AI制药进入产业验证期：从算力狂欢走向干湿闭环

扭转市场对一个前沿概念的认知，往往只需要几天时间。

近期，医药与人工智能交叉赛道催化不断：从字节跳动拆分的AI制药企业新生探途（Anew Labs）斩获2.9亿美元天使轮融资，到诺和诺德官宣携手Anthropic，再到金斯瑞生物接入礼来AI平台提供湿实验服务，这一领域正经历从“模型能力展示”到“研发体系产出”的实质性跨越。

产业验证落地：两条路线的分化与并进

AI制药企业目前已显现出两条鲜明的发展路径：

1. 自研管线资产模式：企业利用AI发现靶点、设计分子并推进临床，通过药物对外授权或许可销售获取高额收益，同时也承担临床与商业化风险。
2. 技术与平台服务模式：向传统药企输出模型算法、算力工具或自动化实验平台，扮演新型CRO或技术赋能者的角色。

两种模式殊途同归，本质都在解决传统新药研发成本高昂、周期漫长和高失败率的困局。作为典型代表，英矽智能（Insilico Medicine）展现了从平台服务走向资产自研的完整路径。

2022年底，赛诺菲以最高12亿美元潜在总价值与英矽智能达成合作，针对难成药的转录因子靶点进行攻关，最终成功推进先导化合物。随后，礼来、武田制药、施维雅等跨国药企纷纷跟进。如今，药企与AI公司的合作早已脱离早期的单一靶点概念验证，全面转向多靶点组合与实质性管线授权。

在落地成果端，依托AI辅助研发的抗新冠创新药艾普司韦已获国家药监局附条件批准上市；英矽智能完全由生成式AI设计的抗纤维化候选药Rentosertib也已进入三期临床试验。行业预期，未来3至5年内将见证完全由AI主导药物的最终获批。

突破瓶颈：真正的稀缺壁垒在湿实验与数据闭环

当前行业最常见的认知误区，是把算法生成候选分子的速度等同于研发速度。AI可以在数小时内虚拟生成上万个分子，但后续的化学合成、生物活性筛选和毒理评价仍然需要物理实验室逐一验证。

正如AI编程工具激发了更多软件交付需求一样，计算端分子的爆发式增长，反向加剧了下游湿实验的承载压力。这催生了新型实验室体系的崛起——面向AI智能体打造标准化、高通量的“物理后端”。

瑞士初创团队Adaptyv Bio便为Anthropic的Claude模型提供了超过千条蛋白序列的湿实验验证，通过标准化API接口将实验数据结构化回传模型；金斯瑞生物科技近期配售募资约23.27亿港元，其中约七成资金明确用于扩建自动化高通量湿实验室及升级AIDD平台基础设施。

在这一背景下，核心竞争力已演变为“干实验—湿实验—数据反馈”的高效闭环：

• 干端负责分子设计与性质预测；
• 湿端负责自动化验证与合成；
• 数据系统负责将包含阴性结果的实验数据反哺给模型进行持续微调。

脱离湿实验吞吐能力与高质量标准化数据，再优秀的模型也只是停留在虚拟空间中的“图纸画手”。

破局信任边界：全产业链的综合竞争

技术热潮之下，AI制药走向深水区仍需跨越三重信任鸿沟：一线研发人员的协作信任、资深科学家对无先例靶点的机制可解释性信任，以及行业对多源异构数据质量与模型抗幻觉能力的底层信任。

这决定了未来的胜负手不再局限于单纯的模型参数比拼，而取决于综合构建能力：

1. 管线可行性：是否具备经得起临床二、三期检验的真实创新管线；
2. 复现稳定性：虚拟生成的分子能否在物理实验中稳定复现；
3. 体系工程化：干湿闭环的流转周期与反馈损耗控制；
4. 产业落地网络：是否具备跨国药企的商业认可与合规交付能力；
5. 盈利韧性：收入来自单纯的算法技术服务，还是长周期的里程碑分红与商业化分成。

AI制药的下半场，谁能打通算法、算力、湿实验基础设施与临床转化的全链路，谁才能真正兑现智能时代的生命科学红利。