때 Bernstein은 AI 주장보다 독점 파이프라인 확대, 임상 진전, 라이선싱 검증, R&D 생산성, 데이터 소유권 및 가치사슬 전반의 실행 같은 가시적 결과에 집중할 것을 제안한다. CSPC, Insilico, Earendil Labs, XtalPi는 활발한 거래 실적을 가진 기업으로 강조된다. 반면 Hengrui, CSPC, Hansoh, Innovent, BeOne 등 기존 바이오파마는 중국 AI 네이티브 기업보다 훨씬 큰 활성 프로그램 기반을 유지한다. 통합 제약사의 핵심 지표는 표적 식별부터 임상까지의 속도, 파이프라인 갱신, 약한 프로그램의 조기 종료, 라이선싱 성과 및 궁극적인 임상 성공이다.
분석 프레임워크
Bernstein은 AIDD 파이프라인 성장, 개발 기간, 임상 진전율 및 라이선싱 거래를 전통 제약사와 글로벌 동종업체에 비교한다. 이후 분자 생성 모델의 한계를 생물학·중개·임상 데이터의 필요성과 연결하고, 어떤 사업모델과 가치사슬 위치가 그 기회를 포착할 수 있는지 평가한다.
방법론 메모
신약개발 가치사슬 분석
보고서는 AI 생성 가설이 습식 실험, 임상개발 및 제조를 필요로 하는 흐름을 추적해, 가치가 모델 개발업체뿐 아니라 CRO, CDMO 및 통합 제약사에도 귀속될 수 있는 이유를 설명한다.
파이프라인·임상 성공률·라이선싱 거래 벤치마킹
Bernstein은 파이프라인 수, 단계 진전, 개발 기간, 거래 가치, 거래 구조 및 upfront payment를 비교해 초기 발굴 모멘텀과 검증된 임상 가치를 구분한다.
자산 매핑 및 비교
투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).
- WuXi AppTecAIDD 기업의 습식 실험 검증, 데이터 생성 및 개발 수요 증가의 수혜자인 커버리지 CDMO/CRO.
- 강점
- 관련 역량과 가치사슬 통합을 갖춘 규모화된 서비스·데이터 제공업체로 언급된다.
- 비교
- 순수 모델 개발업체가 아닌 WuXi Biologics와 함께 수평 통합자로 분류된다.
- 위험
- AIDD 수요가 지속적인 외부 위탁 실험 및 개발 활동으로 전환돼야 한다.
- WuXi Biologics엔드투엔드 개발과 제조를 통해 AI 설계 생물의약품을 지원할 수 있는 커버리지 생물의약품 CDMO.
- 강점
- Earendil Labs와의 협력은 세포주, 공정, 제형 개발 및 GMP 제조를 포함한다.
- 비교
- WuXi AppTec과 함께 규모화된 서비스·데이터 제공업체 사례로 제시된다.
- 위험
- 가치 실현은 파트너 자산의 개발 진전에 달려 있다.
- Innovent (1801.HK)잠재적 AI 시대 수직 통합자로 제시되는 커버리지 통합 바이오파마 사례.
- 강점
- AI를 독점 전임상·임상·상업 데이터와 결합해 신약개발 가치사슬 전반을 다룰 수 있다.
- 비교
- 순수 AIDD 플랫폼이 아니라 Hengrui 및 Hansoh와 함께 통합 바이오파마 수혜자로 제시된다.
- 위험
- AI 관련 생산성 개선이 임상 및 상업 성과로 전환돼야 한다.
- Hengrui (600276.CH)커버리지 통합 바이오파마 사례이자 METiS TechBio AI 플랫폼의 파트너.
- 강점
- 대규모 활성 프로그램 기반과 엔드투엔드 개발 역량을 보유한다.
- 비교
- 보고서는 기존 바이오파마가 중국 AI 네이티브 기업보다 훨씬 큰 활성 파이프라인을 보유한다고 말한다.
- 위험
- 모델 발표만으로는 R&D 가치 창출의 증거가 되지 못한다.
- Hansoh (3692.HK)잠재적 AI 시대 승자로 제시되는 커버리지 통합 바이오파마 사례.
- 강점
- 관련 파이프라인 규모와 가치사슬 통합을 가진 기존 바이오파마로 언급된다.
- 비교
- Innovent 및 Hengrui와 함께 수직 통합 수혜자로 분류된다.
- 위험
- 임상 실행과 측정 가능한 R&D 생산성이 핵심 검증 요소다.
- Asymchem (002821.CH / 6821.HK)Outperform 등급의 커버리지 기업.
- BeOne (ONC)Outperform 등급의 커버리지 기업.
- 강점
- 중국 AI 네이티브 기업보다 훨씬 큰 활성 프로그램 기반을 가진 기존 바이오파마로 언급된다.
- 비교
- 2021-2026YTD 중국의 활성 임상 단계 및 승인 자산에서 대체로 안정적인 7-11% 점유율을 유지한 7개 커버리지 기업에 포함된다.
- Kelun-Biotech (6990.HK)Outperform 등급의 커버리지 기업.
- Akeso (9926.HK)Market-Perform 등급의 커버리지 기업.
- CSPC (1093.HK)Market-Perform 등급의 커버리지 기업이며 활발한 중국 AI 거래 실적 보유 기업으로 강조된다.
- 강점
- 선별된 2023-2026YTD 거래 스크리닝에서 4건의 주요 AI 거래와 $1.48 billion의 누적 공시 upfront payment가 제시된다.
- 비교
- 중국 기업의 거래 실적 리더로 Insilico, Earendil Labs, XtalPi와 함께 언급된다.
- 위험
- 라이선싱 약정은 향후 자산 인도와 마일스톤에 의존한다.
- Sino Biopharmaceutical (1177.HK)Market-Perform 등급의 커버리지 기업.
- Zai Lab (9688.HK)Market-Perform 등급의 커버리지 기업.
핵심 데이터
- 중국 AIDD 활성 파이프라인47 assets in 2023; 219 assets in 1Q-3Q26증가는 전임상 자산이 주도했고 임상 단계 진전도 확대됐다.
- 중국 AIDD 기업의 전임상 프로그램45 in 2023; 194 in 2026YTD같은 기간 임상 프로그램은 2개에서 25개로 늘었다.
- 히트 식별부터 최초 인체투여까지의 기간c.22 months for AIDD companies versus 59 months for large pharma보고된 초기 개발 속도 우위를 보여준다.
- 글로벌 AI 관련 라이선싱 가치$54 billion in 1Q-3Q26FY2025의 $31 billion을 상회했다. AI는 글로벌 라이선싱 가치의 25%를 차지했으며, 2020년에는 3%였다.
- 중국 기원 AI 라이선싱 기여도25% of China-origin licensing value in 1Q-3Q262022-25의 한 자릿수 비중에서 상승했다.
- AI 거래 구성74% of deal count and 68% of deal value were asset-only; defined existing assets were 13% of transactions and 10% of value발표된 가치의 대부분은 여전히 미래 자산 개발과 연결돼 있다.
- 임상 진전율Global top-20 MNCs: 26% Phase I and 14% Phase II; global AIDD: 19% and 7%; China AIDD: 14% and 5%보고서는 AIDD가 현재까지 유의미한 성공률 우위를 보여주지 못했다고 본다.
영향과 시사점
보고서는 AI를 순수 소프트웨어나 모델 개발 테마가 아니라 생태계 기회로 본다. 가장 지속 가능한 혜택은 AI를 검증된 생물학적 통찰, 독점 데이터, 효율적인 개발 및 상업 실행으로 전환하는 기업에 돌아가야 하며, 높은 라이선싱 거래 가치만으로는 임상 또는 경제적 성공을 입증할 수 없다는 견해다.
위험
- AIDD는 전통 제약사보다 높은 Phase I 또는 Phase II 진전율을 아직 일관되게 보여주지 못했고, 대부분의 프로그램은 초기 단계다.
- 결합 친화도에 최적화된 모델은 독성, 불량한 약동학, 용해도, 제조 가능성 또는 기타 개발 가능성 문제로 후속 단계에서 실패할 수 있다.
- AI 관련 라이선싱 가치의 상당 부분은 마일스톤 의존적이며, 정의된 기존 자산이 아닌 미래 자산 창출과 관련돼 있다.
- 공개 데이터셋과 널리 보급된 모델 아키텍처는 알고리즘 역량만으로 방어 가능한 우위를 구축하기 어렵게 만들 수 있다.
주시할 점
- 분자 생성량이 아닌 파이프라인의 임상 진입과 궁극적인 임상 성공.
- upfront payment와 마일스톤 의존 거래 가치의 구성 등을 포함한 라이선싱 검증.
- 표적에서 임상까지의 속도, 파이프라인 갱신, 약한 프로그램의 조기 종료, 라이선싱 산출물 같은 R&D 생산성 지표.
- 기업이 자동화 습식 실험실, CRO/CDMO 파트너십, 폐쇄형 학습을 통해 독점 생물학·임상 데이터셋을 구축하는지 여부.
- CRO, CDMO 및 통합 바이오파마의 개발, 제조, 상업화 실행.