AI 制药战场转移：中游湿实验服务商成新风口

诺和诺德接入 Claude 大模型、礼来旗下 Lilly TuneLab 连续签约金斯瑞、Twist Bioscience、Ginkgo Bioworks，艾伯维与 Iambic 达成多年合作——进入 2026 年 9 月，AI 制药领域的巨头动作骤然密集。表面看，这是大模型向药物研发环节的渗透；往深处看，真正被重新定价的，是 AI 制药产业链中游那些做蛋白合成与湿实验验证的供应商。

工作流瓶颈：从设计端转向验证端

AI 制药遵循「设计—构建—测试—学习」（DBTL）的闭环逻辑。大模型在分子发现环节已表现出显著能力：今年 8 月，Anthropic 使用 Claude Opus 4.8 和 Claude Mythos Preview，对 16 个靶点进行自主蛋白设计，在 15 个具有可靠实验结果的靶点中，14 个取得成功，整体命中率约 26.8%，显著高于行业传统约 10% 的水平。

问题在于，分子发现只是药物研发的最上游。蛋白表达、亲和力检测、功能评价、成药性筛选等中下游环节缺一不可。金斯瑞在 2026 年中期业绩会上直言：AI 模型可在数小时内生成数千个候选分子，但传统实验流程并非为这样的规模设计，验证周期长、数据反馈割裂、难以标准化回流给模型，模型迭代因此受阻。AI 制药的核心矛盾，已从「能不能设计一个好想法」转为「数据如何快速回流」。

中游玩家集体爆发

中国的蛋白试剂与 CRO 企业正成为这一轮需求传导的最直接受益者。

• 金斯瑞生物：2026 年上半年 AIDD 相关收入接近 4000 万美元，AI 驱动蛋白订单预计下半年保持三位数百分比增长；公司每天可交付蛋白约 4000 条，部分路径从序列接收到数据测试仅需 4–7 天，商业模式正从「蛋白供应商」向「AI 制药数据基础设施提供商」转型。
• 百普赛斯：构建「AI 预测—实验验证」双轮驱动模式，拥有超 5000 种经活性验证的重组靶点蛋白，海外收入占比约 62.3%；2026 年上半年营收 5.00 亿元，同比增长 28.97%。
• 近岸蛋白：核心布局 AI 协同抗体发现平台，累计投入接近 1500 万元，已完成 32 个靶点的候选分子开发；同时在 RNA 序列设计中整合 AI 算法筛选 polyA 序列，已获相关专利授权。
• 义翘神州：2026 年 5 月上线 XPressMAX™ 无细胞蛋白合成试剂盒，3 小时即可获得高活性蛋白；可在 3–4 周完成 2000 多个 scFv 与 VHH 分子的湿实验数据验证。

四家公司近期在资本市场受到关注，本质上是准确卡位了 AI 制药的核心痛点。

湿实验：不可替代的桥梁

与 AI 编程不同，药物候选分子必须在真实生物体系中验证折叠、结合、活性与安全性，计算可以缩小搜索空间，却无法替代真实实验。东吴证券研报指出，湿实验不可替代，基因合成、蛋白表达与纯化、体外验证、模式动物等环节将因 AI 候选分子爆发而系统性受益。

这一逻辑在大洋彼岸同样得到印证：瑞士初创 Adaptyv Bio 为 Anthropic 的 Claude 完成 1320 条蛋白序列的湿实验验证，过去一年收入增长近 10 倍，完成 4000 万美元 A 轮融资；Anthropic 本身也在旧金山湾区悄悄建成实体湿实验室。模型越聪明，验证需求越呈爆炸式增长。

中国为何是关键阵地

AI 大模型的研发力量主要集中在美国，但承接验证服务的产业能力却高度集中在中国。金斯瑞每天 4000 条蛋白的交付能力、百普赛斯 5000 余种活性验证蛋白、义翘神州通过 ISO 9001、ISO 13485、GMP 等多项认证的质量管理体系——这些企业提供的不是单纯的「做实验」服务，而是一套标准化、可追溯、数据就绪的验证能力。

当 AI 模型依赖高质量结构化数据迭代时，实验数据的标准化程度和反馈速度，往往比实验本身更关键。从这个角度看，中国在 AI 制药产业链中扮演的不是「跟随者」角色，而是「基础设施提供者」。无论哪家 AI 模型或平台最终胜出，上游的验证基础设施都将持续受益——这是「卖水人」的逻辑，也是中国生命科学供应链优势的集中体现。

AI 制药的火，已从设计端烧到了验证端，从硅谷烧到了中国的中游企业，而这把火，可能才刚刚点燃。