AI 相关业务深度拆解

薛定谔 的 AI 相关性不是泛化标签，而是“AI药物发现与材料模拟软件”这个节点的产业函数。AI 需求通过产品使用时长、订阅转化、席位扩张、企业流程嵌入和自动化 ROI 传导。真正的产业判断不是“有 AI 功能”，而是 AI 是否提高留存、ARPU、净收入留存、销售效率或客户工作流锁定。 因此，本文把 AI 暴露定义为 proxy：来自产品导入、客户使用、数据中心负荷、先进制造需求、模型/软件功能或高可靠任务增长的间接暴露；除非公司披露 AI 收入，否则不把全集团收入写成 AI 收入。12

拆解维度	本文判断	证据状态
真实卡位	AI 应用与软件平台；公司层级为 AI药物发现与材料模拟软件	company-rich identity 与 chain_position
单平台价值量	单位经济可拆为用户/席位数、付费率、ARPU、续费率、毛利率和模型推理成本。公司若未披露 AI 产品收入，本文只把 AI 功能视为增长 proxy，不把全量收入标成 AI 收入。	未披露具体单平台金额时只做公式拆解
天花板	天花板取决于可服务用户规模、企业预算、平台分发权、数据闭环和模型成本下降速度。若 AI 功能只是免费附赠，收入天花板会低于产品叙事；若能形成高阶订阅或企业自动化预算，利润率才有结构性改善。	行业结构判断，需要逐季验证
替代风险	替代风险来自平台巨头捆绑、开源模型/开源软件、客户内部自动化团队、基础模型厂商直接进入应用层，以及宏观 IT 预算收缩。	reverse_thesis 与竞品格局
财务验证	FY2025 FY 收入 US$255.9M（SEC XBRL companyfacts）；毛利率 GM 55.7%（FY2025 FY）；营业利润率 OPM -65.2%（FY2025 FY）；自由现金流 FCF US$12.5M（FY2025 FY）	company-rich 财务锚点

产品与 AI 的关系要逐条看。Maestro 的收入逻辑是软件授权、企业订阅和研究团队席位，状态为核心平台入口，连接建模、模拟、药物设计和材料工作流；LiveDesign 的收入逻辑是企业级协作软件订阅与研发流程嵌入，状态为用于项目团队共享设计、实验数据和决策记录，提升客户黏性；FEP+ 的收入逻辑是高价值计算模块授权和算力相关使用需求，状态为用于预测结合亲和力，是公司差异化计算化学能力的重要代表；Glide 的收入逻辑是药物发现软件模块授权，状态为支撑小分子筛选、先导化合物发现和结构基础设计；Materials Science Suite 的收入逻辑是面向材料、化学品和电子材料客户的软件授权，状态为把分子模拟能力扩展到药物以外的先进材料研发场景；Drug Discovery Collaborations 的收入逻辑是合作研究费、潜在里程碑、授权和资产权益，状态为增强平台验证，但回报更依赖研发周期和项目成功率。其中真正值得给更高权重的，是能提高客户系统性能、降低客户总成本、缩短开发周期、提升合规可靠性或形成续费/复购的数据闭环的部分。若某条产品线只是搭上 AI 叙事，但没有客户导入、利润率或现金流验证，估值权重应保守。1

供应链情景如下：

环节	依赖	上行情景	下行情景
高性能算力	GPU、云计算、并行计算软件栈和企业级部署环境。	GPU与云资源更易获得且单位成本下降，更多客户把分子模拟和AI模型训练迁移到规模化计算平台。	算力成本上升、客户IT预算收紧或数据安全审批变慢，导致软件扩容和云端工作流部署推迟。
结构与实验数据	蛋白结构、分子性质、活性实验、临床前实验和客户私有数据。	结构生物学和高通量实验数据持续增加，客户更愿意把数据接入计算平台形成闭环。	关键靶点数据稀缺、实验标签噪声高或数据孤岛严重，模型外推能力和客户ROI难以证明。
计算化学软件订阅	药企席位授权、企业部署、研发流程嵌入和专业用户培训。	药企把计算化学从专家工具升级为团队级平台，续约、扩席和模块交叉销售同步改善。	客户整合供应商、自研替代或削减早研预算，导致新增席位和高阶模块销售放缓。
药物发现合作	靶点选择、候选物设计、合作方实验验证和里程碑安排。	合作项目出现可重复的临床前或临床进展，平台价值从工具费扩展到项目收益分成。	项目验证失败或合作方终止研发，市场重新质疑计算平台对真实管线成功率的贡献。
自营研发管线	内部研发能力、外部CRO、资本投入、监管路径和授权交易窗口。	自营项目获得积极数据或对外授权，证明软件平台能转化为资产发现能力。	管线试验失败、开发成本上升或授权市场冷却，软件业务被研发投入波动拖累估值叙事。
企业合规与集成	药企IT、安全审计、LIMS/ELN接口和研发数据治理。	平台能顺利接入客户研发系统，成为标准工作流的一部分并提高迁移成本。	集成周期过长、合规要求提高或客户偏好封闭内部平台，商业落地速度低于预期。

AI 业务的季度桥不应只看收入。更完整的桥接为：

AI proxy(t)
 = 上期 AI proxy
 + 新客户/新平台导入
 + 存量客户扩容、续费、负荷提升或设备复购
 + 产品 mix、价格或利用率改善
 - 客户自研、平台捆绑、价格下行、监管延迟、成本上升
 - 新产能/新产品爬坡和一次性费用

天花板与替代风险需要同时写。若 薛定谔 能在客户关键流程中保持不可替代性，AI proxy 会体现为更强的订单、续费、利用率或毛利率；若客户把需求转向内部方案、平台巨头组合、低价竞品或其他技术路线，公司的 AI 暴露会被压缩。真正的反证不是股价波动，而是产品导入、客户预算、监管许可、毛利率或现金流连续走弱。126

产业链位置

company-rich 对 薛定谔 的产业链问题定义为：薛定谔在AI产业链依赖谁、被谁依赖、和谁竞争？。本文按上游、下游和竞品三层展开，并保持与 company-rich 的 chain_position 一致。1

上游：

节点	角色
NVIDIA	GPU与加速计算生态为大规模分子模拟、模型训练和推理提供算力基础。
Amazon Web Services	云计算与高性能计算实例承载药企客户的弹性计算和协作部署。
Cambridge Crystallographic Data Centre	晶体结构与化学数据资源支撑分子构象、配体设计和材料模拟的验证。
CAS	化学文献、结构与反应知识库为研发人员提供先验知识和可检索化学空间。

下游：

节点	角色
Novartis	大型药企客户与合作方，使用计算平台提升小分子设计、筛选和项目决策效率。
Bristol Myers Squibb	创新药研发客户，代表高端制药企业对分子建模和药物发现软件的需求。
Thermo Fisher Scientific	生命科学工具链参与者，下游实验验证、分析仪器和研发流程与计算设计形成闭环。
Merck KGaA	生命科学与材料客户群代表，计算化学和材料模拟可服务药物、电子化学品与先进材料研发。

竞品：

节点	角色
Dassault Systemes BIOVIA	科学建模、实验室信息化和材料模拟平台竞争者。
Certara	药物研发建模、临床药理和监管科学软件竞争者。
Recursion	AI药物发现平台公司，在数据驱动发现和药物管线价值叙事上竞争。
Exscientia	AI小分子设计与药物发现公司，在AI原生药物研发客户预算上竞争。

产业链位置可以用下面的文本图表示：

上游技术、设备、能源、模型、材料、分发或监管资源
  -> 薛定谔：AI药物发现与材料模拟软件
  -> 下游客户的 AI、自动化、数据中心、企业软件、高可靠系统或终端应用
  -> 财务体现为收入、毛利率、OPM、CFO、FCF 和资本回收周期

关键判断是，薛定谔 既不是全产业链需求的直接镜像，也不是完全脱离 AI 的传统公司。它处在一个有传导损耗的中间位置：上游成本、供应能力、模型/设备/燃料/资本成本会影响交付；下游客户预算、产品认证、监管和替代方案会影响收入；竞争对手的捆绑销售、价格策略或技术路线会影响毛利率。机构研究需要把这三层同时放进模型，而不是只截取最乐观的一层。12

与 company-rich 一致，本文不把上下游名单写成确定客户收入。它们是产业依赖和竞争边界。对后续跟踪，优先级是：第一，观察下游是否真正增加订单、负荷、席位、项目或平台导入；第二，观察上游成本和供给是否稳定；第三，观察竞品是否通过价格、捆绑或技术路线削弱公司的议价能力。126

竞争格局与市场份额

竞争格局必须分层。薛定谔 的直接竞争不是所有“AI 公司”，而是能替代其产品、资产、软件、服务或客户预算的同类供应商。company-rich 的同业定位如下：

公司	定位	与本文标的差异
薛定谔	物理模拟和计算化学起家的药物与材料研发平台。	优势在经过多年科研验证的分子模拟内核与药企工作流嵌入，AI更多是增强物理建模而非纯黑箱。
Dassault Systemes BIOVIA	大型科学研发软件和实验室信息化平台。	企业平台覆盖更宽，适合集团级标准化采购；薛定谔在高精度小分子模拟深度上更聚焦。
Certara	药物开发、临床药理、建模仿真和监管科学软件。	更靠近临床开发和监管提交；薛定谔更靠近早期发现和分子设计。
Recursion	以大规模生物实验数据和自动化平台驱动的AI药物发现公司。	数据工厂和管线资产叙事更强；薛定谔的软件商业化属性更清晰。
Exscientia	AI原生小分子发现平台与合作研发公司。	更强调端到端AI设计和管线合作；薛定谔更强调可解释物理模型与客户自用软件。

市场份额处理原则：如果 company-rich 没有披露份额，本文不写具体份额。对 薛定谔 这种“AI药物发现与材料模拟软件”公司，份额至少有三种口径：收入份额、关键客户份额和关键场景份额。收入份额容易被非 AI 业务稀释；关键客户份额通常不披露；关键场景份额又容易被行业估算夸大。因此，本文只做结构性判断：谁是真对手、竞争发生在哪个预算池、哪些指标能证明份额变化。12

真正的对手分四类。第一类是同产品或同资产公司，它们争夺同一客户预算和同一交付窗口；第二类是平台型公司，通过全栈产品、生态、渠道或资本实力把单点产品纳入更大方案；第三类是客户自研或内部替代，尤其在 AI 芯片、软件自动化、电力采购和高可靠系统中常见；第四类是技术路线替代，例如架构变化、云平台集成、监管规则变化或自动化方案变更。12

竞争态势判断：若行业需求上行但 薛定谔 的毛利率、OPM 或 FCF 没有改善，说明竞争把增量价值转移给客户或上游；若收入增长伴随利润率改善，说明公司不仅参与了需求，还保留了价值；若收入不增长但利润率改善，可能是成本改善、业务收缩或 mix 优化，不能直接外推为高成长。对小体量、项目型或周期型公司，订单和现金流往往比营收同比更领先。16

同业比较的核心不是谁更“AI”，而是谁在客户决策中更难被替代。薛定谔 的定位是物理模拟和计算化学起家的药物与材料研发平台，差异点是优势在经过多年科研验证的分子模拟内核与药企工作流嵌入，AI更多是增强物理建模而非纯黑箱；Dassault Systemes BIOVIA 的定位是大型科学研发软件和实验室信息化平台，差异点是企业平台覆盖更宽，适合集团级标准化采购；薛定谔在高精度小分子模拟深度上更聚焦；Certara 的定位是药物开发、临床药理、建模仿真和监管科学软件，差异点是更靠近临床开发和监管提交；薛定谔更靠近早期发现和分子设计；Recursion 的定位是以大规模生物实验数据和自动化平台驱动的AI药物发现公司，差异点是数据工厂和管线资产叙事更强；薛定谔的软件商业化属性更清晰；Exscientia 的定位是AI原生小分子发现平台与合作研发公司，差异点是更强调端到端AI设计和管线合作；薛定谔更强调可解释物理模型与客户自用软件。如果未来公开披露显示竞品在核心客户、核心平台或核心监管框架中获得更强地位，本文对 薛定谔 的护城河判断需要下修。12

护城河

1. 技术或资产护城河：薛定谔 的第一层护城河来自“AI药物发现与材料模拟软件”本身。AI 需求通过产品使用时长、订阅转化、席位扩张、企业流程嵌入和自动化 ROI 传导。真正的产业判断不是“有 AI 功能”，而是 AI 是否提高留存、ARPU、净收入留存、销售效率或客户工作流锁定。 证据不是口号，而是产品线、客户导入、合规/认证、季度桥和利润率。若产品不能进入关键流程，技术叙事就只是营销语言；若进入关键流程后仍无法提高毛利率或续费/复购，说明议价权有限。12

2. 规模与交付护城河：当前关键 KPI 为 FY2025 FY 收入 US$255.9M（SEC XBRL companyfacts）；毛利率 GM 55.7%（FY2025 FY）；营业利润率 OPM -65.2%（FY2025 FY）；自由现金流 FCF US$12.5M（FY2025 FY）。规模的意义在于采购、研发、客户支持、融资、合规或项目交付能力，但规模本身不保证高回报。对电力、公用事业和硬件公司，规模可能伴随 capex 和负债；对软件公司，规模应体现为销售效率和经营杠杆；对小型机器人、空间或半导体设备公司，规模不足会放大订单波动。16

3. 客户认证与切换成本：下游包括 Novartis、Bristol Myers Squibb、Thermo Fisher Scientific、Merck KGaA。客户一旦把供应商放进关键流程，短期切换成本通常较高；但这不等于永久绑定。客户会在价格、可靠性、路线图、监管风险和第二供应商之间持续权衡。若后续出现客户集中度过高、项目延期或二供导入，护城河需要重新评分。12

4. 数据、流程或生态护城河：对软件和 AI 应用公司，数据闭环、工作流嵌入和用户习惯是核心；对半导体/IP/设备公司，设计导入、工艺 know-how、验证流程和售后服务是核心；对电力公司，稀缺资产、并网位置、监管关系和长期合同是核心；对机器人、航天或防务公司，安全认证、任务经验和系统工程能力是核心。薛定谔 的护城河应按其节点评估，不能套用单一互联网平台框架。12

5. 成本与资本护城河：成本结构以研发、云基础设施、模型调用、销售营销和客户成功为核心。高毛利不等于高经营利润，关键要看研发与销售费用率能否随规模摊薄。 若成本下降或固定成本摊薄能与收入增长同步，利润率会改善；若新增收入依赖更高营销、更高模型调用、更高制造外包、更高燃料/购电或更高 capex，收入增长可能稀释 ROIC。公司当前财务质量检查如下：FY2025 FY 毛利率 55.7%，毛利 US$142.6M；FY2025 FY 营业利润率 -65.2%，营业利润 -US$166.9M；FY2025 FY 净利率 -40.4%，净利润 -US$103.3M；FY2025 FY FCF US$12.5M。16

6. 反脆弱性：真正强的公司能承受单一客户推迟、单一产品降价或单一监管窗口变化。本文会观察 薛定谔 是否拥有多产品、多客户、多区域或多收入模式缓冲。若 company-rich 显示产品线很窄、FCF 为负、OPM 深度亏损或客户/监管集中，护城河评分应降低，即使 AI 叙事很强。16

护城河总结：薛定谔 的优势必须落在可验证证据上：产品线是否被客户采用，季度桥是否改善，竞争对手是否难以复制，成本结构是否随规模改善，反证信号是否没有出现。只要其中任一环节被公开数据推翻，本文就应更新，而不是用更远期的 TAM 掩盖短期证据。126

误读纠偏 / 风险与证伪

误读纠偏

误读一：只要属于 AI 产业链，收入就会自动跟随 AI capex。实际：薛定谔 的传导链条包括客户预算、产品导入、交付、价格、成本和现金回收。AI capex 是必要条件，不是充分条件。12

误读二：产品名称出现 AI，就能把全集团收入按 AI 倍数估值。实际：company-rich 没有披露的 AI 收入不能被外部估算替代。本文只使用 AI proxy，并在估值判断中要求毛利率、OPM、CFO 或 FCF 共同验证。16

误读三：收入增长越快越好。实际：如果收入增长伴随 OPM 下滑、FCF 恶化、存货或应收上升、capex 加速或监管回收不确定，增长质量可能下降。16

误读四：上游/下游名单等于确定客户关系或收入占比。实际：company-rich 的 chain_position 是产业依赖图，不是客户集中度附注。除非财报披露，本文不写具体客户占比。12

风险与证伪

1. 公司连续多个报告期披露软件客户续约、净留存或大客户扩展显著走弱，且管理层把原因归因于结构性需求不足而非短期预算节奏。12
2. 头部药企公开减少计算化学平台采购，转向自研或开源方案，并明确降低对外部商业软件的依赖。12
3. 核心药物发现合作项目被合作方集中终止，且终止原因指向平台设计分子的可开发性或实验转化问题。12
4. 自营管线频繁失败并迫使公司大幅削减软件研发投入，说明管线投入开始侵蚀平台竞争力。12
5. 主要竞争对手在企业药企标准化采购中持续替代薛定谔，公开客户迁移案例增多。12
6. 公司披露AI/物理建模产品路线无法满足客户对速度、精度或合规部署的要求，导致新产品商业化延后。12

补证清单

待补证数据	为什么重要	当前处理方式
AI 收入或 AI proxy 明细	决定是否能单独给 AI 业务更高权重	未披露则只做 proxy，不写确定金额
客户集中度/单一项目占比	判断收入韧性和议价权	用下游类型替代，不写客户金额
订单、backlog、RPO、容量合同或续费率	比收入更早反映需求	只引用 company-rich 已有字段
毛利率、OPM、CFO、FCF 连续性	验证增长质量	使用季度桥和 financial_quality
竞品 win/loss 与客户自研信号	判断护城河是否被削弱	纳入 reverse_thesis
资本开支、负债和监管回收	判断 ROIC 与现金流	company-rich 未披露时标记待核实

Caveats

• 公司软件与药物发现项目收入性质不同，分析时不能把一次性合作款等同于可持续订阅收入。
• 计算平台对药物成功率的贡献难以单独归因，临床结果受靶点、实验、开发和监管多因素影响。

来源 footnotes

1 Schrodinger company-rich local dataset — 2026-06-23 — astro/src/data/company-rich/schrodinger.json（local） 2 公开年报/产业公开资料 — 2026-06-23 — https://schrodinger.com（public） 3 ARK日频 holdings via holdings.db — 2026-06-24 — https://ark-funds.com/（fund_holdings） 4 SEC Form 4 via holdings.db — 2026-06-24 — https://www.sec.gov/edgar/search/（official） 5 SEC 13F holdings via holdings.db — 2026-06-24 — https://www.sec.gov/edgar/search/（official） 6 SEC XBRL companyfacts via holdings.db — 2026-06-24 — https://data.sec.gov/（official）