Schrödinger 深度调研:以 FEP+ 物理模拟与机器学习支撑分子发现,2026 年推出 Bunsen 智能体共同科学家
Schrödinger(NASDAQ: SDGR)以 FEP+ 物理模拟与机器学习支撑分子发现;2026 年推出 Bunsen 智能体共同科学家,并与 NVIDIA/Google Cloud 共建算力栈。
执行摘要
Schrödinger(NASDAQ: SDGR)是 1990 年由 Richard A. Friesner 与 William A. Goddard III 在纽约创立的计算化学公司,2020 年 2 月 10 日上市(发行 11,882,352 股、每股 17 美元)。它有两块业务:一块卖软件(Maestro 建模界面、LiveDesign 协同平台、FEP+ 自由能计算、Glide 分子对接、Desmond 分子动力学、Jaguar 量子化学),另一块自己做药物发现,用自家平台推进合作与自研管线。
2025 年财务表现是一组需要拆开读的数字。总收入 2.559 亿美元,同比增长 23.3%;软件收入 1.995 亿美元,增长 10.6%;药物发现收入 5,640 万美元(2024 年为 2,720 万美元);软件毛利率 74%;运营费用 3.095 亿美元,下降 9.3%;其他收益 6,460 万美元;净亏损 1.033 亿美元(2024 年为 1.871 亿美元);年末现金及有价证券 4.023 亿美元。软件年度合同价值(ACV)1.98 亿美元,调整后 EBITDA 为 -1.149 亿美元。公司给出的目标是 2028 年底实现调整后 EBITDA 转正。
2026 年第二季度出现了一个关键的结构性变化。ACV 2,960 万美元,同比增长 27%,过去十二个月 ACV 2.08 亿美元;但软件收入 3,250 万美元,同比下降 10%。两个数字方向相反,原因是公司正在加速从「一次性确认的许可收入」转向「按订阅期分摊的托管收入(hosted)」——托管收入已占软件收入的 47%,过去十二个月口径为 30%。这个转型短期压低收入、抬高递延收入,长期让收入更可预测。软件毛利率也因此从 2025 年的 74% 降到 71%(托管模式需要承担云基础设施成本)。
同季药物发现收入 2,300 万美元(上年同期 1,390 万美元),主要来自 Ajax Therapeutics 被礼来收购触发的 1,000 万美元合作里程碑;贡献收入 340 万美元(上年 480 万美元);总收入 5,890 万美元,增长 8%;运营费用 7,400 万美元,下降 6%;其他收益 4,890 万美元(主要是礼来收购 Ajax 带来的股权收益);净利润 600 万美元(上年同期净亏损 4,320 万美元)。现金及有价证券 4.188 亿美元。
物理 AI 视角下,这家公司的位置需要说清。它不训练通用大模型,也不做「AI 生成分子」的纯数据路线;它的核心资产是用物理方法(量子化学、分子力学、自由能微扰)算出可信的分子性质,再用这些「基准真值」训练与校准机器学习模型。CEO Ramy Farid 在 2026 年第二季度财报里的表述是:生物医药面临加速发现新药的压力,对「基准真值数据」的需求从未如此强烈;把高精度物理模拟与 AI 结合、并推出智能体协作科学家 Bunsen,是在为药物发现的未来构建计算基础设施。
Bunsen 是 2026 年最重要的一次产品动作。它是一个智能体式「协作科学家」,与通用智能体不同,专门优化调度 Schrödinger 已验证的物理计算平台,规划并执行复杂的分子发现工作流、解释结果。公司同时宣布与百时美施贵宝(BMS)达成战略软件协议部署 Bunsen,与先声药业(Simcere)达成全球药物发现与开发合作;英伟达与谷歌云为 Bunsen 提供全栈 AI 平台、基础设施与 BioNeMo Agent Toolkit 的早期客户访问。
需要提前说明判断:这是一家「物理内核极硬、财务尚未盈利、AI 叙事刚起步」的公司。它的物理方法经过三十年验证,FEP+ 的精度有同行评议论文支撑;但它的 AI 产品 Bunsen 处于早期访问阶段,没有客户量化结果;药物发现业务靠里程碑与股权收益波动,2025 年净亏损 1.03 亿美元。评估它必须同时看三条线:软件 ACV 的增速、托管转型对毛利率的侵蚀、以及药物发现管线的里程碑兑现。
公司概览
三十五年的一条主线
Schrödinger 的历史可以概括为一句话:把分子层面的物理计算做到工程可用。1990 年成立,1992 年把第一套软件卖给布鲁克黑文国家实验室。此后几个节点定义了它的技术路径:2001 年推出 Glide 做高通量虚拟筛选,2003 年推出 Prime 做蛋白结构预测,2009 年推出 WaterMap——公司称这是第一个严格计算蛋白结合水位置与能量的方法。
2009 年还有一件影响深远的事:公司与 Atlas Ventures 共同创立 Nimbus Therapeutics,开始「用自己的平台孵化公司」的模式。这个模式后来复制到多家公司,包括 Structure Therapeutics(公司持有股权,其口服 GLP-1 受体激动剂 aleniglipron 在 2025 年 12 月公布阳性 2B 期顶线数据)、Ajax Therapeutics(2026 年被礼来收购,触发里程碑与股权收益)、以及 2026 年 9 月宣布的 Tectora Therapeutics(免疫与炎症方向)。
这个模式的经济含义值得单独说:公司不只是卖软件,还用自己的平台换取孵化公司的股权与里程碑。截至 2025 年,公司披露自 2020 年以来从药物发现业务获得超过 6.5 亿美元现金,并有资格获得接近 50 亿美元的潜在未来里程碑。这些数字是「期权价值」,不是当期收入,但它们解释了为什么一家年亏一亿美元的公司仍能维持 4 亿美元的现金储备。
团队与规模
公司总部在纽约,CEO 为 Ramy Farid,董事长为 Michael Lynton。员工规模在 1,000 人左右(第三方资料有 1,015 人与「约 900 人、12 个办公室」两种表述,差异见 DISCREPANCIES)。研发团队分布在纽约、波特兰(俄勒冈)、旧金山、伦敦、慕尼黑、班加罗尔、海得拉巴等地。
人员结构是理解这家公司的关键:它同时有软件工程师、计算化学家(博士为主)、以及药物发现团队(生物学家、药理学家、临床人员)。这个组合在软件公司里罕见,在生物技术公司里也罕见,是它「平台 + 管线」双轮模式的组织基础,也是运营费用高企(2025 年 3.095 亿美元)的原因。
两块业务的关系
软件业务与药物发现业务不是简单的「两条腿走路」,而是相互喂养。软件业务提供收入与客户反馈,让平台在真实项目中迭代;药物发现业务用平台推进管线,产生的临床数据反过来验证平台的可信度——如果平台设计的分子在临床上表现好,软件的说服力就强。
这个逻辑在财务上体现为两种收入形态。软件收入是可预测的订阅(ACV 1.98 亿美元),药物发现收入是波动的里程碑与股权收益(2025 年 5,640 万美元,2026 年第二季度单季 2,300 万美元)。投资者通常用「软件业务的 ACV 增长 + 管线期权的净现值」来估值,合并净利润不是主要口径。
技术分析
物理方法的三层结构
Schrödinger 的技术栈可以按精度与成本分成三层,每层的方法与用途不同。
最底层是量子化学。 Jaguar 做密度泛函(DFT)与从头算计算,用于获得分子的电子结构、反应能垒、光谱性质、以及力场参数的拟合基准。这一层的精度最高(相对误差可到几个 kcal/mol 以内),成本也最高,只能处理几十到几百个原子。
中间层是分子力学与分子动力学。 自研的 OPLS 系列力场描述原子间的键合与非键合相互作用,Desmond 做大规模分子动力学模拟,处理溶剂化、构象变化、蛋白柔性。这一层用近似势函数替代电子结构计算,成本低几个数量级,可以处理十万到百万原子体系、微秒级时间尺度。
最上层是自由能计算。 FEP+(Free Energy Perturbation)是公司的旗舰方法,用热力学积分或自由能微扰计算两个分子与靶点结合自由能的差值,从而预测相对结合亲和力。它的工程价值在于把「合成哪个分子」变成可计算的排序问题:如果 FEP+ 能把 100 个候选分子的结合强度排对序,实验合成就只需要做前 10 个。
这三层的关系是:量子化学给力场提供参数与验证,力场与分子动力学给自由能计算提供采样,自由能计算给药物化学家提供决策依据。三十年积累的核心不是某一个算法,而是这条链上每一环的误差控制——力场参数化、采样收敛、质子化状态处理、结合位点水分子处理。这些工程细节决定了预测是否可信,也是竞争对手最难复制的部分。
FEP+ 的精度与边界
FEP+ 的精度有公开文献支撑。2026 年公司在《Journal of Chemical Information and Modeling》发表研究,验证 FEP+ 框架预测结合的能力。更早的行业共识是:FEP+ 在「同系物相对结合自由能」预测上的平均误差约 1 kcal/mol,这个精度足以指导先导化合物优化——因为药物化学的常规优化步长就是 10 倍效价(约 1.4 kcal/mol)。
但边界同样清楚。第一,它算的是「相对」结合自由能,绝对结合自由能预测的误差大得多,需要实验锚定。第二,它依赖高质量的蛋白结构:如果靶点结构是预测的(如 AlphaFold 模型)未经实验解析的,误差会显著放大。第三,它处理不了大幅度的骨架跃迁(scaffold hopping)——两个分子如果结合模式不同,微扰路径不成立,结果不可信。第四,它对共价抑制剂、变构调节剂、金属酶等特殊体系需要专门处理,通用性有限。
这些边界不是秘密,公司自己在文档与培训里都会说明。理解边界恰恰是它的专业性的体现:FEP+ 不是万能工具,它是「在特定条件下可信」的工具,用对了能省下大量合成与测试成本。
为什么「物理」在 AI 时代反而更重要
这是 Schrödinger 叙事里最值得展开的一点。当前药物 AI 的主流路线是「数据驱动」:用已知的化合物-活性数据训练模型,预测新分子的性质。这条路线的瓶颈是数据质量与数据分布——公开的活性数据有严重的发表偏倚(只有阳性结果被发表),不同实验室的测定方法不一致,化合物空间覆盖稀疏。
物理方法的优势在于它不依赖历史数据。给定一个靶点结构与一个分子结构,量子化学与自由能计算可以直接算出结合强度,不需要「见过类似的分子」。这意味着它可以外推到全新的化学空间,也可以为机器学习生成高质量的标注数据。
公司把这个逻辑表述为「生成基准真值数据」:用物理方法算出一批高置信度的数据点,用这些数据训练 AI 模型,AI 模型再去覆盖物理方法算不动的广大空间。这个「物理生成数据 → AI 扩展覆盖」的循环,是它与纯 AI 药物发现公司(如 Isomorphic Labs、Recursion)的根本区别,也是它在物理 AI 框架下最有说服力的定位。
这个循环的成本结构值得注意:物理计算的成本随分子数线性增长,而 AI 推理的成本几乎为零。因此循环的效率取决于「需要多少物理数据才能训练出可用的模型」——如果只需几千个数据点,循环可行;如果需要几百万个,物理计算的成本会压垮整个模式。公开信息没有披露这个比例,这是评估的关键缺口。
Bunsen:智能体的真实定位
Bunsen 是 2026 年推出的智能体式「协作科学家」,处于早期访问阶段。按官方描述,它与通用智能体的区别在于:专门优化为调度 Schrödinger 已验证的物理计算平台,规划并执行复杂的分子发现工作流、解释结果;帮助计算化学家并行开展多个研究会话、跨多个项目推进;让没有计算化学经验的药物猎手也能使用高级计算方法。
这个定位在技术上是稳妥的。药物发现的工作流很长:靶点结构准备、结合位点识别、虚拟筛选、自由能计算、选择性评估、成药性预测、合成路线规划。每一步都需要不同的工具与参数设置,专家与非专家的差别主要在于「知道该用哪个工具、参数怎么设、结果怎么判读」。智能体把这部分知识编码成可执行的流程,降低使用门槛。
它的价值有两面。对专家,价值在于并行化——一个计算化学家同时盯多个项目时,智能体可以承担重复性的流程执行与结果汇总。对非专家(药物化学家、生物学家),价值在于可达性——他们可以直接用自然语言提出「帮我找几个对激酶 X 有选择性、能过血脑屏障的骨架」,而不必学习 Maestro 的操作。
边界也需要说清。第一,智能体不验证物理结果,它只是编排工具;如果输入结构或参数错了,输出同样错。第二,药物发现的核心判断(选哪个靶点、接受多大的选择性风险、如何权衡 PK/PD)仍是人的决策,智能体只能提供证据。第三,早期访问阶段没有公开的客户量化结果,无法判断它实际节省了多少时间。
与英伟达、谷歌云的合作
Bunsen 的基础设施由英伟达与谷歌云提供:全栈 AI 平台、算力、以及 NVIDIA BioNeMo Agent Toolkit 的早期客户访问。这个合作的技术含义是:智能体的吞吐量需求远超单机,需要 GPU 集群支撑物理计算与模型推理;BioNeMo 提供了生物基础模型与智能体工具的框架,让 Schrödinger 不必自建全部基础设施。
商业含义是渠道:英伟达与谷歌云在企业客户里有强渠道,Bunsen 作为「物理 + AI」的示范应用,可以进入它们的客户推荐列表。这对一家年收入两亿多美元的软件公司是实质帮助。
技术短板
第一,物理方法的成本天花板。FEP+ 单次计算的成本在 GPU 上仍需数小时到数天,一个包含上百个分子的优化循环需要大量算力。这限制了它在中小型生物技术公司里的普及——这些公司没有自建集群,云端算力成本高。
第二,靶点覆盖的限制。物理方法要求已知的三维结构,对缺乏结构信息的靶点(如许多膜蛋白、内在无序蛋白)无能为力。这类靶点在当前药物发现里占比不小。
第三,AI 与物理的融合深度不明。公司说「把物理模拟与 AI 结合」,但公开信息没有说明 AI 具体用在哪一环:是替代部分物理计算(代理模型)、是改进采样效率、还是做性质预测的后处理。不同用法的技术含量与效果差异很大。
第四,Bunsen 的可验证性。智能体的效果需要临床或项目层面的数据支撑,早期访问阶段无法评估。这类产品容易陷入「演示很惊艳、生产不好用」的困境。
产品与商业化
软件产品矩阵
生命科学侧的核心是 Maestro(建模界面)、LiveDesign(基于 Web 的协同平台,连接计算化学家、药物化学家与生物学家)、FEP+(自由能计算)、Glide(对接)、Desmond(分子动力学)、Jaguar(量子化学)、Prime(结构预测)、WaterMap(结合水分析)、PyMOL(可视化)、RetroSynth(2026 年 1 月推出的 AI 合成路线规划)。
材料科学侧有 Materials Science Suite,覆盖有机电子、高分子、消费品、催化、薄膜、能源存储、金属与陶瓷等场景。客户包括化工、能源、航空航天企业(如 Sabic、Boeing)。
LiveDesign 的商业意义值得单独说。它把分散的计算工具与实验数据整合到一个协同环境里,让计算化学家、药物化学家、生物学家看到同一份数据。这种「协作层」的产品粘性远高于单个计算工具——一旦团队的工作流跑在 LiveDesign 上,替换成本就很高。2026 年 1 月公司与礼来 TuneLab 的合作,就是把 LiveDesign 作为生物技术公司访问 TuneLab 工作流的优先界面,把礼来的联邦学习模型与 Schrödinger 的物理模拟结合。
商业模型与关键指标
软件业务用 ACV 衡量,未采用当期收入,因为许可合同的确认节奏会影响收入。2025 年软件 ACV 1.98 亿美元,2026 年第二季度 ACV 2,960 万美元(+27%),过去十二个月 2.08 亿美元;剔除贡献 ACV 后为 2,260 万美元(+23%)、过去十二个月 1.96 亿美元。公司对 2026 年全年的 ACV 指引是 2.18 亿至 2.28 亿美元,增长 10% 至 15%。
这个指引需要与已实现的数字对照:过去十二个月 ACV 已达 2.08 亿美元,指引中值 2.23 亿美元对应约 7% 的增量。也就是说,公司预期 2026 年的 ACV 增速会从第二季度的 27% 回落到 10% 至 15%。管理层的解释通常与合同续签节奏、大单时点有关,但投资者需要观察这是否意味着需求放缓。
药物发现业务的收入形态完全不同。2025 年 5,640 万美元主要来自合作里程碑与股权收益;2026 年第二季度 2,300 万美元里有 1,000 万美元来自 Ajax 被礼来收购的里程碑。公司把 2026 年药物发现收入指引从 5,500 万至 6,500 万美元上调至 6,500 万至 7,500 万美元,原因正是这笔一次性里程碑。这类收入的可持续性取决于管线进展,不能线性外推。
托管转型的财务影响
公司正在「加速向托管软件许可转型」。这个决策的财务后果有三层。
第一层是收入确认:托管收入按订阅期分摊,而传统许可在签约时一次性确认。转型期会出现「ACV 增长但收入下降」的现象——2026 年第二季度就是典型:ACV +27%,软件收入 -10%。
第二层是毛利率:托管模式需要承担云基础设施成本,软件毛利率从 2025 年的 74% 降到 2026 年第二季度的 71%(2025 年第四季度曾达 81%,因一次性确认的高毛利许可收入)。长期看,托管模式的毛利率会稳定在 70% 至 75% 区间,低于纯许可模式的 80% 以上。
第三层是现金流:托管模式通常预收年费,递延收入增加,经营现金流好于利润表。这对一家亏损公司是实质帮助。
管线与合作伙伴
截至 2025 年业绩披露,公司的药物发现组合包括 25 个以上 first-in-class、best-in-class 或 first-in-modality 项目,覆盖各开发阶段,其中 10 个以上处于临床阶段,16 个项目有销售分成资格;自 2018 年以来与 20 家合作伙伴建立合作,16 个项目在持续推进。
自研临床候选包括 SGR-1505(MALT1 抑制剂,用于复发/难治 B 细胞恶性肿瘤)与 SGR-3515(Wee1/Myt1 抑制剂,用于实体瘤),均处于 1 期临床,公司在完成临床包并探索战略合作。
孵化公司的价值是这条业务线的隐藏资产:Nimbus(2009 年与 Atlas 共同创立,2016 年把一个 ACC 抑制剂卖给吉利德,交易总额最高 12 亿美元)、Structure Therapeutics(持股,口服 GLP-1 受体激动剂 aleniglipron 在 2025 年 12 月公布阳性 2B 期数据)、Ajax(2026 年被礼来收购)、Tectora(2026 年 9 月宣布)。这些股权的价值不体现在软件收入里,但会影响「其他收益」科目——2025 年 6,460 万美元、2026 年第二季度 4,890 万美元的其他收益,主要就来自这些股权的公允价值变动与处置收益。
这也解释了一个容易被误读的现象:公司 2026 年第二季度净利润 600 万美元,看起来「扭亏」,但其中 4,890 万美元来自其他收益。剔除这部分,经营层面仍是亏损。评估时必须区分「经营改善」与「投资收益」。
竞争格局
计算化学软件的直接对手
在分子建模与计算化学软件市场,Schrödinger 的主要对手包括 Dassault Systèmes 的 BIOVIA(Discovery Studio、Pipeline Pilot)、Chemical Computing Group 的 MOE、Cadence 的 OpenEye(靠拣选与形状匹配起家)、Cresset(静电场方法)、以及开源工具(RDKit、Open Babel、GROMACS、AMBER)。
Schrödinger 的差异化在两点。第一是方法的完整性:从量子化学到力场到自由能,全链条自研,误差可控;对手通常只在某一环强(如 OpenEye 的形状匹配、CCG 的分子力学),需要拼接第三方工具。第二是「物理 + 数据 + 实验」的闭环:它有药物发现业务提供真实项目验证,纯软件公司没有这个条件。
弱点在价格与开放性。Schrödinger 的许可费用在行业里属于高端,中小生物技术公司难以承担;它的文件格式与工作流相对封闭,与开源生态的互操作性不如对手。这两点在预算紧缩的环境下会放大。
与 AI 药物发现公司的关系
纯 AI 药物发现公司(如 Recursion、Isomorphic Labs、Insilico Medicine、Relay Therapeutics)走的是数据与算法路线:用大规模实验数据训练模型,或用生成模型设计分子。它们的叙事是「AI 可以比物理模拟更快、更便宜地找到分子」。
Schrödinger 的反驳逻辑是:AI 模型需要高质量的标注数据,而物理方法正是生成这种数据的手段;纯数据模型在训练分布之外会失效,物理方法不会。这个反驳在技术上有道理,但在商业上不是零和——许多 AI 公司本身就是 Schrödinger 的客户(用它的 FEP+ 做验证),也有 AI 公司自建物理计算能力。
现实的关系是「分层共存」:物理方法负责精度与可解释性,AI 负责速度与覆盖;头部企业两者都用。Schrödinger 的机会在于成为「物理层的事实标准」,未试图取代 AI 层。
与中国厂商的关系
中国的计算化学软件市场有本地厂商(如康龙化成、药明康德的计算部门自研工具,以及一些创业公司),但整体上 Schrödinger 仍是高端市场的主流选择。地缘政治因素(出口管制、数据安全)对科学软件的影响小于半导体设备,但并非无风险。公司在班加罗尔、海得拉巴有团队,说明它在成本敏感市场用「服务 + 软件」的组合竞争。
融资与资本结构
上市与股本
公司 2020 年 2 月 10 日 IPO,发行 11,882,352 股、每股 17 美元,募资约 2.02 亿美元。此后通过后续融资与股权激励扩充股本。截至 2026 年第二季度,现金、现金等价物、受限现金与有价证券合计 4.188 亿美元(2025 年末 4.023 亿美元,2024 年末 3.675 亿美元)。
现金储备的稳定性来自两方面:软件业务的订阅现金流(ACV 1.98 亿美元,毛利率 71% 至 74%),以及药物发现的里程碑与股权处置收益(2020 年以来超过 6.5 亿美元)。这解释了为什么一家年亏一亿美元的公司不需要紧急融资。
亏损结构与盈利路径
2025 年净亏损 1.033 亿美元(2024 年 1.871 亿美元),调整后 EBITDA -1.149 亿美元(2024 年 -1.525 亿美元)。亏损收窄的原因是运营费用下降 9.3%(从 3.412 亿美元降至 3.095 亿美元)与药物发现收入增长。
公司给出的目标是 2028 年底实现调整后 EBITDA 转正。这个目标的实现路径依赖三个变量:ACV 保持双位数增长(2026 年指引 10% 至 15%)、托管转型完成后毛利率稳定在 70% 以上、运营费用继续控制。三个变量里,ACV 增速是最关键的——按 2.2 亿美元 ACV、75% 毛利率计算,毛利约 1.65 亿美元,要覆盖 3 亿美元左右的运营费用,还需要药物发现收入贡献或费用进一步压缩。
估值逻辑
市场对这类公司的估值通常用「软件业务的 EV/ACV + 管线期权的净现值」。软件业务按 2.2 亿美元 ACV、10 倍 EV/ACV 估算约 22 亿美元;管线期权(16 个有分成资格的项目、接近 50 亿美元的潜在里程碑、孵化公司股权)另计。这个框架的敏感性很高:ACV 增速从 15% 降到 10%,估值倍数可能从 10 倍降到 7 倍;管线里任何一个项目失败,期权价值会被重估。
DISCREPANCIES
1. 员工规模的两种表述。 第三方百科记为 1,015 人,另一份第三方资料记为「约 900 人、12 个办公室」。公司未在公开新闻稿中给出统一数字,10-K 会有精确值。本报告采用「1,000 人左右」的区间表述,并标注两个来源。来源等级:第三方资料(MEDIA)与 OFFICIAL 年报口径待核。
2. ACV 增长 27% 与软件收入下降 10% 的并存。 2026 年第二季度 ACV 2,960 万美元(+27%),软件收入 3,250 万美元(-10%)。两个数字方向相反,原因是加速向托管模式转型导致收入确认节奏变化。部分报道只引 ACV 增长或只引收入下降,得出相反结论。本报告同时给出两个数字并解释成因。来源等级:OFFICIAL(财报)。
3. 第二季度净利润 600 万美元的性质。 净利润 600 万美元(上年同期净亏损 4,320 万美元),但其他收益 4,890 万美元主要来自礼来收购 Ajax 的股权收益,剔除后经营层面仍亏损。部分报道以「扭亏为盈」为标题。本报告区分经营改善与投资收益。来源等级:OFFICIAL。
4. 创始人归属。 部分资料称公司由 Richard A. Friesner 一人创立,官方与多方资料一致为 Friesner 与 William A. Goddard III 共同创立。本报告采用共同创立表述。来源等级:OFFICIAL 优于单方 MEDIA。
5. 2026 年 ACV 指引与已实现 ACV 的关系。 公司指引 2026 年 ACV 2.18 亿至 2.28 亿美元(增长 10% 至 15%),而过去十二个月 ACV 已达 2.08 亿美元、第二季度单季增速 27%。指引隐含的增速低于单季增速,原因涉及合同续签节奏与大单时点,公司未做详细拆解。本报告并列呈现,不做单边推断。来源等级:OFFICIAL。
6. 药物发现收入指引上调的原因。 2026 年药物发现收入指引从 5,500 万至 6,500 万美元上调至 6,500 万至 7,500 万美元,上调原因是 Ajax 收购触发的 1,000 万美元一次性里程碑。这意味着上调不代表管线整体加速。本报告明确标注该里程碑的一次性性质。来源等级:OFFICIAL。
7. 「2028 年底调整后 EBITDA 转正」的性质。 这是公司提出的财务目标,不是业绩指引,也未披露实现路径的量化假设。本报告将其标注为目标,不视为预测。来源等级:OFFICIAL(公司目标表述)。
8. 软件毛利率的三个数字。 2025 年全年 74%、2025 年第四季度 81%、2026 年第二季度 71%。三个数字对应不同期间与收入结构,第四季度的 81% 受一次性确认的高毛利许可收入影响,第二季度的 71% 反映托管转型与云成本。本报告在引用时标注期间,不用单一数字概括。来源等级:OFFICIAL。
风险与尽调缺口
其一,托管转型对毛利率的长期侵蚀。 从 74% 降到 71% 只是开始,随着托管占比从 47% 升到更高,毛利率可能进一步下探。云基础设施成本是刚性变动成本,规模扩大不一定带来毛利率改善。如果毛利率稳定在 68% 至 70%,2028 年 EBITDA 转正的目标会更难实现。
其二,ACV 增速的可持续性。 第二季度 27% 的增速与全年 10% 至 15% 的指引之间存在明显落差。如果下半年 ACV 增速回落到 10% 以下,市场对「AI 驱动需求加速」的叙事会打折。需要观察第三、第四季度的续签与大单情况。
其三,Bunsen 的验证缺口。 早期访问阶段没有客户量化结果,无法判断它是否真的提升了研发效率。智能体产品的典型风险是「演示效果好、生产环境不好用」,尤其在企业客户的复杂工作流里。
其四,药物发现收入的非经常性。 2025 年 5,640 万美元、2026 年第二季度 2,300 万美元,都高度依赖单个里程碑事件。这类收入无法线性预测,也不能用来支撑估值。管线里自研项目(SGR-1505、SGR-3515)仍在 1 期,距离商业化至少 5 年。
其五,物理计算的成本约束。 FEP+ 单次计算需要数小时到数天 GPU 时间,客户的计算预算有限。如果 AI 代理模型不能显著降低物理计算的需求量,「物理生成数据 → AI 扩展」的循环成本会很高。这是商业模式能否规模化的关键。
其六,靶点结构的依赖。 物理方法要求已知三维结构,对缺乏结构的靶点无能为力。随着 AlphaFold 类方法普及,结构预测的覆盖在提升,但预测结构的精度是否足以支撑 FEP+ 级别的计算,仍有争议。
其七,竞争与价格压力。 开源工具(RDKit、GROMACS、OpenMM)在基础功能上已相当可用,AI 公司自建物理能力的趋势也在增强。Schrödinger 的高端定价需要持续用精度与工作流完整性来证明。
综合评分
技术维度给 9 分。从量子化学到力场到自由能的全链条自研,在计算化学领域属于顶尖水平;FEP+ 的精度有同行评议文献支撑,误差约 1 kcal/mol 足以指导先导优化;三十年积累的误差控制工程(力场参数化、采样收敛、质子化与结合水处理)是真正的护城河。扣分项是物理计算的成本天花板与靶点结构依赖。
商业维度给 7.5 分。软件 ACV 1.98 亿美元、连续双位数增长、客户留存高、LiveDesign 的协作层粘性强;药物发现业务提供里程碑与股权收益的期权价值。扣分项是托管转型压低短期收入与毛利率、ACV 指引增速低于单季、药物发现收入非经常性。
财务维度给 6.5 分。4.188 亿美元现金储备、运营费用下降 9.3%、亏损从 1.871 亿美元收窄到 1.033 亿美元,现金跑道充足。扣分项是仍未盈利、调整后 EBITDA -1.149 亿美元、2028 年转正目标依赖多个假设同时成立。
产品维度给 8 分。Maestro、LiveDesign、FEP+、Glide、Desmond、Jaguar 构成完整工具链,RetroSynth 补齐合成路线规划,Bunsen 的方向(把专家知识编码成可执行流程)正确,与英伟达、谷歌云的合作解决算力与渠道。扣分项是 Bunsen 缺量化验证、产品价格高、与开源生态的互操作性有限。
市场维度给 8 分。全球前二十大药企基本都是客户,材料科学侧覆盖化工、能源、航空航天,AI 药物发现的热潮反而强化了「物理真值」的价值,与 BMS、先声、礼来 TuneLab 的合作扩大了平台嵌入深度。扣分项是生物技术融资环境紧缩影响中小客户预算、开源与 AI 公司的替代压力。
综合 7.9 分。这是本轮 65 家里「物理内核最硬」的一家:它用三十五年把分子层面的物理计算做到工程可用,并在 AI 时代找到了「物理生成真值、AI 扩展覆盖」的定位。它的短板是财务——仍未盈利、毛利率受托管转型侵蚀、药物发现收入靠里程碑波动。对物理 AI 的判断是:它的物理层是真实且难以替代的,Bunsen 代表的方向(智能体调度已验证的物理工具)也是对的;但从「卖工具」到「卖 AI 平台」的转型能否成功,取决于 Bunsen 能否拿出客户侧的可量化收益,以及物理计算的成本能否随规模下降。
参考资料
- Schrödinger 2026 年第二季度业绩公告(2026-08-05):ACV 2,960 万美元(+27%)、过去十二个月 2.08 亿美元;剔除贡献 ACV 后 2,260 万美元(+23%)、过去十二个月 1.96 亿美元;软件收入 3,250 万美元(-10%)、托管收入占软件收入 47%(过去十二个月 30%);药物发现收入 2,300 万美元(上年同期 1,390 万美元)、含 Ajax 被礼来收购触发的 1,000 万美元里程碑;贡献收入 340 万美元(上年 480 万美元);总收入 5,890 万美元(+8%);软件毛利率 71%;运营费用 7,400 万美元(-6%);其他收益 4,890 万美元;净利润 600 万美元(上年同期净亏损 4,320 万美元);现金及有价证券 4.188 亿美元
- Schrödinger 2026 年指引(同公告):全年 ACV 2.18 亿至 2.28 亿美元(增长 10% 至 15%);药物发现收入 6,500 万至 7,500 万美元(此前预期 5,500 万至 6,500 万美元,上调因 1,000 万美元里程碑);运营费用低于 2025 年;第三季度 ACV 4,100 万至 4,500 万美元(剔除贡献 ACV,上年同期 3,830 万美元含 220 万美元贡献 ACV)
- Schrödinger 2026 年第二季度产品与合作公告(同公告):Bunsen 早期访问版发布,定位为智能体式协作科学家,专门优化调度公司已验证的物理计算平台,规划与执行复杂分子发现工作流并解释结果;英伟达与谷歌云提供全栈 AI 平台、基础设施与 NVIDIA BioNeMo Agent Toolkit 的早期客户访问;与百时美施贵宝达成战略软件协议部署 Bunsen;与先声药业达成全球药物发现与开发合作(公司主导联合研究阶段设计优化,先声主导后续临床与商业化,公司可获得里程碑与分级销售分成);在《Journal of Chemical Information and Modeling》发表 FEP+ 预测结合能力的验证研究
- Schrödinger 2025 年第四季度及全年业绩公告(2026-02-25):全年总收入 2.559 亿美元(+23.3%)、软件收入 1.995 亿美元(+10.6%)、药物发现收入 5,640 万美元(2024 年 2,720 万美元)、软件毛利率 74%、运营费用 3.095 亿美元(-9.3%)、其他收益 6,460 万美元、净亏损 1.033 亿美元(2024 年 1.871 亿美元)、年末现金及有价证券 4.023 亿美元(2024 年末 3.675 亿美元)、全年调整后 EBITDA -1.149 亿美元(2024 年 -1.525 亿美元)、软件 ACV 1.98 亿美元;提出 2028 年底实现调整后 EBITDA 转正、加速向可分摊的托管软件收入转型、2026 年商业化推出预测毒理学方案
- Schrödinger 2025 年第四季度单季数据(同公告):总收入 8,720 万美元(-1.2%)、软件收入 6,930 万美元(-13%,因 2024 年签署的多年协议前期收入加速确认)、药物发现收入 1,800 万美元(上年 870 万美元)、软件毛利率 81%、运营费用 7,450 万美元(-12.2%)、其他收益 5,010 万美元、净利润 3,250 万美元(上年同期净亏损 4,020 万美元)、第四季度调整后 EBITDA -520 万美元
- 公司概况(第三方资料整理):1990 年由 Richard A. Friesner 与 William A. Goddard III 在纽约创立;1992 年首套软件售予布鲁克黑文国家实验室;2001 年推出 Glide、2003 年推出 Prime、2009 年推出 WaterMap;2009 年与 Atlas Ventures 共同创立 Nimbus Therapeutics;2020 年 2 月 10 日 IPO,发行 11,882,352 股、每股 17 美元;员工约 1,000 人(另说 1,015 人、或约 900 人分布 12 个办公室);CEO Ramy Farid、董事长 Michael Lynton
- 产品与业务结构(第三方资料整理):Maestro 为分子建模界面、LiveDesign 为基于 Web 的协同信息学平台、FEP+ 做自由能计算、Glide 做对接、Desmond 做分子动力学、Jaguar 做量子化学、Prime 做结构预测、WaterMap 做结合水分析、PyMOL 做可视化、RetroSynth 于 2026 年 1 月推出做 AI 合成路线规划;材料科学套件覆盖有机电子、高分子、消费品、催化、薄膜、能源存储、金属与陶瓷;客户含 Bayer、Takeda、Boeing、Sabic 等
- 药物发现管线与孵化(第三方资料整理,基于公司 2025 年披露):组合含 25 个以上 first-in-class、best-in-class 或 first-in-modality 项目、10 个以上临床阶段、16 个项目有销售分成资格;自 2018 年以来 20 家合作伙伴;自 2020 年以来药物发现业务产生超过 6.5 亿美元现金、潜在未来里程碑接近 50 亿美元;自研候选 SGR-1505(MALT1 抑制剂)与 SGR-3515(Wee1/Myt1 抑制剂)均处 1 期;孵化公司含 Nimbus(2016 年 ACC 抑制剂售予吉利德,交易总额最高 12 亿美元)、Structure Therapeutics(口服 GLP-1 受体激动剂 aleniglipron 于 2025 年 12 月公布阳性 2B 期顶线数据)、Ajax(2026 年被礼来收购)、Tectora(2026 年 9 月宣布)
- Schrödinger 官网(2026 年访问):定位为以物理为核心的计算平台,服务生命科学与材料科学; therapeutics 团队选择有人类遗传学或临床验证的高价值靶点推进自研与合作管线;2026 年 9 月 9 日宣布与共同创立的 Tectora Therapeutics 达成许可与合作协议,推进免疫与炎症项目
- 2026 年 1 月产品与合作(第三方资料整理):推出 RetroSynth 用于识别新分子的高效合成路线;与礼来 TuneLab 合作,LiveDesign 作为生物技术公司访问 TuneLab 工作流的优先界面,把礼来的联邦学习模型与公司的物理模拟结合;与 Manas AI 达成战略协议开放计算平台访问
- 技术与竞品信息(行业公开资料):Jaguar 做密度泛函与从头算;OPLS 系列力场描述分子间相互作用;Desmond 做大规模分子动力学;FEP+ 用热力学积分或自由能微扰计算相对结合自由能,在同系物相对结合自由能预测上平均误差约 1 kcal/mol;竞品含 Dassault BIOVIA、Chemical Computing Group MOE、Cadence OpenEye、Cresset,以及开源工具 RDKit、GROMACS、AMBER、OpenMM
- 行业背景(公开资料):AI 药物发现的数据瓶颈来自发表偏倚、测定方法不一致与化合物空间稀疏;物理方法不依赖历史数据、可外推到新化学空间,但成本随分子数线性增长;FEP+ 对靶点三维结构有硬性要求,对骨架跃迁、共价抑制剂、变构调节剂、金属酶等体系需专门处理
本报告依据公开资料整理,不构成投资建议。财务数据以公司公告与 SEC 文件为准;管线里程碑与股权收益具有不确定性,估值相关判断为分析性表述。
相关报告66
- 五一视界深度调研:港股上市的数字孪生公司,51Sim 已是第一增长引擎而 51Earth 近乎归零,两套完全不同的融资轮次命名口径必须并存
- AMI Labs 深度调研:10.3 亿美元种子的世界模型豪赌,LeCun 的非生成式路线与它的空白成绩单
- 安世亚太 PERA 深度调研:2003 北京创立的国产 CAE 龙头,PERA SIM 通用仿真 + AIROM 降阶 + AgentX 多智能体 + 精智 iGPT/Whale,从工业仿真跨越到物理 AI
- AspenTech 深度调研:被 Emerson 全资收购的过程仿真巨头与其工业 AI 混合建模路线
- Autodesk 深度调研:以 Neural CAD 基础模型与 2 亿美元 World Labs 押注物理世界 AI,NAVASTO 补齐 CFD 代理能力
- Bentley Systems 深度调研:以 iTwin 数字孪生与生成式 AI 赋能基础设施全生命周期工程
- BeyondMath 深度调研:神经算子路线的基础物理 AI,$19M 联盟预算、1000 倍加速与三个被误读的事实
- Cadence 深度调研:以 EDA 系统级多物理场与 Millennium M2000 超算切入物理 AI,AuraStack 智能体与 Fidelity GPU CFD 成关键抓手
- COMSOL 深度调研:四十年多物理场求解器基业,以 DNN 代理模型训练与全物理场 GPU 加速切入物理 AI
- Dassault Systèmes 深度调研:以 3DEXPERIENCE 与 SIMULIA 虚拟孪生物理行为切入工业 AI,LEO 虚拟助手与 GPU 显式动力学成物理 AI 支点
- 深势科技深度调研:从戈登贝尔奖到国家级独角兽与港股门前,AI for Science 龙头的技术兑现与商业化空白
- Emmi AI 深度调研:17 个月从林茨 spin-out 到 3.3 亿欧元被 Mistral 收购,AB-UPT 拿下 CFD 代理模型 SOTA
- Fainite 深度调研:苏黎世物理 AI 仿真初创,Caltech/ETH/剑桥/谷歌背景团队用物理感知深度学习把仿真从数十小时压到秒级,仅获 Venture Kick 资助、尚无定价轮次
- 飞捷科思深度调研:PhysX 奠基人的二次创业,国产可微分物理引擎与它的生态打法
- 凡拓数创(301313)深度调研:从数字展馆到物理 AI 数据基座的战略跃迁,FTE 引擎与 FunSim 仿真平台的卡位成色及收入兑现节奏
- Godela 深度调研:YC X25 物理 AI 仿真初创,前苹果/谷歌/英特尔团队用物理约束代理模型把仿真从数天压到秒级,仅 seed 轮、试商用 pilot 制
- 霍莱沃(688682)深度调研:以 RDSim AI 电磁仿真与工业智能体贯通「仿真-测量-产品」闭环
- 阿尔特 IAT 深度调研:A 股首家独立汽车设计公司全线转向 AI 研发,圆方/御风/太乙 3.0 产品体系落地并携手英伟达 Omniverse,2025 年营收 9.75 亿元、归母亏损扩大至 2.50 亿元
- Inductiva 深度调研:一个已停运的开源求解器编排样本,八处必须纠正的前提,以及联合创始人 CTO 的停运后去向
- 英特仿真(INTESIM)深度调研:2009 年成立的国产 CAE 龙头之一,自研结构/流体/电磁/热/声学求解器与多物理场耦合平台,完成中网投、深创投亿元 B 轮,2025 年营收签单双过亿
- 软通动力(301236)深度调研:依托软通天枢打造 L1/L2/L3 三层全栈物理 AI 架构,自研 TwinHub 数字孪生、FSim 工业仿真、CAE 多物理场与 Phyxis 具身控制
- Jua 深度调研:以地球物理基础模型 EPT 服务能源交易与电网决策
- Keysight(含 ESI Group)深度调研:以虚拟样机与混合 AI 连接测量与仿真,EDA 引入自然语言助手
- 光轮智能深度调研:前英伟达仿真负责人创办的物理 AI 数据与评测基础设施商,七轮融资约 26.5 亿元估值超 20 亿美元,同时进入 Newton 与 EgoVerse 两大国际标准委员会,订单口径存在 5.5 亿元人民币与 1 亿美元两套说法
- Luminary Cloud 深度调研:NVentures 押注的「物理 AI 模型工厂」,用 SHIFT 模型与 GPU 原生求解器改写 CAE 云化路径
- MathWorks 深度调研:以 MATLAB/Simulink 与 Simscape 多物理场支撑物理 AI,R2026a 推出 Copilot 与 Agentic Toolkit 布局端侧智能
- 觅蜂科技 Maniformer 深度调研:智元机器人孵化的物理 AI 数据基础设施,MEgo 无本体采集硬件量产,半年三轮融资中国电信领投
- Mistral AI 深度调研:30 亿欧元欧洲最大融资背后,Physics AI 如何从语言模型走到 EUV 光刻与核电站
- Monolith AI 深度调研:不加速仿真,而是砍掉物理试验次数的英国工程 AI,被 CoreWeave 收入囊中
- Monumo 深度调研:剑桥深科技电机 AI 设计公司,Anser 引擎日千万级多物理场仿真,累计融资 1050 万英镑,A 轮正在募资中
- NAVASTO 深度调研:把求解器的洞察左移到设计师工作台,Autodesk 用一次收购买下这个入口
- Navier 深度调研:把 CFD 工作流交给智能体,旧金山硬件工程 AI 的种子期豪赌
- Neural Concept 深度调研:EPFL 出身的工程 AI,用 1.38 亿美元融资押注「代理模型能否替代部分求解器」
- NP Co.(NP Company)深度调研:2025 年成立的巴黎 Inria 孵化 AI 原生仿真初创,€6M 天使前轮由 Partech 领投、Mistral 联合创始人参投,宣称预训练物理基础模型实现 1000x 加速,多项宣称待验证
- NVIDIA 深度调研:以 PhysicsNeMo、Warp、Cosmos 世界基础模型与 Omniverse 构建物理 AI 全栈基础设施
- Physical Intelligence 深度调研:31 亿美元级融资押注「机器人的 GPT 时刻」,π0.7 自陈未见任务成功率仅 60–80%,Pi API 定价与收入双双未披露
- Physical Superintelligence 深度调研:58 亿美元级种子轮押注「虚拟物理学家」,Emmy 平台把 AI 数据中心多物理优化当作首个商业化证明
- PhysicsX 深度调研:把几何与物理都压进一个预训练模型的三亿美元级工业 AI 赌注
- Prometheus 深度调研:410 亿美元估值、182 亿美元融资,却还没有一个产品
- PTC 深度调研:以 Creo/Onshape 与 ThingWorx 数字主线支撑物理 AI,借 NVIDIA Isaac Sim 打通机器人设计到仿真
- 千诀科技(北京千诀科技有限公司)深度调研:预测式世界模型 Polibrain、类脑分区架构与多项式表征,一个「不造本体」的具身大脑如何接入十万台清洁与服务机器人
- Quanscient 深度调研:云原生与量子赋能的多物理场仿真,AI-Native 硬件工程的数据引擎
- Rescale 深度调研:云上的 HPC 操作系统与桌面工程工作台,1.15 亿美元 D 轮与五处被误读的事实
- Secondmind 深度调研:剑桥工程 AI 公司,贝叶斯主动学习把 CAE 仿真与台架试验减少最高 90%,累计融资约 7300 万美元,马自达兼具客户与投资人身份
- 适创科技深度调研:以 SupreCAST 云原生材料加工仿真与工业智能体,推进 CAE+AI 战略
- 舜云科技深度调研:以粒子法 shonDy 切入新能源与核能流体多物理场仿真
- 数智脉进深度调研:深圳 SNN+LBM 全栈自研 CFD 初创,宣称消费级硬件秒级出数亿网格结果,获财政部下属基金数千万天使轮,规划迁核心算法至 FPGA
- Siemens(含 Altair)深度调研:2025 完成 Altair 收购,Simcenter 与 Altair 仿真组合并,PhysicsAI 几何深度学习与 PhysicsAI Generate 成物理 AI 核心
- Silurian 深度调研:以生成式预报 Transformer 构建地球系统基础模型,面向能源与基建资产的天气风险
- SimScale 深度调研:把 CAE 许可证变成按核时订阅的云端仿真平台,5200 万欧元股权与 2500 万欧元债务必须分开算,以及五处被误读的事实
- Skild AI 深度调研:CMU 机器人研究所孵化的通用机器人基础模型,1.4 亿美元 C 轮对应 140 亿美元估值,但 B 轮规模存在 1.35 亿与 5 亿的口径冲突
- 松应科技深度调研:华为云系团队创办的国产物理 AI 操作系统商,ORCA OS 宣称对标英伟达 Omniverse,融资轮次在三套口径下各不相同,风语筑 2000 万元少数股权投资是可核验的第三方锚点
- 苏度科技(上海苏度科技有限公司)深度调研:零真机数据的仿真训练路线、Sudo R1 全栈自研与「原子能力」商业化,一家成立 17 个月估值超 200 亿元的具身智能新独角兽
- 索辰科技深度调研:从 CAE 工具商到物理 AI 平台商的转型阵痛
- Synopsys(Ansys)深度调研:2025 完成收购 Ansys,从 EDA 龙头跃升为「硅到系统」工程解决方案领导者,Ansys SimAI 与 NVIDIA 物理 AI 合作为核心抓手
- 十沣科技深度调研:院士领衔的国产工业仿真软件,官方时间线与数据库口径的轮次命名完全不同,官方融资 PDF 与投资数据库同时存在且不可合并
- 天洑软件深度调研:2011 年成立的国产智能 CAE 老兵,C 轮数亿元,2024 起主打「工业世界模型」,融资口径与估值多处不可调和,营收从未披露
- 同元软控深度调研:以 MWORKS(Syslab/Sysplorer)对标 MATLAB/Simulink,借 MWORKS AI 与 MOGICK 工程智能体推进国产物理 AI
- Vinci AI 深度调研:把物理仿真从「检查点」变成「连续约束」的半导体新变量
- 西湖机器人深度调研:西湖大学首个机器人成果转化项目,以 WR1 全身通用基座与 GAE 行为专家大模型构成大小脑双预训练架构,半年四轮融资约 5 亿元
- World Labs 深度调研:李飞飞的空间智能独角兽,被 AMD 以 82 亿美元收编
- 深圳元象信息科技(元象科技 XVERSE)深度调研:认知与感知双轮驱动的仿真世界路径,XVERSE 大模型、端云协同 3D 引擎与物理驱动动作生成模型 MotionGen
- 云道智能深度调研:从自主求解器到物理 AI 引擎,国产 CAE 的登顶者与它的未竟之战
- 云境智仿深度调研:北大孵化的云原生 GPU CAE 公司,Simversus 平台加 YJ-DORGP 小样本智能求解器,2025 年自述订单增 275%、营收增 160% 并达盈亏平衡
- 中科第五纪(杭州)深度调研:中科院自动化所与清华联创的具身基础模型公司,FAM 动作光流跨本体通用、3–5 条示范达 97% 成功率,纪元灵脑+纪灵机器人服务中石化/零跑/美的
- 中望软件(688083)深度调研:自主 Overdrive 内核与中望3D悟空 2027 撑起 CAD/CAE/CAM 一体化,CAx 智能体平台是通往工程 AI 的现实路径
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。