英矽智能（03696.HK）2026年中期管理层讨论与分析

证券之星消息，近期英矽智能（03696.HK）发布2026年中期财务报告，报告中的管理层讨论与分析如下：

业务回顾：

Pharma.AI平台
      Pharma.AI是一个AI驱动的药物发现及开发平台,提供包括新靶点识别到小分子生成及临床结果预测的端到端服务。Pharma.AI由Biology42、Chemistry42、Medicine42及Science42组成,旨在覆盖整个药物发现和开发过程。Pharma.AI能够识别新的药物靶点,针对新型及既定的靶点从头设计分子,并优化候选药物的临床开发,并简化起草学术论文及其他相关文件的流程。
      Pharma.AI的与众不同之处在于其与我们的生物团队及化学团队全面整合,实现实时反馈循环,从而增强平台的学习及表现。该平台接收来自我们的管线开发进度及战略合作的数据输入,产生飞轮效应,可增强其机器学习能力并推动我们持续改进端到端能力。
      于2026年上半年,Pharma.AI平台持续升级,巩固其作为药物发现领域领先的端到端生成式AI引擎的地位,并于Biology42、Chemistry42及Science42领域实现突破性进展。于本期间,我们积极开拓AI智能体,加速布局我们迈向制药超级智能的愿景。
      Biology42:Biology42在靶点发现及生成式蛋白质设计方面取得重大进展。我们用于疾病靶点及生物标志物发现的AI平台PandaOmics,于2026年上半年进一步提升靶点识别的精准度及自动化程度。在组学研究领域,PandaOmics已由整体组织转向单细胞分辨率,支持超过100项适应症的逾1,400个单细胞数据集,使研究人员能够在细胞类型层面识别差异表达基因。我们的新AI智能体PandaClaw为一款配备九项专业生物信息学技能的对话式AI智能体,旨在以即时、语境丰富的生物学洞察取代人工数据整理。最新版本亦透过推
      出靶点评估报告加强早期药物发现,该等报告综合遗传学、结构、专利、安全性及竞争洞察。在此基础上,TargetClaw应用机器学习,将已获临床验证靶点及创新靶点进行排序,以形成优先级分类,而LongevityLobster则将发现流程延伸至疾病及衰老生物学。同时,扩展后的SignaturesModule将转录组特征与遗传证据、调节因子及药物-基因相互作用建立关联。此外,GenerativeBiologics推出全新环肽设计流程,支持首尾环化及二硫键交联结构。我们亦进一步升级GenerativeBiologics平台,透过三项关键改进(包括BatchMDFlow、交互式优化工作区及共折叠评分函数),推动生物制剂设计由经验反复试验转变为可预测,理性的工程化生态系统。
      Chemistry42及Nach01:Nach01透过MMAIGym训练发展为Nach01MMAI,支持通过提示词进行多目标三维分子优化,涵盖ADMET、蛋白质-配体相互作用(PLI)及口袋占据度。该模型基于1,400万组分子配对及100万个配体-蛋白质环境进行训练,其性能较过往模型提升5倍。在GenerativeChemistry领域,主要改进包括多构象对接、动态基于SMILES任意目标规范(SMARTS)的离子化,以及更灵活的结构数据文件导出选项。基于结构的应用程序现支援原生.mmcif转换及直接PDB云端镜像,从而降低数据处理的复杂程度。Alchemistry新增三种透明自由能估算模式,而MDFlow则以更真实的锌配位建模提升金属蛋白质模拟。Profiling模组亦透过新增67个模型,并在所有模型中新增置信度及不确定性指标,进一步扩展其预测能力。于2026年第二季度,我们推出Chemistry42+,一款基于模型上下文协议(MCP)的AI协调器,可将自然语言指令转化为自动化计算化学工作流程。该工具可原生使用或透过第三方工具(包括Cursor、VSCode及ClaudeCode)使用,支持数据集标准化、构效关系(SAR)分析、活性悬崖检测及蛋白质-配体质子化等任务,使Chemistry42成为交互式科学助手。
      Science42:该平台具有DORA(研究撰写助手)功能,是一款先进的AI驱动工具,旨在简化起草学术论文及其他相关文件的过程。
      制药超级智能前沿(PSI前沿)
      我们正引领传统Pharma.AI平台向统一智能体生态系统的转型,重新定义制药超级智能的新范式。为充分释放SOTA前沿基础模型的潜力,我们开发ScienceMMAIGym(多模型AI训练环境),这是一个专为药物发现及开发设计的特定领域的AI训练环境,旨在系统性调适基础模型。我们采用结构化的训练计划,结合专有科学数据集、多模态任务、微调、强化学习及严格的基准测试,以提升模型的化学、生物学及临床推理能力。MMAIGym涵盖多样化的基准任务,横跨药物发现、生物学、化学及更广泛的科学领域。2026年4月,英矽智能推出以三大旗舰类别架构的基准排行榜门户:ScienceAIBench、DrugDiscoveryBenchmark及InsilicoBench。随后于2026年7月,英矽智能推出业界首创的药物发现及开发(DDD)基准测试服务(BaaS)。
      MMAIGym近期一项成果为LFM2-2.6B-MMAI的开发,为由英矽智能与LiquidAI就端到端药物发现而共同训练的轻量级液态基础模型(LFM)。在逆合成上,该模型透过领域特定监督微调及于化学推理数据集上进行强化学习训练,使其能够生成具化学可行性的合成路径,而非依赖精确反应记忆。尽管该模型仅包含26亿个参数,经MMAI训练模型于逆合成及其他分子推理基准测试中仍取得最佳(SOTA)或具竞争力表现,且与原模型相比,在选定化学任务中,其性能提升最高达一个数量级。这些结果表明,通过面向药物研发领域的多模态训练,可以在维持模型紧凑且易于部署的前提下,显着增强逆合成路线规划能力,使其能够满足制药企业本地化研发环境对性能与部署效率的需求。此外,我们推出LFM2-24B-InsilicoMMAI-Chem-MT,一款集成多任务模型,于78项药物设计任务中提升性能,并达到或超越多个SOTA领域专业模型,同时优于通用基础模型。
      我们亦正在开发经过验证的Pharma.AI工具,以构建一个与基础模型相容的自主智能体层。PandaOmics、Chemistry42及GenerativeBiologics等平台的标准化功能以MCP形式开放。Skills将经过验证的程序封装为可重复使用的工作流程,而智能体则负责协调该等组件,以完成复杂的药物发现任务。三者相辅相成,使基础模型能够调用、组合及协调经实证的科学引擎。
      LongevityAI
      基于PreciousGPT系列(包括Precious1GPT、Precious2GPT及Precious3GPT)所建立的生物数据与多组学条件生成基础,英矽智能推出业界首个以生物年龄为核心条件的多智能体虚拟衰老细胞(VAC)平台。该平台采用多智能体AI架构,能在分子、细胞内、细胞间、组织、器官及个体╱群体六个生物学尺度上开展协同推理。其旨在动态模拟细胞分化、重编程与衰老过程,为靶点识别、细胞命运干预、新型药物发现及抗衰老研究提供强大的算力支持。
      管线开发
      凭藉我们的生成式AI平台,我们已开发出一系列丰富的管线,涵盖纤维化、肿瘤学、免疫学、代谢、抗疼痛及其他治疗领域。我们选择该等疾病领域的原因是彼等有巨大未满足的医疗需求及大量可用的患者组学数据,使我们能够充分利用Pharma.AI识别潜在的创新靶点并迅速推进新候选药物至IND申请阶段。

业务展望：

在2026年上半年持续保持发展势头后,我们以三大核心支柱为中心的明确战略路线图踏入2026年下半年:(i)业务发展;(ii)临床执行;及(iii)AI平台商业化。
      –业务发展:我们将凭藉年初强劲的交易落地节奏,继续与全球及国内合作伙伴订立对外授权及合作协议。同时,我们预期将持续收取来自对外授权及合作项目的里程碑付款,从而使我们的收益来源多元化并得以加强。
      –临床执行:我们计划在中国持续推进ISM001-055╱Rentosertib用于治疗IPF的III期临床试验,预计于2026年完成首例患者入组。针对ISM6331(Pan-TEAD),我们预计将于2026年欧洲肿瘤内科学会大会上以快速口头报告形式公布其I期数据,随后于2026年完成其I期第一部分(剂量递增)入组。我们亦预期ISM3412(MAT2A)的I期第一部分(剂量递增)入组将于2026年完成。我们将于2026年继续提名新的PCC,以补充我们现有的管线。
      –AI平台商业化:透过利用我们首创的会员制训练及基准测试环境-ScienceMMAIGym,我们旨在与前沿基础模型达成更多合作,以及扩大现有合作。

以上内容为证券之星据公开信息整理，仅供参考不构成投资建议。