2025年晶泰控股研究报告：AI+人工智能自主实验平台驱动药物及材料研发，商业化加速

一、公司简介

1.1 发展历程

晶泰控股于 2015 年创立，依托量子物理第一性原理计算及 AI 技术，致力于革新 药物与新材料的设计发现模式。成立初期即聚焦晶体结构预测及药物研发服务， 搭建药物固体形态研究平台；2016 年在辉瑞全球晶体结构预测盲测中精准预测， 由此建立长期战略合作，同期建成量子物理与 AI 驱动的晶体结构预测平台，并 完成 Pre-A 轮、A-1 轮及 A-2 轮融资。

获全球顶级资本青睐，2021 年底 D 轮融资估值达 20 亿美元，上市前已是 AI 应 用领域一级市场明星项目，上市后持续引入战略投资者。2025 年 1 月以每股 4.28 港元配售约 2.64 亿股，募资约 11.30 亿港元；2 月以每股 6.10 港元配售约 3.42 亿股，募资约 20.88 亿港元。通过在中、美、开曼群岛等地设立附属公司，业务 覆盖固态研发、药物发现解决方案、专利持有、孵化器平台等领域，逐步构建多 元化科创企业集团。

1.2 股权结构

公司股权集中度高，结构稳定。公司大股东主要包括三位核心创始人与董事长温 博士家族信托控股持股平台 QuantumPharm Holdings Limited、QuantumPharm Roc Holdings Limited，以及腾讯、红杉、国寿等战略投资机构。截至 2024 年报， 董事长温书豪直接持股 2.38%、信托持股 6.51%，马健博士直接持股 1.33%、信 托持股 3.60%，赖力鹏博士直接持股 0.95%、信托持股 2.57%。截至目前，经过 两轮配售及减持调整，腾讯、红杉、国寿等战略投资机构持股比例均已降至 5%以内。该结构既保障了创始人团队对技术方向与战略决策的把控力，又通过引入 具备行业资源与资本运作经验的投资者，为业务拓展与资本运作提供持续支撑。

1.3 管理及团队

晶泰控股核心管理团队技术功底深厚、行业经验丰富，以技术专家为引领，为药 物发现及 AI 研发的持续创新奠定坚实基础。研发团队由 3 位麻省理工背景联合 创始人牵头，500 余名跨学科人才（涵盖算法、物理、生物、化学、制药、自动 化等领域）协同发力，为研发创新注入多元洞见与实践经验。

1.4 业务及收入模式

公司业务主要为药物发现解决方案和智能自动化解决方案两块。其中，药物发现解决方案横跨药物发现及研究的整个过程，涵盖了小分子、抗体、多肽、抗体偶 联药物（ADC）及分子胶等多种模态。实验室智能化自动化解决方案已从 AI 医 药迈向 AI for Science，目前已应用于石油化工、新能源、材料科学（包括农业 技术、能源及新型化学品以及化妆品)等多个领域。 收入端，公司以营业收入由 2020 年的 0.36 亿元增长到 2024 年的 2.66 亿元， 复合增长率约 64.9%；2025 年上半年营业收入 5.17 亿元，同比增长 404%；利 润端，2024 年公司净利润-15.2 亿元，实现同比减亏；2025 年上半年已实现扭 亏为盈，净利润 8280 万元，调整后净利润达 1.42 亿元；费用端，2024 年公司 销售费用率、管理费用率以及研发费用率合计 340.6%，较上年同期下降 140.4pct。

二、行业发展

2.1 AI for Science

2.1.1 AI for Science 打造全新研究范式，开启科学智能新时代

AI4S 充分发挥自身优势，推动研究方式变革。在传统人工实验模式中，约 95% 的实验流程依赖人工测试，长期面临成本高、安全性不足和生产力受限三大瓶颈。而 AI4S 通过人工智能与自动化实验室的深度融合，有效突破传统模式的 瓶颈。人工智能方面，可在处理大规模多维数据时精准捕捉复杂规律，深入解 析化学反应的原子级本质，避免人为偏差，提升决策的科学性与可靠性。自动 化实验室方面，机器人平台能够在合成、结晶等关键环节实现高通量、快速且 精准的操作，并支持全天候运行，大幅提升研发效率与质量；数字化与智能软 件打破数据孤岛，实现多源数据的实时整合与透明共享，推动实验环节协同与 流程智能化；结合传感器监测、警报系统与设备流程控制，可持续保障实验室 的安全与稳定运行。此外，AI4S 技术方案展现出卓越的跨领域迁移能力，能 够适应不同科研领域的多样化需求。 AI4S 的快速发展受数据量激增、劳动力成本上升和政策扶持三大因素驱动。1） 数据量：全球数据呈指数级增长，非结构化和高维复杂数据难以用传统方法处 理。据 IDC 预测，全球数据量将从 2025 年的 213.56ZB 翻倍至 2029 年的 527.47ZB，对数据存储、管理、计算与安全提出更高要求。而 AI4S 可高效挖 掘潜在规律，降低科研时间与成本。2）劳动力成本：全球老龄化加剧与科研 劳动力短缺，叠加高成本、长周期的实验过程促使企业寻求替代方案。AI 与自 动化技术可减少人力依赖，降低试验成本，缓解人力瓶颈并提升生产力。3） 政策扶持：各国政府积极出台政策推动技术创新与产业升级。中国通过 “十四 五”的多项规划重点支持人工智能、生物技术和智能制造，美国则通过“研发税 收抵免”等措施鼓励企业加大研发投入。

2.1.2 AI for Science 成长空间广阔，开启万亿规模的产业蓝海

AI4S 应用场景多元，涵盖以药物研发为主的多个高技术领域。在人工智能解 决方案市场中，医疗保健板块市场规模最大，2022 年约 137 亿美元，并预计 到 2030 年将超过 1,500 亿美元，CAGR 为 35%；农业、美容与化妆品、石化 等领域预计同样保持 30%以上的高速增长。自动化研发实验室的应用目前主要 集中在制药行业，其在 2022 年占据整体市场的最大份额，约为 86.4%；与此 同时，化学与材料科学等非制药行业（如农药、兽药、化肥及化妆品）对自动 化研发实验室的需求快速上升，预计到 2030 年将占全球市场的近一半，推动 其应用场景不断拓展。

在此背景下，全球人工智能解决方案市场与自动化研发实验室市场正加速发展。 全球人工智能解决方案市场规模由2018年的433亿美元增至2022年的1,395亿美元，CAGR 为 34.0%，并预计将由 2023 年的 1,870 亿美元进一步增至 2030 年的 14,142 亿美元，CAGR 为 33.5%。全球自动化实验室市场同样保 持强劲增长，由2018年的18亿美元增至2022年的42亿美元，CAGR为23.6%， 并预计将由2023年的59亿美元跃升至2030年的607亿美元，CAGR为39.6%。

2.1.3 发挥本土化优势，AI4Science 助力中国 AI 实现超越

中国拥有全球领先的算力基础、海量全面的数据资源，以及迅速壮大的算法创新 能力，为 AI4S 的发展创造了得天独厚的土壤环境。算力层面：中国持续加快超 级计算中心和数据中心建设，2024 年超算总性能占全球约 35%，位列全球第二。 IDC 预计，到 2025 年中国数据中心市场规模将突破 800 亿美元，云计算和边缘 计算资源快速扩张，为复杂科学计算和 AI 模型训练提供强劲支撑。国产芯片不 断提升自主创新能力，打破国际技术壁垒，华为昇腾系列已实现量产。数据层面： 中国工业制造规模世界最大，涵盖能源、化工、材料、医药等关键科学和产业领 域，2023 年工业数据产出同比增长近 40%。这一庞大且高质量的多维数据为 AI4S 模型提供了宝贵的训练与验证资源，推动科学智能化应用的深入落地。算 法方面：DeepSeek R1 横空出世，凭借其在高效推理与训练上的卓越表现，极 大地降低了 AI 技术应用的门槛，推动了中国 AI 生态系统的跨越式发展。同时， 中国还涌现出通义、Kimi 等多款领先模型，形成了多元且蓬勃的算法生态。

2.2 AI for Drug Discovery

AI 制药：突破传统药物研发瓶颈。在医药领域，一种新药从立项到上市通常需 要 12–15 年，平均成本 超过 22.86 亿美元，临床成功率仅约 10%。其中， 化合物合成环节往往占据 50%–60% 的研发周期，且由于成功率低，需要大量 反复试错。AI 制药能够通过提升分子筛选与优化的精准度，并在高通量实验中 显著提高命中率，从而拓展“人类难以成药”的靶点，最终大幅缩短研发周期， 加快新药上市进程。以新冠药物为例，晶泰曾通过 AI 制药帮助辉瑞新冠药物提 前约 6 个月上市，加快了药物惠及患者的速度。 整个药物研发市场在人工智能、政策支持、人口老龄化以及全球化等优势条件下 持续增长，药物研发外包服务包括药物发现、临床前、临床研究的 CRO 服务，以及小分子药物及生物制剂的 CMO/CDMO 服务。全球药物研发外包服务市场规 模由 2018 年的 867 亿美元增至 2022 年的 1,330 亿美元，CAGR 为 11.3%，并 预计将由 2023 年的 1,512 亿美元进一步增至 2030 年的 3,632 亿美元，CAGR 为 13.3%。尤其是，全球药物发现的药物研发外包服务市场规模由 2018 年的 76 亿美元增至 2022 年的 112 亿美元，CAGR 为 10.3%，并预计将由 2023 年的 123 亿美元进一步增至 2030 年的 325 亿美元，CAGR 为 14.9%。

AI 制药具有更高的准入门槛：相对于传统药物研发，AI 制药 1）专家稀缺：人 工智能算法及生物医学研究领域专家稀缺，与开发及测试基于人工智能的算法相 关的开支及漫长的验证周期进一步增加为技术收购提供资金的难度。2）算法及 模型缺乏：算法对基于人工智能的药物研发至关重要，因为卓越的药物研发模型 可显著提高预测准确性，但药物研发模型通常很复杂，包含大量复杂的参数及算 法而且需要大量的现实世界数据，恰恰新进入者缺乏先进的人工智能能力及高质 量数据，难以利用算法及人工智能模型带来的优势在药物研发方面超越现有市场 参与者。3）与现有市场参与者的竞争压力，基于人工智能的药物研发市场竞争 激烈，主要参与者将人工智能赋能的干实验室与机器人湿实验室相结合，形成一 站式药物研发服务的迭代反馈回路，使新进入者既难以推出创新产品，也难以与 现有主要参与者区分开来。4）商业化困难：药物研发流程复杂且耗时，使得小 型公司难以商业化其研发服务；客户要求及需求不断变化且对数据要求严格，初 创公司可能难以满足客户期望。

2.3 AI for Materials

2.3.1 发展驱动因素

在材料制造传统模式中，工艺开发、生产流程长期受限于经验依赖与人工操作逻 辑。材料研发环节，依赖研发人员对既有文献、实验数据的经验归纳，新配方探 索周期长、成功率低；生产流程中，人工调控生产参数易出现波动，导致产品性 能一致性差，原材料浪费率高，形成生产效率瓶颈与质量不稳定痛点。 AI 技术深度融入材料制造全流程，引发效率革命。AI 深度渗透材料制造全流程， 驱动效率变革。设计阶段，AI 突破经验约束构建材料性能关联模型，在高分子聚 合材料、催化剂等领域的研发中通过深度学习缩短周期；生产环节，AI 驱动的自 动化系统实现实时监控与动态调控，如晶圆制造中优化参数提升良率，实现效率 与质量双升。

外部因素多维度驱动 AI 在材料制造领域的深度渗透与应用拓展。AI 与物联网、 大数据等技术协同，推动材料生产智能化转型，突破传统制造形态限制。全球化 分工下材料制造外包比例上升，催生对 AI 驱动的供应链透明化需求；各行业对 高性能材料的需求爆发，进一步拓展 AI 应用场景。

2.3.2 市场规模

AI for Materials 在新能源、电子、化工等材料细分领域增长潜力显著，AI 新材 料研发商业化尚处于蓝海。在新能源材料领域，AI 加速钙钛矿、电解液、固态电 池等研发，缩短验证时间；电子材料中，AI 助力半导体、OLED 开发；化工材料 领域，AI 优化有机合成、聚合物性能预测及复配体系，提升效率与精准度。 据弗若斯特沙利文数据，全球材料科学研发支出正快速增长，2030 年市场规模 将达 1779 亿美元，2023-2030 年复合增长率（CAGR）为 12.8%。其中，AI 赋 能的研发服务占比将从 2023 年的 8%提升至 2030 年的 25%，对应市场规模从 约 61 亿美元扩张至 445 亿美元，成为驱动行业增长的核心动力。 受益于“十四五”新材料产业规划等政策扶持，中国材料科学研发市场增速显著 高于全球。2030 年市场规模预计达 585 亿美元（2023 年为 178 亿美元），CAGR 为 18.5%。政策驱动下，新能源材料、高端电子材料、生物基材料等领域的 AI 研发需求尤为旺盛，成为市场增长的主要贡献者。

2.3.3 准入壁垒与竞争格局

在 AI for Materials 领域，存在着显著的准入壁垒，具体体现在技术壁垒、数据 壁垒及专利壁垒方面。技术层面需多学科深度融合，晶泰控股凭借麻省理工背景创始人领衔的团队及自主研发的高效算法框架，形成技术领先优势；数据层面， 晶泰机器人实验室覆盖 80%以上常见药化反应类型，月均积累 20 万+条反应过 程数据，实验结果一致性高且质量优于开源数据，据此训练的 AI 模型准确性与 置信度更高，形成数据驱动的核心竞争力；专利层面，截至 2024 年 12 月 31 日， 累计拥有专利 225 项、商标 281 项、版权 71 项，构建覆盖 AI 算法、自动化实 验平台、材料性能预测等关键领域的知识产权体系，为 AI for Materials 领域技术 应用及商业化提供法律保障，形成显著专利壁垒。 材料科学应用领域广泛，市场参与者构成多元，竞争格局活跃。该领域既包含成 熟的行业领军企业，也涌现出一批技术驱动型新进入者。新兴参与者凭借先进计 算能力，提供 AI 赋能平台、软件解决方案及自动化系统，服务于制造、生物制 药、基建、农业、化妆品等多行业终端用户，有效加速材料科学研发进程。

晶泰控股在技术验证与商业落地层面竞争优势显著。技术上，其开发的可扩展的 亲和力预测平台 XFEP，可以使用优化的模拟协议进行相对和绝对自由能预测。 XFEP 以一种更高效、可扩展和经济的方式实现了大规模 FEP 计算，例如，使 用 50-100 GPUs 可以在 1 周内对 5000 种化合物进行评估，计算成本大约相当 于合成一种新化合物的成本。相关的研究成果以题为“A Cloud Computing Platform for Scalable Relative and Absolute Binding Free Energy Predictions: New Opportunities and Challenges for Drug Discovery”发布在国际著名期刊 Journal of Chemical information and Modeling 上；其 XtalFold™ 利用序列信息 对生物大分子之间的相互作用进行建模。在严格的基准测试中，XtalFold™ 不仅 在整体成功率上表现出色，还在抗体-抗原界面等复杂区域的建模质量方面达到 了行业领先水平。目前，XtalFold™ 已被授权给多家全球制药企业，并在多个不同的研发项目中发挥了关键作用，包括抗原设计、表位鉴定、亲和力成熟、pH 敏 感性改造和双特异性抗体设计等；其晶体结构预测模型在 2024 年 12 月剑桥晶 体数据中心（CCDC）CSP Blind Test 中，针对光电材料、生物医药等多类分子 体系，以 92%准确率居全球首位。商业上，与希格生科合作的弥漫性胃癌靶向药 作为亚洲唯一管线获盖伦奖提名，系全球首个 AI+类器官赋能的临床阶段药物， 已获 FDA 及 NMPA 批准；2025 年 6 月收购英国 LCC 公司，其 PACE 平台的 AI 与自动化技术及手性分子数据、建库能力与晶泰形成互补，强化化学空间探索 及多领域服务能力。目前，公司已与辉瑞、礼来、Merck、UCB 等全球超过 300 余家企业及行业龙头建立深度合作，客户续约率超行业平均。尽管巴斯夫等巨头 加速布局，但受限于数据积累与跨学科人才储备，短期内难以撼动其技术领先地 位。

三、主营业务分析+核心竞争力

3.1 营收高增长，净亏损收窄，AI 制药步入商业化阶段

AIDD 和 AI4S 是公司业务的核心组成部分，AIDD 涵盖了小分子药物发现、大分 子药物发现、AI4S 覆盖了智能自动化服务，新材料研发服务等。其中，智能自 动化解决方案增长稳健，2024 年实现收入 1.63 亿元，同比增长 87.76%，2025 上半年实现收入 8186 万元，同比增长 95.9%；药物发现解决方案增长迅猛，2024 年实现收入 1.04 亿元，同比增长 18.16%，2025 年上半年实现收入 4.35 亿元， 同比增长 615%。在药物发现解决方案中，主要分为小分子发现和大分子发现， 其中，小分子发现解决方案构成了药物发现解决方案的绝大部分收入，而抗体发 现解决方案在 2022、2023 年占药物发现收入比仅约为 5.9%。

小分子药物发现平台——ID4Inno：由AI模型 ID4Idea 和物理模型 ID4Gibbs 两大核心平台构成，融合了预训练、迁移学习、强化学习以及主动学习等主 流人工智能学习范式，具备强大的研发及定制化能力。ID4Inno 能有效提高 干湿实验通量和实验验证精度，提升实验效率，缩短研发周期。传统新药发 现耗时大概在 4-6 年，其中约有 25 个月左右时间用于靶点至苗头化合物阶 段、25 个月用于苗头化合物至先导化合物阶段，约十个月用于先导化合物 优化阶段。其间，为确定临床前候选化合物需测试约 5000 个分子。但是通过 AI 更精确的预测方法与干湿实验一体化解决方案，研究者可同时筛选数 十亿种化合物，仅需在 2-3 年内合成及测试数百个分子即可，将药物发现阶 段耗时缩短至 36 个月内，整体缩短 50%左右。

大分子药物发现平台——XupremAb™：由晶泰科技的大分子药物发现创新 部门 Ailux Biologics 在 2022 年 10 月推出，将 XtalFold™结构建模平台、 XenProT™生成式 AI 平台、Xentient™判别式 AI 平台作为核心发动机，可 以突破传统序列空间的限制，快速识别高潜力的抗体候选分子，并进行基于 结构的理性设计与关键性质优化，从而显著缩短药物研发周期，加速临床前 研究进程。

3.2 AI+机器人打造增长飞轮，智能范式驱动新物质发现

晶泰深耕“AI+机器人”技术能力，打造行业独有的“高通量实验－高质量数据－ 高智能模型”飞轮，从过去的“由人设计分子、人设计实验及执行实验”的传统方式， 向“AI 设计分子、AI 设计实验、机器人执行实验”的范式变革，开启药物和材料研 发智能时代。

3.2.1 技术底座：基于量子物理第一性原理的 AI 算法

量子物理与量子动力学是晶泰 AI 模型精确度的根本保障。它们是理解生命科学 与未来材料领域各种分子行为的第一性原理，可解析药物分子与人体相互作用数 据，以及材料分子在器件中的稳定性与物化、光电性质。这类量子基础科学数据 不仅至关重要，更是确保垂直领域人工智能模型高准确度的基石，也是晶泰模型 体系的底座。 在坚实的量子科学基础上，晶泰构建了完整的算法与模型体系。公司自主研发仪 器控制、视觉算法、自然语言处理、科学计算、图像识别等多类核心算法，基于 此搭建了自主数据引擎与行业模型体系。领域知识模型支持文本撰写和自然语言 处理，已集成至自研 ELN 系统；化学领域垂直模型涵盖分子物理、计算化学、 分子特性分析等方向，应用已从医药领域拓展至材料领域，实现跨行业赋能。目 前已经累积超过 200 个专业模型：包括 Xreactor 分子生成模型、FEP 自由能微 扰算法、CSP 晶体结构预测模型等。2024 年新建的 20 余种 AI 反应性及实验条 件预测模型准确率均超 80%，在成功与失败反应预测上均优于实验专家，尤其是 失败反应预测准确率高出一倍。

部分卓越成果如下：1）公司基于量子力学自主研发的 XFF 力场和 XFEP 自由能 计算等高精度虚拟数据生成模型，突破了传统 AI 过度依赖实验数据的限制，实 现了高质量虚拟数据的自主产出。2）公司拥有多项全球领先的顶级预测算法， 例如获得 2024 年 CSP Blind Test 冠军的分子结构预测算法，以及已被强生杨森 和优时比等国际药企广泛采用的 XtalFold 蛋白质结构预测算法，分别聚焦小分子 苗头验证和大分子药物发现。3）基于量子物理第一性原理及机器人实验室生成 的大规模数据，公司自研的UV谱图预测模型和基于LCMS谱图的产率预测模型， 准确率超过 90%，显著提升了数据标注效率。4）公司与 IDEA 研究院联合开发 PatSight 专利数据挖掘平台：通过领域模型与大语言模型融合，突破传统人工数 据获取瓶颈，提升小分子化合物结构解析效率，为垂直领域 AI4S 模型构建提供 丰富的公开大数据资源。

3.2.2 深厚积累的垂直领域数据构建技术护城河

公司构建万亿级虚拟化合物库，实现了高效存储与查询，并结合 AI 与物理模拟 筛选、高通量合成等环节，形成庞大的高精度数据体系。公司目前已累积 650万条高精度量化数据、10 万+分子力场参数、约 50 万分子对的 FEP 数据、覆盖 150+靶标、并拥有 3×10⁹帧蛋白轨迹、云端数据总量高达 1.9PB。此外，公司的 机器人实验室已覆盖 80%以上常见药化反应类型，全年 7×24 小时不间断运转， 以超高通量持续生成高质量数据资产。当前，每月可新增 20 万+条反应过程数据， 数据收集效率是传统方式的 40 倍，且质量显著优于开源数据，使得 AI 模型能够 获得更高的准确度与置信度。

3.2.3 干湿结合实验室：AI 模型干实验模拟+智能化机器人湿实验室高 通量精准化学执行

干端：利用高性能云计算赋能的计算底座，驱动 AI 和量子计算模块在干实验室 开展模拟实验，涵盖分子的生成，筛选和评估。 湿端：基于公司专业技术知识，通过自动化机器人开展现实实验，对干实验室的 生成结果进行验证，并将实验过程中产生的大量正负样本反哺给 AI 模型，形成 一个相互促进的学习循环。

在 AI 驱动的自动化实验领域，晶泰率先实现规模化落地。截止 2025 年 4 月， 公司拥有约 5000+平米机器人实验室，数十种机器人工作站，自动化技术持续为 AI 模型生成高质量实验数据，AI 模型反向指导实验迭代，形成“模型引导实验— 实验产出数据—数据反哺模型”的猜想-验证-进化闭环，实现相辅相成的持续优化。 目前，公司实验室已积累超 200 万条内外部反应数据，用于智能完成实验设计、 预测与分析；各工站模块累计执行动作数超过 324 万个，精准高效地完成化学工 程操作与数据采集；仿真系统所模拟运行的总实验任务数达 38 个，总时长 1742 小时。 晶泰拥有丰富的自动化产品矩阵，广泛服务不同行业。公司依托领先的技术能力， 打造了高柔性、高精度的“科学家机器人”产品矩阵，覆盖阵列式大规模实验工站 集群、自动化实验岛、集成实验工作站及桌面型智能仪器，可根据客户需求在制 药、化工、新材料等领域提供定制化智能实验室解决方案。典型案例包括横琴实 验室的中药萃取分离机器人集群、为美国安进制药构建的化合物建库机器人、为 中石化上海研究院开展催化剂筛选的科学家机器人、为北京大学进行电解液开发 以及为复旦大学开展化学反应过程研究的机器人系统等。此外，公司自主研发的 实验室自动化系统 XTalDyamics™，具备高通量、强柔性、可拓展性和高兼容性， 已实现全场景覆盖；新一代模块化机器人系统，具备先进的视觉感知，成功模拟 极高灵活度的人手操作，实现具身智能技术的重大突破。

3.3 拥有稳固合作关系，客户留存率高，打造完备的生态环 境

公司将合作研发视为主要发展手段，积极与众多行业头部企业形成合作。截至 2024 年底，晶泰科技与超过 300 家全球领先药企合作，其中前 20 大药企中的 16 家都与晶泰建立了合作关系。公司积极与头部企业合作，打造高端客户群的 同时，也注重构建与客户的长期友好合作，保证高客户留存率，于 2021 年、2022 年及 2023 年，公司的客户留存率分别约为 67.5%、51.4%及 64.9%。

3.4 从 AI 制药迈向 AI4S，坚持全球化发展战略

3.4.1 技术平台复用与跨领域拓展

晶泰依托 AI 制药领域的闭环技术平台（整合量子物理计算、多模态 AI 与自动化 实验室），构建起进军 AI4Science 的核心支撑，其晶体预测与亲和力计算能力显 著优于行业平均水平。在商业化层面，晶泰的 AI 制药业务已初步形成成熟盈利 模式。2024 年公司来自药物发现解决方案收入为 1.03 亿元，较上年同期的 8770 万元增长 18.2%，2025 年上半年实现收入 4.35 亿元，同比增长 615%；并服务 全球多数顶尖药企，辉瑞项目中技术应用验证了商业化价值。通过技术模块灵活 复用，在半导体材料、电池参数预测、材料合成平台改造等领域高效落地，显著 降低跨领域拓展边际成本，强化成本优势。

晶泰通过共享量子物理计算、AI 模型及自动化平台等底层技术，实现跨领域深 度拓展并成效显著，形成独特竞争力。材料领域，在剑桥晶体数据库中心的 7th CSP blind test 中多材料体系表现最优；农业领域，携手绿技行改良沙漠土壤， 并联合广东恒健投资、寿光蔬菜产业集团建智能育种平台；消费品领域，与工信 部中小企业发展促进中心开展“人工智能+”行动，赋能多行业。公司深度整合 垂直领域积累的大数据、行业领先的 AI 模型能力以及自主研发的智能机器人矩 阵，推动传统研发范式的革新。

3.4.2 全球化业务的深度布局

晶泰控股通过构建全球客户与合作伙伴网络深化全球化布局。其客户群覆盖全球 前 20 大生物技术与制药公司中的 16 家，与辉瑞、强生、德国默克等国际头部企 业建立长期合作，合作成果包括与辉瑞联合开发 XFF 力场模型、与默克合作探 究晶习影响并发表研究成果等；同时与印尼金光集团、新加坡科研机构等跨区域 伙伴展开合作，拓展业务边界。 海外研发与运营网络是其全球化业务的重要支撑。晶泰控股在深圳、北京、上海 及波士顿布局研发实验室与运营场所，强化跨国资源整合；与麻省理工学院共建 AI 未来实验室，聚焦 AI 与自动化在化学及材料科学领域的融合应用，推动前沿 技术的国际协作与落地。 区域市场拓展与本地化服务助力全球化业务落地。在中东地区，与阿联酋王室办 公室达成合作，建设自动传统药物研发平台；在东南亚，与印尼金光集团合作推 进 AI 赋能解决方案；在欧美市场，通过参与行业大会分享技术成果，并依托国 际认证满足当地合规要求，实现区域市场的精准切入。 全球化技术生态与人才布局为业务发展提供动力。战略孵化企业深度原理和赋澈 生物，强化技术研发的国际协作；依托“AI+机器人”平台，为全球客户提供跨 区域研发服务，覆盖电解液、催化剂等多个领域，形成技术输出的全球化能力。 国际标准与合规体系保障全球化业务合规运行。晶泰控股遵循多国法律法规，通 过 ISO 9001、ISO 27001 等国际认证，确保服务符合全球行业标准，为其在全 球范围内的业务开展提供坚实的合规基础。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）