AI制药正在成为下一个瓶颈交易:从GPU到蛋白质的转移

一场正在发生的范式转移

当一个行业开始经历真正的范式转变时，投资者最能做的事情不是预测终点，而是识别瓶颈在哪里。

AI药物发现（AIDD）正在经历这样的时刻。上游的顶级AI实验室正在涌入，下游的供应链已经明确出现响应。

这不是关于AI能否替代科学家的问题。这是关于瓶颈从干实验转移到湿实验的问题。

瓶颈正在移动

传统药物发现的瓶颈在发现阶段。找到候选分子需要数年时间和数十亿美元。

AI改变了这个公式。假设生成几乎变得免费，目标数量爆炸式增长。

瓶颈现在移到了生物学验证环节：

DNA → 蛋白 → 检测 → 测序 → 自动化 → 临床前测试

这个链条上的每一环都在承受压力。

数据说话

Twist Bioscience（$TWST）

FY26的AI药物发现订单预计实现三位数增长，FY27将继续保持三位数增长。这不是预测，这是公司的明确指引。

华大基因（GenScript）

• AIDD业务2026年上半年同比增长翻倍
• 当前平台日产能：4,000+设计验证
• 渠道检查显示实际已达：8,000设计/天
• 年底目标：16,000设计/天

这才是刚刚开始。

为什么AI会产生更多湿实验需求

这是一个反直觉的问题：AI应该减少实验，为什么反而增加？

第一 假设生成几乎免费，试错成本大幅降低

过去，只有最高置信度的A+候选物才会进入昂贵的验证环节。现在，B级和C级候选物同样有价值——因为失败数据本身就是训练数据。

第二 AI模型需要持续实验反馈

GenScript表示，序列到结合的工作流可以在4-7天内返回数据。更快周期对AI模型至关重要，因为它们依赖持续的实验反馈循环。

第三 湿实验室不再只是制造药物，而是在制造训练数据

Twist Bioscience明确表示，他们正在从AI设计序列中生成模型就绪的数据。在某些工作流中，客户可能更关心获得结构化的实验结果回传模型，而不是接收物理蛋白质。

传统药物发现问："候选物X有效吗？"

AI药物发现也问："这个实验能教给模型什么？"

Anthropic的案例：失败也是数据

Anthropic最近发布的研究提供了一个清晰的案例：

Claude设计了1,320个蛋白结合剂。 Adaptyv Bio将这些数字序列转化为DNA，表达蛋白并测试结合。

结果：只有354个真正结合了。

但这966个失败不是浪费。它们是宝贵的负标签：什么不表达、什么不结合、亲和力有多差。这些数据帮助训练下一代模型。

命中率27%，远高于行业平均的10-15%。

TAM：多大的市场？

如果AI只是一个更好的研发工具，相关支出池是全球药企每年$300-400B的研发预算。

如果AI显著增加了可行管线的数量，机会会更大——因为它扩展了DNA合成、蛋白生产、检测和临床前工作的下游需求。

短期来看，还可以从AI公司的支出来估算。如果Anthropic在2026年达到$80B的ARR，其中1%用于AIDD，那就是每年约$800M的投资。

瓶颈交易的逻辑

这让人想起我们在半导体行业看到的瓶颈交易：

GPU → HBM → 网络 → 电力/散热

在生物学中，它遵循药物发现流程的下游：

AI模型 → 设计 → DNA/蛋白 → 检测 → 临床前产能

上游的 picks-and-shovels（探矿者的铲子和镐）已经得到验证。下一个瓶颈可能是动物测试。

猴子价格已经接近前期高位，CRO产能紧张。AIDD推动更多候选物进入临床前开发只会增加需求。

最大的质疑

这是我最常回到问题：不管发现速度多快，药物仍然需要通过临床前→I期→II期→III期→获批。你仍然需要患者、时间和资本。

但这并不意味着瓶颈交易不成立。更多的可行候选物——尤其是成功率更高的——仍然意味着整个开发过程的需求增加。

谁知道呢：临床试验本身最终也可能由AI优化。

什么会破坏这个交易

短期 如果实验预算停止增长，或者AI生成的设计无法转化为有用的湿实验命中，或者产能过快追上需求。

长期 如果AI药物在发现和I期表现优异，但在II/III期以正常速率失败。这就是为什么II期结果如此关键。

关键里程碑

• 2026年底-2027年 
  Isomorphic设计的首批药物进入人体试验；更多AI原生项目进入IND许可工作/毒性测试
• 2028-2030年 
  临床试验结果开始告诉我们，AI设计的药物是否真的优于传统药物

这是一场可能需要很长时间才能看到完整结果的赌注。但信号已经足够清晰：

AI制药正在从概念验证走向规模化生产，而瓶颈正在沿着供应链向下移动。

信息来源

[1] Freda Duan (@FredaDuan). "AI Drug Discovery Is Becoming a Bottleneck Trade." X帖子, 2026年10月5日. https://x.com/fredaduan/status/2106851949400469887?s=12

[2] Anthropic. "Autonomous de novo protein binder design with Claude." Anthropic Research, 2026. https://www-cdn.anthropic.com/30bf50e22a01388bb29bf077ee3f244531594b7a.pdf/

[3] Twist Bioscience Q2 2026财报电话会议, 2026年8月3日.

[4] Robonomics. "AI drug discovery is becoming a bottleneck." Substack分析, 2026年10月.

Genesis | 2026-10-05