拆开榜单，线索更清楚。

(相关资料图)

排在首位的是药物递送，剂泰科技-P的AI纳米材料与制剂开发平台，可用于mRNA递送系统的设计优化。AI在这里解决的不是“发现什么药”，而是“怎样把药送到该去的位置”。

再往底层看，是基因和测序。华大智造提供生命科学设备及配套分析能力，华大基因沉淀基因数据和组学研究能力。

研发端的公司最多。英矽智能、晶泰控股、成都先导、药石科技和泓博医药，分别从分子生成、计算模拟、化合物筛选和药物研发服务等环节切入。美迪西则连接临床前研发，做的事不同，但都在压缩药物研发的试错过程。

值得一提的是，排在第二位的德适-B，其不属于传统AI制药。德适从医疗影像切入，处理的是另一类问题：如何让机器读懂复杂的生命信息。

AI4S不只会“造药”

过去谈AI4S，市场很容易把它等同于AI制药。分子设计直观，研发周期长、成本高，AI降本增效的故事也最容易被理解。

但个性化治疗往前走，光有新分子不够。谁适合某种治疗、个体差异如何识别、治疗过程怎样评估，同样依赖基因、染色体和医疗影像。生命信息能否被准确读取，决定了后续研发和诊疗有没有可靠的数据基础。

德适由此进入这条主线。其AI AutoVision及医疗影像基座大模型iMedImage，面向染色体核型分析、B超、CT、核磁等专业场景，让机器参与识别、分析和辅助判断。AI在这里不是外挂工具，而是直接进入数据解析流程。

这与晶泰控股代表的路线不同。晶泰更接近“AI设计—机器人实验—数据反馈”，目标是寻找新的分子和材料；德适侧重“专业数据—模型解析—产品应用”，目标是理解已有的生命信息。一个向前探索，一个向内解析。AI4S的外延，就这样从药物发现扩展到医疗影像。

真正拉开差距的，是闭环。医疗数据专业、分散，脱离真实场景很难持续迭代。德适以影像基座模型为底座，向多器官、多病种拓展，再用产品落地获得数据反馈。“数据—模型—产品—场景”循环起来，平台能力才有机会沉淀。

闭环跑通之后，才谈得上规模化。德适并非为每个器官、病种从头定制算法，而是基于统一的影像基座模型，复用数据治理、训练、验证和部署能力，持续生成面向不同场景的专用模型。

从这个角度看，德适更像一座医疗AI大模型“工厂”：基座统一，模型按场景生产，产品再回到真实使用中迭代。所谓“量产”，量产的不是同一个模型，而是一套可复制的模型生产机制。截至2026年6月30日，公司已经累计开展158个模型项目，覆盖43个器官或部位、61个疾病方向。

真门槛，不在“AI”两个字

同一张榜单里，有做递送的，有做测序的，也有做分子设计和医疗影像的。业务跨度很大，共性只有一个：AI开始进入生命科学的专业流程。

判断AI4S，不能只看模型参数。数据是否稀缺，AI是否碰到研发或诊疗的核心环节，结果能否被产品、实验或临床场景验证，这些问题更实际。少一个环节，AI都可能停在演示阶段。

以德适为例，其价值也应放回这套坐标系。它不是AI4S的全部，却补上了生命信息解析这一块拼图。当医疗影像能够被模型持续理解，AI才不只是帮助科学家提高效率，也开始参与科学数据的生产、解释和应用。

整体而言，这轮Moderna所掀起的暴涨，带来的是一次集中关注。热度之后，行业仍要回到产品和验证。

谁能把数据、模型与真实场景接起来，谁才更接近AI for Science的下一阶段。

来源：港股研究社