金斯瑞巨资下注AIDD，AI制药开启湿实验基建竞赛

AI制药赛道正在发生一个反直觉的转变：模型越聪明，现实世界中的湿实验需求非但没有减少，反而迎来了爆发式增长。

大洋彼岸的 Chai Discovery 成立不足两年半，估值已冲至 38 亿美元。其团队判断，正如代码生成工具提升程序员效率后反而拉动了总编码需求，AI 生成分子的效率跃升，同样会让后续的实验验证量呈几何级增长。为 Anthropic 的 Claude 模型完成 1320 条蛋白序列湿实验验证的瑞士初创公司 Adaptyv Bio，过去一年营收增长近 10 倍，近期刚拿下 4000 万美元 A 轮融资。一系列动向均指向同一个信号——下游验证需求的闸门被彻底打开了。

国内的头部服务商也迅速作出了资本响应。金斯瑞生物科技发布公告，计划配售新股募集约 23.27 亿港元。其中高达 70%（约 16.29 亿港元）将专项用于扩大集团 AIDD（AI 驱动药物发现）平台的产能和基础设施，涵盖自动化高通量湿实验设施、相关仪器升级等；另有 20% 投向数字化研发及全球拓展。

一家以基因合成和生命科学服务为主业的巨头，一次性砸下 16 亿港元重注 AIDD 基础设施，标志着 AI 制药的核心竞争维度，已经从「谁能设计出更多分子」转向「谁能更快、更准地验证这些分子」。

算法跑得太快，传统实验室成了瓶颈

过去几年，AI 制药的热度几乎全被「计算设计」吸收。输入靶点、蛋白结构及疾病特征，大模型可以在数小时内构建出成千上万个全新候选分子，迅速拓展探索化学空间。

但算法生成只是第一步。分子能否被合成？蛋白能否表达？靶点结合活性如何？是否具备成药性？所有答案依然必须在物理世界的湿实验室中揭晓。

这种演进迅速造成了新的产业链错配：AI 已经能批量生产假设，但传统实验流程却受制于人工操作与割裂的交付环节，往往需要数周才能完成小批量验证。实验数据无法即时、标准化地回传，算法模型便无法快速收敛迭代。当下 AIDD 的核心卡点，正在从「提出优质设计」演变为「把海量设计高效转化为高质量结构化数据」。

因此，AI 制药的基建定义发生了迁移——它不仅是 GPU 集群和模型算法，更是基因合成、蛋白表达、自动化检测平台以及全链路数字管道的结合体。

从传统服务到自动化「API 工厂」

面对激增的需求，生命科学服务商的角色正在由传统的「项目制承接」重塑为「工业化生产线」。

传统 CRO 往往根据单一项目按部就班交付实验报告，主要为人工作业设计；而 AI 制药客户需要的，是高频次、大通量、可直接与算法闭环的流水线：模型生成一批设计，平台高通量验证一批结果，结构化数据实时回流，驱动模型进入下一轮计算。

在海外，Adaptyv Bio 已经将其实验室重新定位为「AI Agent 的物理后端」。平台支持通过 API 直连，单条结合检测定价 79 美元起，交付的不再是给人看的 PDF 报告，而是机器可直接读取的结构化 JSON 数据，甚至建立了包含阴性结果的开放数据库。过去一年，其自动化实验室已测试超过 1 万条蛋白，月表达通量达数千条，综合表达成功率超过 90%。

国内方面，金斯瑞的布局同样直指交付周期的压缩。其披露约 60% 的全球实验室已配备自动化工作站，Gene-to-Protein 平台可将从数字序列到模型可用数据的交付周期压缩至最快 4 天。业务数据印证了这一逻辑：2026 年上半年金斯瑞 AIDD 关联业务连续三个半年度保持快速增长，同比实现翻倍。

干湿一体：新一轮竞争壁垒

随着开源算法与基础模型的普及，纯算法层面的门槛逐渐被拉平。AI 制药的真正壁垒，正在转移到模型之外：如何快速获取规模化、可重复、低批次差异的高质量真实实验数据。

所谓「干湿一体」，正是「干端」（算法生成假设）与「湿端」（物理实验验证）的高密闭环。缺乏高速验证，虚拟分子只能停留在算力内存中；而缺乏标准化数据流，实验室也不过是单纯的自动化设备堆砌。

AI 原生药企需要靠更快的实验闭环淘汰无效分子，而上游服务商则需要靠工业级交付能力锁定生态席位。在这场刚刚启幕的基建大赛中，规模、通量、交付周期与数据标准化程度，将直接决定谁能成为 AI 制药时代的「核心底座」。