China AI drug discovery ecosystem: A descoberta de medicamentos por IA na China cresce rapidamente, mas os próximos vencedores dependerão de dados, feedback de laboratório e execução clínica, não apenas de geração de moléculas.

Visão geral

Este estudo aprofundado examina como a IA está transformando o ecossistema chinês de desenvolvimento de medicamentos. A Bernstein argumenta que a velocidade de descoberta inicial e a atividade de licenciamento melhoraram fortemente, mas o valor sustentável dependerá de as empresas conectarem modelos de IA a dados biológicos e clínicos proprietários, validação em laboratório, capacidade de fabricação e execução do desenvolvimento.

Visões principais

A descoberta de medicamentos por IA deixou de ser uma capacidade de nicho e passou a ser uma parte mais difundida da indústria biofarmacêutica chinesa. Os pipelines ativos das empresas AIDD chinesas cresceram de 47 ativos em 2023 para 219 ativos em 1Q-3Q26; programas pré-clínicos subiram de 45 para 194 e programas clínicos de 2 para 25. O benefício mais claro é a maior velocidade de desenvolvimento inicial: o prazo reportado da identificação de hits até o primeiro estudo em humanos é de aproximadamente 22 meses para empresas AIDD, ante 59 meses para os parâmetros de referência de grandes farmacêuticas. Isso permite potencialmente avançar mais programas à clínica em determinado período, embora os ganhos reportados de execução clínica de 5-15% permaneçam limitados. Potenciais economias em custos de conversão de manufatura e SG&A também podem ampliar a oportunidade de lucros para farmacêuticas estabelecidas. O licenciamento se tornou uma forma importante de validação externa e monetização, mas os valores nominais das transações exigem cautela. O valor global de licenciamento relacionado a IA atingiu $54 billion em 1Q-3Q26, acima de $31 billion em FY2025, e as transações de pelo menos $100 million aumentaram para 27, de 21. A IA representou 25% do valor global de licenciamento, ante 3% em 2020. Operações originadas na China responderam por 23% da quantidade acumulada de negócios e 32% do valor, sugerindo operações médias maiores; negócios de IA contribuíram com 25% do valor de licenciamento originado na China em 1Q-3Q26, após participações de um dígito em 2022-25. Contudo, 74% das 98 transações até 3Q26 eram negócios somente de ativos, e apenas 13% envolviam ativos existentes definidos; colaborações para desenvolver novos ativos responderam por 61% da quantidade de negócios e 58% do valor. Assim, a Bernstein destaca que grande parte do valor anunciado depende de marcos e reflete expectativas de entrega futura, não valor clínico ou comercial já realizado. Os pagamentos iniciais por ativo também não superaram consistentemente os de negócios não relacionados à IA. A limitação central é que descoberta de ligantes não é o mesmo que descoberta de medicamentos. Modelos fundacionais e design generativo aceleram a identificação de hits e a geração de moléculas, mas um ligante de alta afinidade pode falhar por solubilidade, farmacocinética, toxicidade, capacidade de fabricação ou outros problemas de desenvolvibilidade. A Bernstein cita uma simulação segundo a qual reduzir em 20% as taxas de falha gera economia maior no custo de desenvolvimento capitalizado por medicamento aprovado do que melhorias comparáveis em velocidade ou gasto de P&D. Ainda assim, os dados disponíveis não mostram taxas de avanço superiores de AIDD: empresas AIDD globais apresentaram 19% em Phase I e 7% em Phase II; as chinesas, 14% e 5%; e as 20 principais farmacêuticas multinacionais globais, 26% e 14%. Insilico Medicine apresentou 31% e 10%, respectivamente, mas o relatório enfatiza que a maioria dos ativos AIDD continua em estágio inicial e a evidência é imatura. O relatório descreve a transição da predição de estruturas de proteínas para o design de novo, no qual os modelos geram novas sequências ou estruturas moleculares para uma função ou alvo biológico desejado. Ainda assim, os candidatos gerados precisam de avaliação computacional de dobramento, interação com o alvo e comportamento molecular, seguida de validação experimental. O exemplo da Anew Labs reduz mais de 3,000 designs de nanocorpos gerados a cerca de 50 candidatos para teste em laboratório; o Chemistry42 da Insilico aplica otimização iterativa a critérios de potency, selectivity e ADMET. A Bernstein conclui que benchmarks de modelos isolados são insuficientes, pois relevância biológica posterior e resultados clínicos importam mais do que desempenho isolado de triagem. A vantagem competitiva, portanto, está migrando para sistemas lab-in-the-loop. Conjuntos públicos de dados estruturais e arquiteturas de modelos são amplamente acessíveis, enquanto dados proprietários, padronizados e experimentalmente validados não são. Em um ciclo design-test-learn, os designs computacionais passam por testes de laboratório como BLI, SPR e ELISA, e as medições biológicas resultantes retornam ao modelo para a próxima otimização. Segundo a AnewDesign, diversas rodadas de otimização podem melhorar em até 100 vezes a afinidade de ligação e alcançar valores KD de nanomolar de um dígito. A Bernstein entende que empresas que combinam design com IA, experimentação automatizada e aprendizagem contínua podem construir vantagens de dados mais duradouras do que aquelas que dependem somente de modelos maiores. Essa mudança também eleva a importância de CROs e CDMOs. Empresas AIDD exigem validação experimental, desenvolvimento de processos, execução regulatória, escala de fabricação e, posteriormente, suporte à comercialização. O relatório cita a colaboração de Latent Labs com GenScript, o uso pela Boltz da biblioteca de compostos OTS da WuXi AppTec, a colaboração estratégica de 2026 entre Earendil Labs e WuXi Biologics e o trabalho da Insilico com WuXi AppTec, Tigermed e JOINN. A Bernstein vê esses provedores como cada vez mais inseridos na cadeia de valor AIDD porque seus dados específicos por modalidade, capacidade experimental e infraestrutura de fabricação viabilizam os ciclos de feedback requeridos pelas plataformas de IA. A Bernstein identifica três arquétipos de vencedores. Empresas de IA de ponta podem vencer por meio de modelos fundacionais líderes e capacidade de design generativo, especialmente quando os modelos são validados e melhorados por laboratórios integrados. Provedores de serviços e dados em escala, incluindo CROs, CDMOs e plataformas tecnológicas, podem se beneficiar como integradores horizontais graças a dados pré-clínicos proprietários, fluxos de trabalho padronizados e capacidade de fabricação; WuXi AppTec e WuXi Biologics são exemplos cobertos. Biofarmacêuticas integradas podem atuar como integradores verticais ao combinar IA com dados pré-clínicos, clínicos e comerciais proprietários, além de controlar decisões de desenvolvimento e comercialização; Innovent, Hengrui e Hansoh são exemplos. O relatório não espera um mercado winner-takes-all dominado apenas por desenvolvedores de modelos. Para selecionar beneficiários, a Bernstein recomenda concentrar-se em resultados tangíveis, não em alegações tecnológicas: expansão de pipeline proprietário, progresso clínico, validação por licenciamento, produtividade de P&D, propriedade de dados e execução em toda a cadeia de valor. CSPC, Insilico, Earendil Labs e XtalPi são destacados como líderes em transações, enquanto biofarmacêuticas estabelecidas como Hengrui, CSPC, Hansoh, Innovent e BeOne mantêm bases de programas ativos muito maiores que empresas chinesas nativas de IA. Para farmacêuticas integradas, as evidências relevantes são maior velocidade do alvo à clínica, renovação de pipeline, encerramento antecipado de programas fracos, resultados de licenciamento e sucesso clínico final.

Estrutura de análise

A Bernstein compara o crescimento de pipelines AIDD, prazos de desenvolvimento, taxas de avanço clínico e transações de licenciamento com a farmacêutica tradicional e pares globais. Em seguida, relaciona as limitações de modelos de geração molecular à necessidade de dados biológicos, translacionais e clínicos, avaliando quais modelos de negócio e posições na cadeia de valor podem capturar a oportunidade.

Notas metodológicas

• Marco de análise setorialTransmissão entre elos da cadeia de valor

  Análise da cadeia de valor do desenvolvimento de medicamentos

  O relatório acompanha como hipóteses geradas por IA requerem testes de laboratório, desenvolvimento clínico e fabricação, explicando por que o valor pode caber não apenas a desenvolvedores de modelos, mas também a CROs, CDMOs e farmacêuticas integradas.

• OutroOutro

  Benchmarking de pipelines, sucesso clínico e negócios de licenciamento

  A Bernstein compara quantidades de pipeline, avanço por estágio, prazos de desenvolvimento, valores e estruturas de negócios e pagamentos iniciais para distinguir impulso de descoberta inicial de valor clínico comprovado.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• WuXi AppTec

  CDMO/CRO coberta que pode se beneficiar da demanda crescente de empresas AIDD por validação experimental, geração de dados e desenvolvimento.

  Pontos fortes

  É citada como provedora de serviços e dados em escala, com capacidade relevante e integração na cadeia de valor.

  Comparação

  É agrupada com WuXi Biologics como integradora horizontal, e não como desenvolvedora pura de modelos.

  Riscos

  A demanda de AIDD precisa se converter em atividade sustentada de experimentação e desenvolvimento terceirizados.

• WuXi Biologics

  CDMO de biológicos coberta, posicionada para apoiar biológicos desenhados por IA por meio de desenvolvimento e fabricação de ponta a ponta.

  Pontos fortes

  A colaboração com Earendil Labs abrange desenvolvimento de linha celular, processo e formulação, além de fabricação GMP.

  Comparação

  É citada junto com WuXi AppTec entre os exemplos de provedores de serviços e dados em escala.

  Riscos

  A realização de valor depende do avanço dos ativos dos parceiros no desenvolvimento.

• Innovent (1801.HK)

  Exemplo coberto de biofarmacêutica integrada entre potenciais integradores verticais da era da IA.

  Pontos fortes

  Pode combinar IA com dados pré-clínicos, clínicos e comerciais proprietários em toda a cadeia de desenvolvimento de medicamentos.

  Comparação

  É citada com Hengrui e Hansoh como beneficiária biofarmacêutica integrada, não como plataforma AIDD pura.

  Riscos

  Melhorias de produtividade associadas à IA precisam se converter em resultados clínicos e comerciais.

• Hengrui (600276.CH)

  Exemplo coberto de biofarmacêutica integrada e parceira da plataforma de IA da METiS TechBio.

  Pontos fortes

  Possui grande base de programas ativos e capacidades de desenvolvimento de ponta a ponta.

  Comparação

  O relatório afirma que biofarmacêuticas estabelecidas mantêm pipelines ativos substancialmente maiores que empresas chinesas nativas de IA.

  Riscos

  Anúncios sobre modelos, por si só, não são evidência suficiente de criação de valor em P&D.

• Hansoh (3692.HK)

  Exemplo coberto de biofarmacêutica integrada entre potenciais vencedores da era da IA.

  Pontos fortes

  É citada como biofarmacêutica estabelecida com escala de pipeline e integração de cadeia de valor relevantes.

  Comparação

  É agrupada com Innovent e Hengrui como beneficiária de integração vertical.

  Riscos

  Execução clínica e produtividade mensurável de P&D continuam sendo os testes relevantes.

• Asymchem (002821.CH / 6821.HK)

  Empresa coberta com classificação Outperform.

• BeOne (ONC)

  Empresa coberta com classificação Outperform.

  Pontos fortes

  É citada entre biofarmacêuticas estabelecidas com bases de programas ativos substancialmente maiores que as de empresas chinesas nativas de IA.

  Comparação

  Está entre as sete empresas cobertas que mantiveram participação amplamente estável de 7-11% dos ativos clínicos ativos e aprovados da China durante 2021-2026YTD.

• Kelun-Biotech (6990.HK)

  Empresa coberta com classificação Outperform.

• Akeso (9926.HK)

  Empresa coberta com classificação Market-Perform.

• CSPC (1093.HK)

  Empresa coberta com classificação Market-Perform e destacada como participante ativa em negócios chineses de IA.

  Pontos fortes

  Na seleção de negócios 2023-2026YTD do relatório, apresenta quatro acordos relevantes de IA e $1.48 billion em pagamentos iniciais divulgados acumulados.

  Comparação

  É citada com Insilico, Earendil Labs e XtalPi como líder em transações entre empresas chinesas.

  Riscos

  Os compromissos de licenciamento dependem da futura entrega de ativos e de marcos.

• Sino Biopharmaceutical (1177.HK)

  Empresa coberta com classificação Market-Perform.

• Zai Lab (9688.HK)

  Empresa coberta com classificação Market-Perform.

Dados principais

• Pipeline AIDD ativo da China47 assets in 2023; 219 assets in 1Q-3Q26O crescimento foi liderado por ativos pré-clínicos, com expansão também do avanço em estágio clínico.
• Programas pré-clínicos de empresas AIDD chinesas45 in 2023; 194 in 2026YTDOs programas clínicos subiram de 2 para 25 no mesmo período.
• Prazo da identificação de hits até o primeiro estudo em humanosc.22 months for AIDD companies versus 59 months for large pharmaMostra a vantagem reportada de velocidade no desenvolvimento inicial.
• Valor global de licenciamento relacionado a IA$54 billion in 1Q-3Q26Superou $31 billion em FY2025; a IA respondeu por 25% do valor global de licenciamento, versus 3% em 2020.
• Contribuição do licenciamento de IA originado na China25% of China-origin licensing value in 1Q-3Q26Subiu de participações de um dígito durante 2022-25.
• Composição dos negócios de IA74% of deal count and 68% of deal value were asset-only; defined existing assets were 13% of transactions and 10% of valueA maior parte do valor anunciado continua vinculada ao desenvolvimento futuro de ativos.
• Taxas de avanço clínicoGlobal top-20 MNCs: 26% Phase I and 14% Phase II; global AIDD: 19% and 7%; China AIDD: 14% and 5%O relatório não observa, até agora, vantagem significativa de taxa de sucesso para AIDD.

Impacto e implicações

O relatório trata a IA como uma oportunidade de ecossistema, e não como um tema puramente de software ou desenvolvimento de modelos. Sua visão é que os benefícios mais duradouros devem se concentrar em empresas que convertam IA em conhecimento biológico validado, dados proprietários, desenvolvimento eficiente e execução comercial; altos valores de licenciamento, por si só, não comprovam sucesso clínico ou econômico.

Riscos

• AIDD ainda não demonstrou consistentemente taxas de avanço de Phase I ou Phase II maiores que as da farmacêutica tradicional, e a maioria dos programas permanece em estágio inicial.
• Modelos otimizados para afinidade de ligação podem falhar mais adiante por toxicidade, farmacocinética fraca, solubilidade, capacidade de fabricação ou outros problemas de desenvolvibilidade.
• Grande parte do valor de licenciamento relacionado a IA depende de marcos e está ligada à criação futura de ativos, e não a ativos existentes definidos.
• Conjuntos públicos de dados e arquiteturas de modelos amplamente disseminadas podem dificultar que a capacidade algorítmica, por si só, seja defensável.

Pontos a observar

• O avanço dos pipelines para desenvolvimento clínico e o sucesso clínico final, em vez do volume de moléculas geradas.
• A validação por licenciamento, incluindo a composição entre pagamentos iniciais e valor de negócio dependente de marcos.
• Indicadores de produtividade de P&D, como velocidade do alvo à clínica, renovação de pipeline, encerramento antecipado de programas fracos e resultados de licenciamento.
• Se as empresas constroem conjuntos de dados biológicos e clínicos proprietários por meio de laboratórios automatizados, parcerias com CRO/CDMO e aprendizado em circuito fechado.
• A execução de CROs, CDMOs e biofarmacêuticas integradas em desenvolvimento, fabricação e comercialização.