国金证券发布研报称，农药原药分为创制药和仿制药两类，少数拥有创制能力的跨国巨头掌握关键专利及产业链高附加值环节。农药行业可以借鉴医药行业从仿制向创制转型的成功经验，特别是在AI辅助分子设计、高通量筛选等方面，通过引入先进理念和成熟机制，加速农药研发的效率与创新水平。搭建农药创新药研发平台，实现从靶标发现到候选分子筛选、优化与评估的全流程智能化。

　　农药分为创新药和仿制药，少数拥有创新能力的跨国巨头掌握着产业链高附加值环节

　　农药是用于防治农林业病虫害以及调节植物生长的各种物质，按照防治对象的不同，主要分为除草剂、杀虫剂、杀菌剂、植物生长调节剂等。农药原药分为创制药和仿制药两类，少数拥有创制能力的跨国巨头掌握关键专利及产业链高附加值环节，技术壁垒在短期内难以被完全跨越;新兴市场企业则正通过“联合创制”、并购技术平台等方式逐步切入这一高端领域。2024年富美实、CORTEVA、拜尔、巴斯夫研发研发费用合计99.5亿元，较2016年上涨21.67%，平均研发费用增速为3.13%。

　　农药和医药尽管应用领域有所不同，但其底层逻辑与技术框架具有高度相似性，二者均包括仿制药与创制药的开发路径，其核心流程均涉及活性分子的筛选、靶点识别、结构优化与安全性评价等关键技术环节。从产业规模来看，中国医药行业年研发投入已达约1300亿元，反映出医药行业在研发体系构建、平台搭建、产业协同等方面更为成熟。因此，农药行业可以借鉴医药行业从仿制向创制转型的成功经验，特别是在AI辅助分子设计、高通量筛选等方面，通过引入先进理念和成熟机制，加速农药研发的效率与创新水平。

　　搭建农药创新药研发平台的底层逻辑在于构建一个以数据为驱动、模型为支撑、算法为引擎的系统，实现从靶标发现到候选分子筛选、优化与评估的全流程智能化。在构建模型方面，Kruger等人(2023)提出了一个基于机器学习判断化合物是否具有杀虫活性的典型数据筛选案例，其通过构建杀虫剂与非杀虫剂样本的数据集，训练机器学习模型以识别潜在杀虫剂分子，并依据特征数据进行性能评估。在优化模型方面，Chen等(2023)提出Pesti-DGI-Net深度学习结构，该架构通过多模态机器学习手段优化农药识别模型。考虑到当前许多成熟的机器学习模型辅助药物研发工具主要针对药品单一属性，构建综合性工具平台是AI辅助农药创新药研发较为实用的解决方案。例如，PDAI平台(Pesticide Designbasedon Artificial Intelligence)就是一个专门为农药分子设计量身打造的综合性开发平台，通过整合多种技术模块，覆盖从靶点识别到候选物筛选等多个关键研发阶段，为农药研发提供一站式服务。