AI医疗概念升温：AI赋能医药研发，主题基金涨幅超20%

在AI繁荣的情况下，AI医疗护理的概念也在加热。 AI在药物领域的应用方案正在扩大，并且备受期待的AI增强创新药物的影响。

除了授权AI外，低估和资本流入等因素也导致了制药部门的兴起，许多主题基金也实现了净值的反弹。自今年年初以来，许多主题基金增长了20％以上。

展望未来，行业内部人士认为，随着AI赋权的加深，制药行业有望引入新的开发机会。具体来说，几家领先的制药公司最近宣布使用AI模型，国内政策支持也为AI医疗服务的商业化提供了强大的保证。

预计“ AI授权”将推动药品领域恢复，今年许多主题资金上升了20％以上

随着AI的流行，预计AI在药物领域的应用方案将扩大，并且预计AI还将在创新的药物研发领域中发挥作用。这些期望驱动了药物领域的兴起。

截至3月6日，CSI香港创新药物指数今年增长了18.45％，上海证券交易所科学和技术创新委员会创新药物指数今年上涨了20.75％，今年CSI医疗指数上涨了7.97％。

随着药品行业的上升，许多以药品为主题的基金也实现了净值。

数据表明，截至3月6日，总共九项资金，包括Ping Pharmaceutical Seption股票A，Ping A ping Chix Cixed A，Golden Eagle Medical Health股票A和Fuguo Hang Seng Hong Hong Hong Hong股票Connect Connect Connect Connect Connect Connect Poctect ETF今年的回报率超过20％。其中，PING PHARMACEUTICAL SEVETICE A股票的年收益高达23.61％。

还值得注意的是，在以上9％的资金超过20％的基金中，有7个是主动管理的股票基金，只有2个是被动资金。可以看出，随着制药部门的市场状况有所改善，主动管理的超额回报是显而易见的。

估值维修和资本流入共同推动药品行业上升

在分析制药部门最近增加的原因时，行业内部人士指出，除了AI医学概念的驱动力外，低估和资本流入也是药物最近增加的重要原因。

Golden Eagle Fund分析了，一方面，制药部门经历了多年的衰落，历史低谷，并且具有很高的成本效益。另一方面，制药部门的机构持有量处于历史悠久的低位，并且有大量分配空间。随着市场对制药行业康复的信心，预计资本流入将进一步恢复行业估值。

Fu Fargo还指出，从资本的角度来看，积极股权基金对药品和生物学的分配系数连续两个季度下降了，而2024Q4的分配系数在过去十年中已达到13.6％的历史低点。最近，在AI医疗保健的驱动下，制药部门恢复了，但估值水平仍低于40％的季度。在AI授权，政策利润率的提高和创新的背景下，制药部门在2025年仍然具有潜在的投资机会。

您如何查看AI医疗投资机会？

展望未来，行业内部人士认为，随着AI赋权的加深，制药行业有望引入新的开发机会。

Fuguo Fund指出，从技术角度来看，国内AI领域的突破进步进一步刺激了在医疗领域使用AI的巨大潜力。在DeepSeek发行了V3和R1模型，其优势是开源，低成本和高性能的优势之后，许多领先的制药公司正式宣布了他们进入DeepSeek的访问。

此外，从政策的角度来看，Fuguo Fund指出，早在去年11月，国家卫生委员会和其他三个部门共同发布了“人工智能在卫生和卫生行业中的应用方案的参考指南”，以及人工智能在卫生和卫生行业中的应用在诸如医疗服务等医疗服务中的卫生和卫生行业中的应用。

从公司布局的角度来看，Fuguo Fund分析了国内技术巨头和制药公司在AI医疗轨道上增加了投资。例如，最近，上海鲁伊因医院和华为技术有限公司，共同发布了世界上第一个多模式模型在病理学领域 - 鲁伊兹的病理模型鲁帕斯（Ruipath），该模型鲁帕斯（Ruipath）促进了对智力和效率的病理诊断，并再次促进了AI医疗概念。

Golden Eagle Fund还认为，随着AI技术的进一步渗透和政策的持续支持，预计制药行业将在今年带来新的开发机会。同时，随着国内医疗支持的国内政策不断增加，它为行业的商业化过程提供了强大的保证。

Golden Eagle基金还分析了一方面，AI技术已大大提高了制药公司的研发效率和创新能力，并且也可以在临床方案中广泛使用。特别是，AI医疗保健的核心竞争力在于“算法 +数据 +临床方案”的闭环护城河。随着技术的持续成熟和数据资源的积累，AI医疗护理有望从概念转变为实际应用，并促进医疗行业的全面变化。目前，在药物研究和开发中取得了重大进展，赋予基因测序，赋予医学诊断能力和其他应用。

但是，在特定的应用程序方案中实施AI医疗护理还有待观察。 Golden Eagle Fund提醒人们，在技术和数据的深入整合过程中，还需要克服一些问题。尽管AI技术在实验室环境中的表现良好，但在实施实际医疗方案（例如模型泛化功能和较长的临床验证周期）方面，它仍然面临挑战。