ARTICLE · 1071086
AI制药进入闭环竞赛,湿实验室正成为关键能力,谁先跑通数据飞轮谁拿入场券?
2023年炒AI制药，大家问：你用哪个大模型？
2026年再聊AI制药，该问的是：你有没有湿实验室、能不能把“预测—实验—反馈”跑成飞轮？
Anthropic在旧金山湾区把湿实验室建起来了；字节系Anew Labs（新生实验室）独立融资2.9亿美元；礼来Lilly TuneLab把金斯瑞、Twist、Ginkgo拉进验证链。
晶泰马健说得很直白：纯计算形不成知识沉淀，必须有“假设—检验”的工程化闭环。
AI制药的比赛，已经从“模型竞赛”换道到“闭环竞赛”；谁先建成“数据—模型—实验—再数据”的行业基础设施，谁拿下一阶段入场券。
一、大模型正在“通用化”，实验能力正在“稀缺化”
早几年壁垒是：谁有AlphaFold、谁有生成式分子模型、谁接得到GPU。
现在算力不缺、开源模型不少、专业生物模型也卷起来，沙利文中国毛化判断很准：
模型功能差异在缩窄，科技公司要啃制药，必须抢三样东西——自动化实验入口、专有数据资产、管线IP。
通用大模型 = 水电； 湿实验通量 = 工厂； 负结果数据 + 标准化反馈 = 最贵的生产资料。
Anthropic为什么自己动手做实验？
因为它发现：Claude可以写代码、可以排蛋白、可以调参数，但“这个分子到底结不结合”这件事，最终得在培养皿和测序仪里盖章。
不会做实验的AI，只是高级PPT；会调用实验的AI，才是研发引擎。
二、闭环才是护城河：数据飞轮 > 单个牛模型
这一轮和上一轮AI制药泡沫最大的不同：
上一轮：AI提效“找分子”；
这一轮：AI重构“研发操作系统”。
赖才达（剂泰科技）的判断是，AI+生物学正从单点工具走向系统性基础设施。
张辰阳（沙利文）补了一刀：高质量数据只是表面瓶颈，真瓶颈是——能不能持续产生高质量数据、并把负结果也回收进模型。
成功数据让模型打怪升级，不成功的结果数据让模型变聪明。
所以真正值钱的公司长这样：
AI出假设； 机器人/自动化平台做实验； 实验结果变成机器可读数据； 数据回训模型； 下一轮假设更准、更省、更靠近临床。
晶泰的打法是：AI+机器人实验+仿真计算，形成“数据生产—算法训练—实验验证—数据回流”。
英矽智能的打法是：自动化干湿闭环+自有创新平台+临床推进。
百奥赛图、百普赛斯、美迪西这些公司被资金重新定价，本质不是“沾上AI”，而是——它们是闭环里的物理接口。
三、产业分工重构：大厂、药企、AI Biotech，不再互抄家伙
很多人还用“零和”看AI制药：科技巨头来了，CXO完蛋？AI公司来了，药企完蛋？
错。新分工已经很清楚：
- 科技巨头（Anthropic / 字节 / OpenAI / 英伟达）：出基座模型、算力、Agent、资金；
- 全球大药企（诺和诺德 / 礼来 / 罗氏 / BMS）：出场景、靶点、临床资源、商业化网络；
- 独立AI制药公司（晶泰 / 英矽智能 / 剂泰 / 德睿智药）：出生物学理解、干湿闭环、平台迭代；
- 上游卖水人（金斯瑞 / Twist / Ginkgo / 百奥赛图 / 百普赛斯 / 华大智造 / 美迪西）：出合成、表达、纯化、动物、测序、验证。
礼来TuneLab牵手金斯瑞、Twist、Ginkgo，就是标准样板：
礼来：出模型和研发网络；
金斯瑞：做蛋白生产与纯化；
Twist：做合成与表征；
Ginkgo：做自动化生物制造与数据生成。
这不是谁吃掉谁，是“模型—实验—管线—临床”被拆成乐高，各方拼积木。
任峰认为，未来所有Biotech乃至Pharma公司都将被AI赋能，巨头的加入只是加速趋势兑现。最好的模式是各自负责最有优势的场景：大厂提供通用基座模型、算力和基础算法能力，AI制药公司发挥生物学理解、湿实验积累和临床验证之长。
礼来的做法就是典型：自己不做大模型，而是让Lilly TuneLab平台去连接金斯瑞、Twist、Ginkgo等实验服务商，整合成药性预测验证链条。这是“药企+AI平台+实验服务商”的三方协作。
马健的判断更犀利：行业整合趋势不会改变。护城河从单点模型转向体系化能力，缺乏数据沉淀与工程化闭环的公司将面临挑战。同时，机会正从“泛平台”转向“深垂类”。
未来AI制药的赢家，可能不是“什么都做的大平台”，而是在特定疾病领域或特定技术环节上跑通闭环的公司。比如专注于某个靶点类型、某类分子形式，或者专注于实验自动化、数据生成服务。
四、2026—2028，别再只买“AI制药概念”，要买“闭环位置”
A股80只AI制药概念里，真正值得跟踪的按产业链位置分三档：
1）第一档：卖水人 / 验证层（现金流最先动）
- 百奥赛图：模式动物+抗体库+RenSuper Workstation，AI制药的“标注数据集”；
- 百普赛斯：重组蛋白/mRNA属性优化，AI预测—实验验证双轮；
美迪西、药石科技、康龙化成、昭衍新药：候选分子越多，体内外验证、ADME、毒理订单越旺； - 华大智造、诺禾致源：测序与多组学，是湿实验的“数据打印机”。逻辑极朴素：AI每多生成100个分子，不一定有1个上市，但100组表达/纯化/亲和/毒理实验一定得做。
分子成不成，实验都得做；这就是卖水人的确定性。
2）第二档：平台型AI Biotech（期权最大）
- 晶泰控股：AI4S+机器人实验室，上半年AI4S收入+136.4%；
- 英矽智能：上半年营收+287%，首次半年度盈利；
- 剂泰科技：AI+材料/制剂/小分子，走“平台+管线”双线。
这类公司不是赚服务费，而是赌：平台能力→管线推进→BD授权→全球药企买单。
弹性大、波动也大，适合用“小仓位看大趋势”。
3）第三档：传统药企+AI改造（估值重算逻辑）
长春高新、泽璟制药、华东医药、华海药业：有现金、有注册能力、有销售网络，用AI做老药新用、适应症扩展、分子优化。 它们不一定“最AI”，但最懂“药怎么过临床、怎么卖出去”。
4）别买哪类？
只发“本公司关注AI制药”公告； 研发费率<10%； 没实验资产、没专有数据、没大药企付费合作； 收入里AI制药为0，市值先涨30%。
这种票，情绪来时飞，情绪走时A字杀。
五、被低估的真相：负结果，比漂亮分子更值钱
传统CRO交付“成功案例”；
AI制药平台要的是“结构化全过程数据”：
哪个分子不溶； 哪个抗体聚集； 哪个序列表达量崩； 哪个候选在动物里肝毒。
这些“难看数据”进模型后，比一百篇漂亮论文都管用。
这也是为什么Anthropic、礼来、晶泰都在抢实验端——它们抢的不是实验室，是未来十年的生物知识产权。
六、AI制药2026年的关键词是“基建”：
2023：谁模型牛； 2026：谁闭环牛； 2028以后：谁有AI设计分子进II/III期、谁有BD变现。
对二级市场来说，AI制药概念股不少，但真伪难辨。结合这轮产业变化，我提供三个筛选视角：
第一，看有没有“湿”能力。 公司是否拥有自己的实验室、自动化实验平台，或者至少与湿实验服务商建立了深度绑定？纯做算法的公司，在闭环竞赛中会越来越被动。
第二，看数据是否“自产”。 公司的高质量数据是来自自己的实验，还是依赖公开数据库和文献？自产数据才是壁垒，因为它稀缺、可持续、且带有负结果等宝贵信息。
第三，看与巨头的合作模式。 是简单的API调用，还是共同开发、数据共享、管线合作？真正的生态卡位，不是卖软件，而是嵌入产业链分工。
当然，风险也要提示。沙利文张辰阳提醒，当前大模型正从辅助预测向自主提出假设、设计分子、调用湿实验验证数据演进，但临床成功率、研发周期与投资回报能否兑现，仍需时间验证。简言之，方向明确，但商业兑现还有距离。
AI制药正在经历一次“脱虚向实”。
从纯数字模型，到打通干湿实验闭环；从单点工具提效，到搭建完整产业基础设施。AI 制药正在跨过概念炒作阶段，正式进入价值兑现周期。
未来几年，能够跑通 “数据 — 模型 — 实验 — 临床验证” 完整闭环的玩家，才能够拿到赛道长期发展的入场券。新药研发周期漫长，AI 不会颠覆制药行业，但拥有数据飞轮的 AI 体系，会重塑整个新药研发的底层范式。
💬 互动区：
1、你看好AI制药的“闭环竞赛”吗？
2、你觉得科技巨头自建实验室，会加速行业成熟，还是加剧内卷？
3、如果投资AI制药，你更看重大模型能力，还是实验数据资产？
请在评论区留言。
关注我，持续拆解医药科技赛道的商业化拐点。
本文仅作行业分析，不构成任何投资建议。市场有风险，决策需谨慎。