過去一段時間，智譜、Minimax等港股AI資產出現了一輪明顯上漲。

但如果拆開來看，這輪行情背后有一個更重要的變化：被市場重點定價的，不再只是模型能力本身，而是已經跑出收入、驗證商業路徑的公司。

這對應的，是AI產業邏輯的一次切換。

過去兩年，行業的主線是模型迭代——參數更大、能力更強、推理更好、成本更低，資本市場為“智能能力”定價。

但隨著模型能力逐漸收斂、推理成本持續下行，AI開始進入規?；涞仉A段。于是，一個更關鍵的分水嶺開始出現：AI正在從“能力驗證”，走向“結果交付”。

在這個節點上，晶泰科技成為一個具有代表性的樣本。

從業績來看，它已經成為國內最早實現年度盈利的AI應用公司之一。2025年，全年營業總收入達8.03億元 （人民幣，下同） ，同比激增201.2%；經調整凈利潤額2.58億元，首次實現全年扭虧為盈，成為港股首家盈利的AI4S（科學智能）股。

這件事的意義，并不在于利潤本身，而在于它第一次在高度復雜的產業場景中，跑通了一條完整的商業閉環。

而這背后，對應的不是單個產品的成功，而是一種范式的轉變。與其他“用AI做藥”的公司不同，晶泰更像是一家“用AI重新定義科學研究方式”的公司。

前者是應用層，后者是基礎設施層。也正是在這個差異之下，它們的價值開始走向分化。

當數據資產成為商業壁壘

作為國內首個實現年度盈利的AI應用公司，這件事的意義不在于賺了多少錢，而在于它第一次在高度復雜的產業場景里，跑通了一條完整的商業閉環。

回過頭來看，這條閉環的核心，是一套極其“重”的系統能力組合：

模型負責預測與設計，機器人實驗室負責執行與驗證，數據持續回流，而Multi-Agent系統作為調度中樞，拆解任務、統籌資源，讓整個研發流程可以持續運轉。

本質上，這更接近一套“自動駕駛式”的研發體系。而這套系統最關鍵的，不是某一個能力，而是數據閉環。

AI for Science長期存在一個根本問題：數據太少、太慢、太碎、太參差。

以蛋白質結構為例，AlphaFold2使用的是人類幾十年積累的數據，但規模甚至不到大模型訓練數據的0.3%。本質上，這是在用極其有限的數據，訓練極其復雜的模型。

問題的根源在于傳統實驗室：數據由“人+設備”產生，生成速度慢、標準化程度低、難以復現復用，還有很多難以避免的紕漏和失誤。大量實驗結果在產生之后，無法成為模型的長期資產。

當AI 預測將分子、材料的設計效率極大地提高之后，人做實驗的驗證步驟就成了新的瓶頸。人工實驗在效率、通量、產生的數據質量上，都無法與AI 匹配。

但更隱蔽的難點在于數據的“反饋周期”。大模型訓練用的語料數據更加易得，且答案是“顯而易見”的——一句話的對錯、一段代碼能否運行，人類可以在幾秒內完成標注。有大模型公司曾在非洲等人工更便宜的地方雇傭了大量的“打分員”來為AI 生成的答案打分，幫助訓練模型。

而AI for Science面臨的是另一類問題：什么樣的分子具備什么樣的物理化學性質、乃至生物學功能，這樣的數據稀缺而難得，且打分函數不是一眼能看出來的。

一個分子是否具備理想的生物活性、是否能夠穿透細胞膜、是否在體內穩定存在——這些問題的答案，需要經歷數周甚至數月的復雜實驗才能獲得。傳統實驗室里，一個實驗從設計到出結果，周期以月為單位。研發數據因此更加稀缺珍貴，這樣讓模型訓練面臨挑戰。

而晶泰做了一件本質上不同的事——把“數據生產”本身，變成一項能力。

它構建了一套完整“干濕閉環”的數據生產體系，即從AI模型設計實驗（干），到機器人實驗室執行（濕），再把結果結構化回流，最后去訓練模型。

這樣的好處在于兩點：

一是數據質量高。除了量子物理計算生成的數據之外，晶泰的機器人實驗室每月可以積累超過20萬條高質量反應數據，覆蓋80%以上常見藥化反應類型。更重要的是，這些數據是“結構化”的——溫度、時間、產率、純度等關鍵參數都被系統化記錄，可以直接用于模型訓練。

二是數據可以復用。不同于人工實驗，機器收集的是標準化、結構化、可回流的工業級數據，而不是傳統實驗室的一次性結果。傳統實驗室里，一個實驗做完，數據往往被歸檔、閑置，且過程數據與失敗數據往往不會被記錄下來；晶泰的系統里，每一組數據都是下一輪模型訓練的燃料。

這也帶來了一個本質變化：傳統實驗室的數據是通向終點過程中的“消耗品”，而晶泰的數據是“資產”。

更進一步，這些數據會持續反哺模型。這意味著，使用晶泰平臺的客戶越多、項目越多，數據積累越快，模型預測越準，平臺價值越高，形成一個典型的數據飛輪。傳統實驗室是“做一次，消耗一次”；晶泰的實驗室是“做一次，積累一次”。

眾所周知，在AI時代，真正稀缺的資源，從來不是算力，而是高質量、可復用的垂直數據。而晶泰，就是少數有能力把“數據生產”變成核心能力的公司。當其他AI公司還在為找不到高質量數據發愁時，晶泰已經建了一座“數據工廠”。這讓晶泰能夠用一個通用底座切入新藥、新材料等高門檻領域，并挑戰一些原本就沒有先驗數據可供訓練的創新體系、問題。

這也是它能夠率先跑通商業閉環的關鍵原因。

價值走向商業兌現

從目前看，上述價值已經逐漸在商業層面兌現價值。2025年，公司藥物發現解決方案業務收入為5.38億元，同比大幅增長418.93%。

增長背后，并不是單一訂單的放量，而是一個更關鍵的變化：平臺開始進入“兌現期”。

一方面，是研發項目逐步進入關鍵節點。

越來越多由晶泰平臺推動的管線，正在從早期研究走向IND乃至臨床階段。

以與孵化公司希格生科的合作為例，其開發的彌漫型胃癌靶向候選藥物SIGX1094，在I期臨床中已初步驗證安全性，并在部分患者中觀察到疾病控制與腫瘤縮小的效果，預計將于2026年三季度進入II期臨床。

另一條潛在首創新藥SIGX2649也已完成臨床前研究，即將申報IND，并入選AACR年會。這些節點的意義在于，它們開始對應真實的里程碑付款、分成以及后續商業化收益。

而比單個項目推進更重要的，是商業模式本身的變化。

晶泰不再局限于單一項目服務，而是逐步走向“平臺授權 + 聯合開發 + 里程碑收益”的合作結構。

以大分子藥物研發為例，公司已與禮來達成總額3.45億美元的多靶點戰略合作及平臺授權協議。這類合作，本質上已經不再是“賣工具”，而是將平臺嵌入客戶的核心研發流程，并參與長期價值分配。

同時，公司也在與DoveTree等創新生物醫藥機構合作，圍繞腫瘤、自身免疫及神經系統疾病等高價值靶點，持續推進候選藥物開發。

當這些合作逐步展開時，一個更清晰的變化開始浮現：晶泰正在從“提供工具”，轉向“參與結果”。

這也意味著，它與傳統CRO，已經不再處在同一套商業邏輯之下。

傳統CRO，是典型的項目制，做一個項目，收一筆服務費；項目結束，關系解綁。收入隨項目數量線性增長，本質上是“人頭驅動”。

而晶泰的平臺模式，則是另一種結構。即通過平臺授權、聯合開發、里程碑付款和商業化分成，把自身嵌入客戶研發流程與價值鏈之中，憑借獨特的研發優勢與可靠的交付能力，兌換未來的收益空間。這一模式下的客戶也需要對晶泰的研發能力乃至不可或缺性有充分的認可和依賴，才會愿意與其分享未來的潛在收益。

這背后，對應的是兩種完全不同的增長邏輯。前者是線性增長，邊際成本隨人力同步上升；后者是非線性增長，隨著數據積累和模型優化，邊際成本逐步下降。一個靠堆人，一個靠堆AI+自動化——這是兩種商業模型的天壤之別。

而這種能力，也開始向醫藥之外擴展。

在新能源領域，公司與晶科能源合作，共建“AI決策—機器人執行—數據反饋”的全閉環疊層電池研發體系，將材料設計、工藝優化等核心環節數據化、模型化，推動鈣鈦礦等下一代光伏技術加速產業化，并有望分享后續商業化收益。

從藥物研發到電池研發，底層是同一套方法論：預測+實驗+反饋。晶泰的平臺，本質上是一套處理物質科學問題的通用操作系統。

在消費健康領域，晶泰也已經完成從“研發”到“產品”的跨越。

其自主開發的小分子Remeanagen?和多肽AquaKine?已完成INCI注冊，并實現產品落地。基于兩者的組合配方Groland，在人體實驗中驗證了生發、防脫效果及安全性，目前已完成商業化上市，并快速獲得市場反饋，登頂天貓同品類的新品榜榜首。

這意味著，AI能力正在從實驗室走向真實消費場景。從抗癌藥到防脫發產品，底層邏輯是相通的：都是AI篩選靶點、設計分子、優化活性、驗證效果。只不過消費品的審批和上市周期顯著更快，而晶泰已經被充分驗證的藥物研發平臺可能會更加得心應手。

從醫藥到新能源，再到消費健康，這些跨場景的落地，本質上說明了一件事：晶泰的商業邏輯開始真正跑通了。

被驗證的全球化能力

全球化能力，是晶泰另一大核心看點。

這不僅是業務拓展的問題，更是一種能力驗證。

截至目前，晶泰已經覆蓋全球TOP20藥企中的17家，包括輝瑞、禮來、強生等頭部客戶，同時也在向巴斯夫、羅氏、JW制藥等國際龍頭持續交付解決方案。

在新材料、新能源領域的首批客戶也都是中石化、晶科能源這樣標桿性的行業龍頭。

比如，公司向巴斯夫交付配方穩定性測試智能工作站，與羅氏合作落地了智能化合物倉儲系統等等。

這背后意味著，它不僅進入了全球最嚴苛的研發體系，也在不同場景下完成了實際落地。能被17家全球TOP藥企反復采購，本身就是最硬的背書。而晶泰似乎正在更多材料、能源領域復刻這一成功。

與此同時，晶泰的全球化布局一直未變，海外客戶仍然占領其營收的大頭，不過開始從“項目出?！弊呦颉澳芰Τ龊！?。

2025年，公司完成對英國Liverpool ChiroChem（LCC）的收購，并成立LCC Technologies Ltd.，將其自動化手性化學平臺與自身AI+機器人研發體系深度整合。

這次收購的意義，不只是補充一項技術能力，更是全球化布局的關鍵一步。懷揣 70 億現金及等價物的晶泰科技，有機會用并購補全更多的技術模塊，成熟盈利的上下游業務，或有相對更高BD門檻的海外客戶。

總的來看，晶泰能夠把技術賣到歐美市場，本身就說明其模型能力、工程能力和交付能力，已經達到了國際一線水準。

而當一家中國AI公司，開始在全球頭部客戶體系中穩定交付時，它的意義就不再只是“出海成功”，而是進入了全球產業分工體系。

/ 04 /

當價值的錨轉向結果兌現

回到資本市場，作為一家率先實現盈利的AI應用公司，我們該如何理解晶泰的價值？

如果把視角拉到更廣的行業層面，你會發現，晶泰所代表的，并不是一個孤立的公司，而是一種正在成形的范式——即Physical AI的興起。

過去十年，人工智能主要停留于數字世界——理解語言、生成內容、分析數據；而下一階段，AI不再停留在數字世界，而是進入物理世界，直接參與研發生產，實時做出分析糾錯和決策，并對結果負責。

盡管這一領域的公司，目前大多仍停留在“范式驗證”的樣板機或早期融資的PPT階段，但仍然獲得了投資人的高度看好。

比如，去年年底，美國馬薩諸塞州劍橋的初創公司Lila Sciences完成了3.5億美元A輪融資，總融資額達到5.5億美元，估值突破13億美元，正式躋身獨角獸。

其背后的投資方，包括英偉達、Flagship Pioneering、ARK Venture Fund以及阿布扎比投資局（ADIA）等一線機構。

Lila所講的故事并不復雜，用AI+自動化實驗室，構建“預測—實驗—反饋—再優化”的閉環，讓AI真正參與科學發現過程。

在其設想的“AI科學工廠”中，人類研究員與軟件系統協同開展自動化研究，并將實驗結果持續反饋給模型，從而實現自我進化。這是一個典型的Physical AI敘事。

問題在于，Lila成立時間尚短，并沒有晶泰科技這樣豐富的技術與產業布局，產品仍未規?；涞兀虡I路徑也仍處在驗證階段。換句話說，資本為其支付的，并不是已經發生的現金流，而是對未來范式的預期。

但即便如此，投資人依然愿意給出高估值，本身就說明一件事：AI for Science這個賽道，并不缺想象力。

在這個定價框架下，再回頭看晶泰，位置就變得非常清晰。

成立近10年，已經實現年度盈利，覆蓋全球TOP20藥企中的17家，用8.03億元收入和2.58億元利潤，證明了商業閉環的存在。一個還在打磨技術，一個已經開始兌現結果。

而當這兩類公司同時出現在市場中時，估值邏輯就會發生切換：

一開始，市場為“敘事”付費，但當真正能兌現商業回報的公司出現時，估值邏輯會迅速從“押注敘事”轉向“押注結果”。也就是，投資人常說的押注確定性。

也正是在這個意義上，晶泰的價值，不只是財務意義上的盈利。

更重要的是，它把一條原本停留在敘事層面的路徑，變成了一條已經被驗證的商業路徑。

當行業還在討論“AI能否改變科研”時，晶泰已經在用收入、利潤和客戶結構，回答“AI如何在科研中賺錢”。

AI for Science的終局不僅是“更聰明”，還有“更能干”。同樣的平臺與底層能力可以規模化復用到更多的項目中，并且以更少的時間、團隊、成本，完成更多的研發任務。

而一旦“結果交付”成為新的定價錨點，那些能夠持續進入真實產業流程、穩定產生現金流的公司，就會被重新估值。

晶泰，恰好站在這個拐點上。

文/林白

PS：如果你也在尋找投資AI資產的機會，歡迎掃碼加入我們的交流群。