真实算电成本约束下AI医疗与CXO企业的研发外包策略与集中度效应

医药行业分析师研究简报 日期： 2026-06-17 立场： 综合（整合 research note、research note、research note 和 research note 观点） 作者： 医药行业分析师 (Healthcare Analyst) 研究线程标识： [source-id-redacted] | Card： 06/10

一、 核心观点摘要

随着大健康产业步入“高质量发展”元年，AI药物发现（AIDD）的商业化落地正面临双重硬约束：一是人体临床试验的生物学黑箱壁垒，二是AI基础设施的真实算电成本刚性。尽管AI大幅压缩了临床前的靶点识别和先导化合物优化时间，但AIDD分子进入人体临床后依然要面对 ~90% 的历史失败率。例如，Calico与AbbVie联合研发的渐冻症（ALS）AI药物 Fosigotifator 在 2025 年底至 2026 年初的 Phase II/III 临床中因无显著疗效而宣告失败 [S3]，表明AI并不能轻易改写人体生物学的规律。

同时，算力红利已转化为刚性的成本逆风。全球GPU供应极度紧张（Blackwell交付周期长达 40–52 周） [S6]，叠加国内受端电网特高压槽位和省际错配，导致长三角、珠三角等东部AI医疗高地（如上海张江、深圳等）的一般工商业电价面临 6–12% 的隐性上涨 [S7]。尽管计算西迁（迁移至内蒙古、宁夏、四川等绿区）是必然路径，但由于储能和调峰溢价的硬约束，绿区真实AI落地电价收窄至 0.35–0.45 元/度（本模型以 0.40 元/度测算） [S8]，数据中心PUE为 1.15。

本报告综合上述约束，量化评估了国内AIDD与CXO企业在算力架构策略（自建集群 vs 云端合作）上的分化。研究表明，算电成本的刚性已成为大健康板块市占率加速向头部集中的强催化剂。头部CRDMO平台（如药明康德、康龙化成、凯莱英、晶泰科技等）通过在西部绿区布局高利用率（80% 以上）的自建/托管集群，可实现比公共云端节约 35.2% 的年化算力成本 [自测算]。而中小型AIDD初创企业因管线较少、利用率低，被锁定在昂贵且隐私合规性弱的公共云端，导致单项目算力成本高出 94.6% [自测算]。这种利润空间的极限压缩，正在加速行业出清与整合，推动初创企业并入头部平台（如 2025 年 8 月 Recursion 与 Exscientia 宣告合并） [S4]，或退化为纯算法技术供应商。

二、 算力架构策略：自建集群（西部托管） vs 云端合作

在 2026 年的真实成本约束下，AIDD与CXO企业的算力布局取决于资金规模、产能利用率以及数据隐私合规要求。

graph TD
    A[算力架构决策] --> B[西部绿区自建/托管集群]
    A --> C[公共云端合作 AIaaS/MaaS]

    B --> B1[高固定资产投入: 1024卡约3500万美元]
    B --> B2[低运营成本: 0.40元/度电 + PUE 1.15]
    B --> B3[要求高利用率: >50% 盈亏平衡点]

    C --> C1[零CapEx: 纯费用化模式]
    C --> C2[高运营成本: 2.50美元/卡时可变成本]
    C --> C3[适合低利用率: <25% 初创企业管线]

    B1 & B2 --> D[头部CXO / 大型研发平台]
    C1 & C2 --> E[中小型Biotech / AIDD初创]

    D --> F[利润受温和稀释: 管线成本占比-8.8%]
    E --> G[利润严重蚕食: 管线成本占比-17.1%]
    G --> H[加速大健康市占率向头部集中]

1. 头部CXO与大型研发平台

• 西部托管/共建集群策略： 药明康德（603259.SH / 2359.HK）、康龙化成（300759.SZ / 3759.HK）、凯莱英（002821.SZ / 6821.HK）以及晶泰科技（2228.HK） [S5] 等头部企业，具备充沛的传统业务现金流，能够跨期消化 CapEx。它们通常选择将大型 GPU 训练集群（包括 NVIDIA H100/Blackwell 或国产昇腾 910C 节点）部署或托管在内蒙古（如 2026 年 5 月底正式上线的内蒙古呼和浩特绿色算力全栈AI平台） [S1]、宁夏或四川等西部枢纽。这些绿区数据中心能提供 0.40 元/度的绿电价格（含调峰储能分摊） [S8]，且利用液冷技术将 PUE 控制在 1.15。
• 经济合理性： 对于 1,024 卡的标准研发集群，由于头部企业 concurrent pipeline（并行管线）多、任务常年满载，年化利用率通常在 80% 以上。西部西迁使得年化电费开支比东部红区直降 53.2%（从 111 万美元降至 52 万美元） [自测算]，有效对冲了 4–7 个百分点的毛利率下滑风险 [S7]。
• 干湿实验闭环： 头部企业在沿海总部（如上海张江、深圳等）保留少量边缘算力用于低延迟的日常推理（Active Inference），而将大规模的基座模型预训练、高通量分子对接（Docking）和分子动力学模拟（MD）放置在西部绿区，实现了算电最优解。

2. 中小型AIDD初创公司与Biotech

• 自建的资金陷阱： 初创企业年研发管线通常仅有 1–3 个，集群年化利用率低于 25%。如果选择自建，每年折旧费（以 3 年线性折旧计达 1,167 万美元） [自测算] 和托管固定运维开支（约 58 万美元） [自测算] 将彻底压垮其现金流。
• 被动依赖云端 AIaaS： 它们只能向华为云、腾讯云、火山引擎等云厂商购买算力服务（约 2.50 美元/卡时） [自测算]。这虽避免了初始资本开支，但在管线筛选的高频计算期，运营费用（OpEx）会极其高昂。此外，将未公开的靶点和分子数据上传至公共云，容易引发大药企客户对知识产权和商业机密的担忧。

三、 算电成本定量经济模型：自建 vs 公共云

为了量化说明架构差异，我们模拟了1,024张高性能GPU集群（单卡功率含整机与制冷系统折算为 1.0 kW，年运行 8,000 小时）在三种模式下的年化运营成本 [自测算]。

表1：1024卡集群年运营成本对比（头部企业满载，利用率 8,000 小时）

参数假设：美元兑人民币汇率 = 7.25 [S2]；集群初始购置款 = 3,500 万美元（3年线性折旧） [自测算]；东部红区 PUE = 1.45，工商业电价 = 0.68 元/度 [S7]；西部绿区 PUE = 1.15，绿电电价 = 0.40 元/度（含储能） [S8]。

[!NOTE] 仅通过将自建集群“西迁”至 PUE 更低、绿电更便宜的西部绿区，头部企业每年可在东部自建的基础上额外节省 60 万美元（约合 435 万人民币）的纯电费支出 [自测算]，总成本降幅达 4.3%。

表2：集群利用率对年运营成本的敏感性分析（单位：万美元）

对于管线稀少的小型企业，固定折旧和机房费用会抬高自建的底线成本，导致低利用率下云端租用更为划算 [自测算]。

四、 管线单位经济性与大健康板块市占率集中效应

算力成本的固定化与可变差异，直接转译为新药管线开发中的单位经济性劣势，对中小初创企业构成了难以逾越的成本鸿沟。

表3：新药管线算力分摊成本与毛利率稀释效应对照

我们假设一个典型的业务场景 1. 头部CXO/平台：年运行 10 个并行新药研发管线，利用西部自建算力，整体集群利用率 80%。 2. 中小型AIDD初创：年仅运行 2 个新药管线，租用公有云算力，等效利用率 25% [自测算]。 3. 假设临床前单个管线的研发合同名义价值为 1,500 万美元 [自测算]。

1. 初创企业的利润空间被极限压榨

在海外融资格局偏紧、跨国药企大面积压缩研发早期 CapEx 的环境下，17.07% 的毛利稀释 [自测算] 意味着中小AIDD初创企业在对外 BD 授权或承接 CXO 外包项目时，几乎没有任何价格竞争空间。面对不可压缩的算力电费开支，中小企业只能被迫选择合并以摊薄硬件成本（如 2025 年 8 月 Recursion 与 Exscientia 的合并） [S4]，或者放弃自研管线，退缩为纯粹的工具提供商。

2. 头部 CRDMO 的“数据-湿实验”双重护城河

相比之下，大型平台及头部CXO通过以下逻辑，市占率正在加速集中 * 湿实验数据壁垒： AI 模型的准确率高度依赖训练数据的质量，尤其是高价值的“湿实验阴性数据”（即失败的筛选数据）。中小初创根本无力维持高通量的生化与细胞筛药湿实验。而头部CXO拥有海量的日常业务湿实验数据，可直接用于私有大模型的精调，形成“AI设计-机器人合成-湿实验验证-数据回流精调”的闭环，模型泛化能力与筛选成功率显著超越中小初创。 * 一站式外包优势与防泄漏考量： 跨国药企对技术转移摩擦（这会导致管线推迟 12-18 个月） [S9] 和数据隐私极为敏感。它们更倾向于将从虚拟筛选到原料药制备（CDMO）的全流程一站式交由具有私有算力集群的头部平台。晶泰科技（2228.HK）于 2026 年 6 月 10 日宣布与某国际巨头达成超 4 亿美元的 GPCR 靶点新药研发合作 [S2]，并获得高额首付款，即验证了“AI + 机器人自动化 + 湿实验”一体化平台的极强虹吸效应。

五、 策略配置与A股行业转译

结合首席策略师对于算电协同主题下“可靠性与效率逻辑”的排序（research note） [S9]，我们转译为大健康板块的投资评级与配置建议

1. 低配/避开纯软件型AIDD概念股： 坚决规避缺乏湿实验资产、极度依赖第三方云端算力的中小AI制药标的。它们的模型缺乏独特数据校准，且高昂的算力费用将持续稀释其利润，在 2026 年的退市风险和基本面证伪压力极大。
2. 超配一站式CRDMO与自动化科技龙头： 重点配置具备强大现金流与自建算力西迁优势的行业龙头，包括药明康德、康龙化成及港股的晶泰科技（2228.HK） [S2][S5]。它们通过绿电托管降低了算力刚性成本，且有望通过 18C 规则及巨额海外 BD 合同兑现科技溢价。
3. 配置特异性多肽与前沿 CDMO： 如诺泰生物（688076.SH），这类多肽 CDMO 受益于 GLP-1 全球产能短缺，具备极强的溢价和议价能力，不仅能完全消化算电成本的微幅上升，还能通过 AI 算法优化其合成路径和纯化工艺，进一步拉开与二线厂商的利润率差距 [S9]。

资料来源

• [S1] 新华社，《全国首个绿色算力全栈AI平台在内蒙古呼和浩特正式上线》，2026年5月20日。 链接：http://www.news.cn/english/2026-05/20/c_131109405.htm
• [S2] 雅虎财经，《晶泰科技宣布与国际生物医药巨头达成超4亿美元的GPCR口服小分子药物战略合作》，2026年6月10日。 链接：https://finance.yahoo.com/news/xtalpi-announces-strategic-partnership-over-083000523.html
• [S3] Fierce Biotech, "ALS Trial Setback: Calico and AbbVie Shelve Phase II/III AIDD Candidate Fosigotifator Due to Efficacy Failure", October 18, 2025. 链接：https://www.fiercebiotech.com/biotech/calico-abbvie-shelve-als-aidd-candidate
• [S4] Endpoints News, "Survival of the Fittest: Recursion and Exscientia Complete Merger Amidst AIDD Capital Constraints", August 8, 2025. 链接：https://endpts.com/recursion-exscientia-complete-merger-aidd-consolidation
• [S5] 香港交易所，《晶泰科技作为首家特专科技公司（第18C章）正式挂牌上市》，2024年6月13日。 链接：https://www.hkex.com.hk/News/Market-News/2024/240613news
• [S6] research note，AI基础设施分析师研究便签：《AI医疗算力扩容瓶颈与Blackwell GPU供应短缺》，2026年6月。
• [S7] research note，公用事业分析师研究便签：《中国电网新增容量承载力与区域电价传导测算》，2026年6月。
• [S8] research note，能源行业分析师研究便签：《西部绿区可靠可调度容量与储能调峰溢价分析》，2026年6月。
• [S9] research note，首席策略师研究便签：《算电西迁叙事下的A股资产配置优先级》，2026年6月。