AI 临床试验与 CRO 产业链重构研究

核心结论与产业链全景

本报告基于截至 2026 年 5 月 19 日 可获得的公开资料，优先使用公司年报/季报、投资者材料、监管文件、医学期刊与主流行业资料。一个先行结论是：AI 在临床开发里已经不是“有没有用”的问题，而是“价值到底落在哪一层”。目前最先兑现收入的，不是最性感的“全自动临床 AI”，而是那些直接嵌入试验工作流、能接入真实数据、可审计、可验证、可计费的模块：患者筛选、试验可行性、站点选择、数据采集与清洗、风险监查、RWD/RWE、药物警戒与部分文档自动化。监管也在同步推进：FDA 已持续公开 RWE 用于审评决策的案例，并在 2025 年发布了 AI 支持药械决策的相关指导框架；EMA 也推进了 AI 与 external controls 相关反思/指导文件。这意味着产业进入了“从工具试点转向监管与商业双验证”阶段。

• AI 临床试验在 AI 产业链中的位置：它更接近“高价值行业软件 + 医疗数据基础设施 + 监管科技”，不是泛模型层的简单下游；真正的利润池来自工作流控制权、数据访问权与合规能力，而不是一次性模型调用。
• 最先商业化的环节：患者可行性/招募、站点选择、EDC/eCOA/eTMF/CTMS 智能化、临床数据审阅、RWD/RWE、EHR-to-EDC、药物警戒自动化，已经产生明确产品与项目收入。
• 收入确定性最高的不是“AI 写方案”，而是“AI+数据+工作流”：Veeva 的订阅收入、Tempus 的 data and applications、TriNetX/Truveta/Flatiron/Aetion 的数据与证据服务、Medidata/Oracle/Medable/Curebase 的平台化收费，比纯“AI 咨询”更接近持续性收入。
• 仍偏概念或试点的环节：大规模 synthetic control arm、digital twin 主导的注册性研究、全自动 protocol/endpoint 生成、端到端 agentic trial copilot、自动生成监管申报主文件并直接规模化提交，这些大多仍处于早期验证或局部采用。
• AI 确实能缩短周期，但主要缩短的是“运营性时间”而非“生物学不确定性时间”。Syneos 在 Azure/Azure OpenAI 加持下把站点选择从“数月”缩短到 24–48 小时启动，2024 年站点激活时间下降 10%；Flatiron Clinical Pipe 在已发表研究与合作案例中将单个 CRF 的平均发起-完成-提交时间压缩到 37 秒；Medidata Clinical Data Studio 客户案例披露列表生成时间最高下降 90%、单轮数据审阅周期最高下降 80%；Medable 披露 eCOA 构建从数天缩短到 30 分钟。这些都说明 AI 能够减少行政摩擦和数据流转摩擦。
• AI 降低失败率的证据远弱于缩短运营周期的证据。真实世界里，失败率更大程度受靶点质量、分子属性、终点设置与医学假设影响；AI 目前对失败率的作用主要体现在更好的 protocol optimization、纳排标准校准、入组质量提升与中途风险预警，而不是显著改变药物本身的生物学成功概率。
• AI 对 CRO 的影响是双刃剑：对拥有数据资产、全球站点网络与软件平台的大型 CRO/平台商，短中期更像利润率增强器；对依赖 CRA 工时、医学写作工时、低附加值数据管理和传统患者招募的人力密集模式，则会压缩可计费工时与服务单价。
• 药企大概率不会把 AI 临床能力完全内化，也不会完全外包。最可能的结构是：药企自建数据/模型治理与决策层，外包执行层与外部数据层；也就是“内部 AI 中台 + 外部 CRO/数据平台/软件平台”的混合模式。TriNetX API、Truveta Live Link、Medidata/Oracle/Veeva/Flatiron/Deep6 这类能接入 sponsor workflows 的产品最符合这一趋势。
• 直接受益最清晰的上市公司：Veeva、IQVIA、Tempus AI、Medpace、Labcorp、Oracle；其共同点是至少占有一层关键控制点——软件工作流、RWD/RWE、EHR/实验室数据、患者发现网络或 CRO 执行能力。
• AI 原生挑战者正在切入传统 CRO 预算：Lindus Health 以“anti-CRO / ARO”定位和绩效定价切入，Deep 6 AI 被 Tempus 收购验证了 EHR 招募/匹配价值，Unlearn/QuantHealth 切设计与仿真，Medable/Curebase 切试验启动与执行。它们抢的不是传统 SaaS 的 IT 预算，而是 CRO 与临床开发 OPEX。
• 收入弹性最大的赛道：AI 患者招募、肿瘤与罕见病匹配、RWD/RWE 与 external controls、EHR-to-EDC、临床数据审阅与 RBQM、药物警戒自动化。
• 利润率最好的赛道：监管级 RWD/RWE 平台、临床软件订阅平台、工作流嵌入型数据连接、可复用的安全/编码/文档自动化引擎；而按项目逐案交付的 DCT 服务、纯招募代理与低端数据服务利润率更脆弱。
• 平台型核心位置：Veeva、Medidata、IQVIA、Oracle、Flatiron、TriNetX、Truveta、Tempus、Labcorp。谁控制 sponsor daily workflow、谁拥有 longitudinal data、谁具备 21 CFR Part 11/GxP/HIPAA/GDPR 级能力，谁更像终局平台。
• 估值较多反映 AI 预期的公司：Tempus、部分分子诊断 AI 叙事公司、以及若干 DCT/agentic clinical 平台；其中 Tempus 已有真实增长，但市场对其“临床 AI 平台”叙事给了相当高的远期想象。Veeva 估值不便宜，但它的订阅收入、利润率与平台地位也最扎实。
• 仍可能存在预期差的公司：IQVIA、Labcorp、Medpace、部分中国临床数字化平台。原因不是叙事更强，而是它们更可能把 AI 兑现为更高 win rate、更高 attach rate、更低交付成本和更强客户黏性，但这部分在财报中往往被埋在“Tech + Services”或综合服务里，没有单独被市场充分定价。
• 未来 12–24 个月最大催化剂：FDA/EMA 对 AI 支持决策与 external controls 的指导继续落地；更多 RWE supporting approvals 公布；大药企将 trial recruitment、site intelligence、data review automation 从试点推到 enterprise roll-out；以及临床软件平台对 agentic AI 的定价模式清晰化。
• 最大风险：药企采用节奏慢于预期、监管对黑箱模型更审慎、RWD 质量/偏差问题暴露、AI 直接压价传统 CRO 收费而非放大利润池、以及过高估值先透支了未来两三年的商业化速度。

产业链全景图

下表的“受益强度”和“投资弹性”为研究判断，重点看 真实收入、客户壁垒、数据壁垒、监管壁垒 四个维度。

商业化阶段矩阵

商业模式、价值量与利润池

AI 临床试验公司到底如何赚钱

行业里最重要的识别方法，不是看谁“会做 AI”，而是看谁能把 AI 嵌入到可结算的收费单元里。当前成熟的收费单元主要有六类：

Veeva 的 2026 财年总收入 31.95 亿美元、订阅收入 26.84 亿美元，验证了“深嵌工作流的软件订阅”是最优商业模式之一；Tempus 2025 年 data and applications 收入 约 3.16 亿美元，说明“数据访问 + 应用层”也已经能形成真实收入；Aetion、Flatiron、TriNetX、Truveta 则证明 RWD/RWE 更适合做高毛利的数据与方法学平台，而不是低价咨询。

一个重要判断是：AI 患者招募可以成为独立高价值市场，但高价值部分并不在“投广告”，而在“实时发现可入组患者并可回流到站点/医生工作流”。Deep 6、Flatiron、Truveta、TriNetX、Labcorp、Tempus 之所以更值得看，不是因为它们会做招募，而是因为它们能把 EHR、实验室数据、医生网络和 sponsor workflow 真正连起来。没有 EHR/EHR-like 数据连接的“招募”更像营销服务，壁垒和利润率都更弱。

CRO 使用 AI 后，是增厚利润还是压缩收费

现阶段，答案取决于公司在价值链里的位置。

对 IQVIA、Medpace、Labcorp、PPD/Thermo Fisher 这类掌握交付能力和不同程度数据/实验室/软件资产的公司，AI 更多表现为提高 win rate、提高 attach rate、降低非增值工时，因此短中期偏向利润率增强。相反，对于以人工 CRA、低端 data management、重复性医学写作为主的模块化服务，如果客户感受到的是“同样事情做得更快”，就会反向要求更低项目费，AI 最终会压缩 billable hours。财务上也能看到行业目前还在早期：Medpace 2026 年一季度 EBITDA margin 为 21.1%，IQVIA 2026 年一季度 adjusted EBITDA 为 9.32 亿美元、收入 41.51 亿美元，ICON 2025 年一季度 adjusted EBITDA margin 为 19.5%；AI 尚未在整个 CRO 板块形成普遍、剧烈的 margin jump，更像“局部效率改善 + 获客/交付能力增强”。

药企是外包给 CRO，还是自建 AI 临床平台

药企更可能走“自建控制层 + 外包执行层”。原因有三点。

第一，监管责任最终不能外包。FDA 对 AI 支持药物和生物制品决策的框架强调可信性评估、用途边界、数据与模型治理；EMA 也在 medicinal product lifecycle 中强调风险管理与透明性。第二，很多最值钱的数据并不在药企内部，而在 EHR、claims、lab、genomics 与站点行为数据网络里。第三，临床执行仍需要全球站点、患者触达、实验室与监查体系。药企因此会内部建设 data science platform 和 governance layer，但在招募、site intelligence、RWE、EHR-to-EDC、PV 和 trial software 层面，仍会采购外部产品与外部服务。

临床试验的价值量和成本拆解

临床项目成本结构会因适应症、期别、患者稀缺度与地理范围差异很大，但大体上，AI 最容易改善的部分集中在“组织摩擦”和“数据摩擦”。临床试验延误极其昂贵，Tufts CSDD 公开材料显示，开发延误每天的机会成本可从 60 万美元到 800 万美元以上。这也是为什么哪怕 AI 只减少了几周启动时间，ROI 仍可能很高。

由此可以推导出一个更关键结论：AI 最容易创造新增收入的地方，不是“替人写文档”，而是让 sponsor 愿意额外购买新证据、新数据连接和新工作流模块。因此，利润池更可能留在以下几类公司：

• 临床软件平台：Veeva、Medidata、Oracle、Medable、Curebase。
• 医疗数据平台/RWD 平台：Flatiron、Truveta、TriNetX、Komodo、Tempus、Aetion/Datavant。
• 具备配套执行能力的 AI+CRO：IQVIA、Medpace、Labcorp、PPD/Thermo、Tigermed、Lindus。

三种情景预测

赛道成熟度与竞争格局

设计、招募与站点相关赛道

这一组里，真正大钱在 patient identification 与 site intelligence，不在 ad-tech。Deep 6/Tempus、Flatiron、Truveta、TriNetX、Labcorp 已经证明 sponsor 愿意为可执行的 cohort discovery 和 site-ready intelligence 付费；而 Unlearn、QuantHealth 等则更多面向 design-quality 的前端决策。

运营、数据与质量赛道

这一组里，EDC/CTMS/clinical data review 是最成熟、也最容易形成持续性软件收入的赛道。Veeva、Medidata、Oracle 的优势不是某一个 AI 功能，而是它们已经占据 trial master workflow；Medable/Curebase 的机会则在于用更现代的 AI-native 方式，把 startup 到 database lock 的环节重新做一遍。

安全、写作、证据与平台赛道

这一组的最大结论是：监管级 RWD/RWE 是最被低估、也最接近长期平台护城河的赛道。FDA 已公开列示使用 RWE 的审评案例，EMA 也将 external controls 正式纳入指导方向；Flatiron 又进一步发布了针对 AI-extracted oncology data 的同行评议验证框架，这些信号一起说明：只有“可解释、可验证、可复现”的 AI 数据资产，才能真正进入高价值利润池。

竞争格局的核心判断

CRO 之间，IQVIA 更像“数据+技术+服务”综合体，Medpace 更像“高执行力、高单体经济学的精益 CRO”，ICON 体量大但 2026 年会计调查暴露了控制与执行问题，PPD/Thermo 与 Labcorp 的机会在综合实验室与研究执行协同，药明康德与泰格更受益于中国创新药外包与数字化升级，但 AI 临床试验收入单独可见度仍弱。

软件平台之间，Veeva 胜在订阅、利润率与行业深度，Medidata 胜在 trial-scale data assets 与 end-to-end clinical stack，Oracle 胜在 Clinical One 与大企业整合、Argus/PV、数据库与云基础设施，但临床试验业务在集团中并不单独主导估值。Epic 则更像潜在入口，但本轮检索资料里未见其大规模单独披露 AI 临床试验利润中心。

RWD/RWE 平台之间，Flatiron 的强项是肿瘤 EHR 深度和临床研究嵌入；Tempus 的强项是分子数据+clinical context+biopharma 商业化；TriNetX 强在全球化 cohort discovery 与 feasibility；Truveta 强在每日更新的美国 health-system 数据与 prospective linkage；Komodo 强在 claims-scale journey map；Aetion 强在方法学与 regulatory-grade evidence engine。

投资标的总表

下表按“直接受益 / 间接受益 / 平台型 / AI 原生挑战者 / 被冲击 / 伪受益”思路进行压缩归类。由于大量私营公司未披露收入与 ARR，相关字段以“未披露/需验证”为主。