谷歌系 AI 制药企业再启融资,估值最高 500 亿美元:AI 重构新药研发范式,CXO 行业迎来结构性机遇

资本持续涌入 AI 制药赛道，本质是产业界看到新药研发范式正在发生根本性转变。过去数十年，创新药研发长期面临 “高投入、长周期、低成功率” 的困境，一款新药从靶点发现到上市，平均需要 10 年以上，研发投入动辄数十亿美元，大量候选分子在临床前、临床阶段宣告失败。AI、大模型、蛋白质结构预测技术的出现，让药物早期发现环节迎来变革。在硅基虚拟空间，AI 可以快速预测蛋白质三维结构、生成海量候选分子、评估分子成药性、预测毒性与代谢特征，一次性筛选数十万、上百万分子，把过去需要数年的筛选工作压缩到很短时间内完成。

但行业共识正在快速形成：AI 制药不是用算法取代实验室，而是构建 “AI 设计 - 实体实验验证 - 实验数据回流训练模型” 的干湿闭环研发体系。光大证券在相关行业报告中明确指出，干湿结合迭代模型是 AI 制药行业最核心的壁垒，行业竞争焦点，已经从早期单纯比拼模型、算法能力，转向数据质量、干湿闭环验证能力以及管线商业化兑现能力。这一转变，直接改变了 AI 制药产业链的价值分配，也深刻影响 CXO 行业的发展走向。

很多市场参与者曾产生一个误解：AI 可以在电脑上完成分子设计与预测，会减少实验需求，压缩 CRO 外包订单，甚至替代 CXO 企业。但产业落地的真实情况恰恰相反，AI 不会消灭 CXO，反而会放大 CXO 行业的需求，改变 CXO 的业务结构、客户结构与能力要求。

传统药物发现模式下，科研人员筛选候选分子的数量有限，每一轮筛选、合成、验证的迭代周期很长，湿实验项目数量相对有限。而 AI 模型可以一次性批量生成海量候选分子，给出大量潜在备选靶点、候选化合物。这些由 AI 输出的分子，无论预测结果多么漂亮，都无法直接进入临床，必须通过实体湿实验完成验证：基因合成、蛋白表达、体外活性检测、ADMET 成药性评价、细胞与动物药理毒理试验。每一轮实验得到真实数据之后，再回传给 AI 模型，修正模型参数，进行下一轮分子设计与优化，形成 DBTL（Design-Build-Test-Learn）循环。AI 迭代速度越快，每一轮产生的待验证分子数量越多，湿实验的频次、项目数量就越高。AI 模型的持续迭代，需要源源不断的高质量实验数据，而公开数据库资源已经被行业深度挖掘，新增的专属训练数据、验证数据，只能依靠持续不断的湿实验来产出。AI 制药，正在创造海量新增湿实验需求，而这些实验服务，绝大部分由 CXO 产业链承接。

从需求结构来看，AI 制药最先拉动的是早期药物发现阶段 CRO 业务，也就是临床前研发外包，包括基因合成、蛋白制备、重组蛋白表达、高通量筛选、体外药理评价等。传统药企、Biotech 的研发外包，往往是项目制，一个项目推进到下一阶段，实验需求阶段性结束。而 AI 驱动的干湿闭环带来的是持续性、高频迭代的实验订单，AI 公司每一轮模型更新，都需要新一轮实验验证，订单具备更强的复购属性。海外企业 Twist 的经营数据已经验证这一趋势，其新增订单增长中有相当比例来自 AI 药物发现业务，AI 相关订单增速显著高于传统生物医药订单，核心业务模式就是承接 AI 企业的基因、蛋白构建与高通量实验，实验数据回流给客户用于模型迭代。

需求爆发的同时，全球 AI 制药产业链出现明显的分工差异。在 AIDD（AI 驱动药物发现）领域，底层大模型、AI 药物设计平台大多掌握在海外科技巨头与海外 AI 初创企业手中，Isomorphic Labs、Recursion、Insilico Medicine 这类企业，核心优势在算法、模型、虚拟分子生成；但在实验验证产业链，拥有从基因到蛋白（Gene-to-Protein）完整一体化服务能力的企业，大量集中在中国。国内头部 CXO 企业正在持续扩建配套产能，承接来自海外 AI 制药公司、跨国药企的湿实验外包订单，AI 驱动的新药研发浪潮，带来海外订单持续增长，订单呈现季度递增态势。

这背后是中国 CXO 行业长期积累的优势。国内 CXO 企业拥有规模化、标准化的实验室体系、成熟的实验人员梯队，在基因合成、重组蛋白、体外筛选、临床前药理毒理等领域具备成本优势、交付效率优势，能够承接高通量、大批量、快速交付的实验任务，刚好匹配 AI 制药高频迭代、批量验证分子的业务特征。海外 AI 制药企业，大多擅长算法与算力，自建大规模湿实验平台成本极高、周期漫长，将验证环节外包给中国 CXO 企业，是更经济高效的选择。这意味着，AI 制药浪潮带来的海外订单增量，将成为国内 CXO 企业新的增长曲线，而不仅仅依赖传统创新药 Biotech 的临床前、临床外包需求。

当然，AI 带来的不仅是订单增量，同时也对 CXO 企业的核心能力提出全新要求，行业内部竞争格局随之重构。能够充分受益 AI 制药红利的 CXO 企业，不再只是简单提供标准化实验服务，必须具备三项核心能力：第一，高通量自动化实验能力，快速批量完成大量分子的平行测试；第二，标准化、结构化的数据交付能力，实验数据需要规范、可溯源、可直接回输到客户 AI 模型，满足模型训练的数据质量要求；第三，完整的 Gene-to-Protein 一体化服务能力，一站式完成基因构建、蛋白表达纯化、活性检测，减少客户多供应商对接成本。

具备这类能力的企业，能够深度嵌入 AI 制药的干湿闭环，成为 AI 模型的 “数据工厂”；而仅能提供单一、零散实验项目，无法输出结构化数据的小型 CRO，在本轮产业变革中会面临竞争压力。与此同时，不少国内 CXO 企业也在主动拥抱 AI，将 AI 技术融入自身研发服务体系，自研 ADMET 预测、分子筛选、实验设计 AI 模型，对内提升实验效率，对外向客户提供 AI+CRO 一体化服务，从单纯的实验服务商，升级为新药研发全流程合作伙伴。

机遇之外，行业依然存在不容忽视的风险与不确定性。当前全球 AI 制药产业，绝大多数管线仍处于早期临床前阶段，真正进入人体临床试验的管线数量偏少，进入临床三期的项目更是稀缺。大量AI主导发现、推进至临床阶段的候选药物，至今尚未完成商业化上市。有机构提示，AI 能否真正提升新药研发整体成功率，还需要长期、大量的临床数据验证。AI 在虚拟筛选阶段提升分子命中率，不等于最终能够提升新药上市成功率，人体生物学的复杂性，远超出当前 AI 模型的预测边界。很多 AI 设计的分子，在体外实验表现优异，但进入细胞、动物乃至人体试验之后，依然会出现毒性、药效、成药性问题，临床失败风险依旧存在。

这一风险，会向上传导到 CXO 行业。AI 制药的订单，大多集中在临床前湿实验环节。如果大量 AI 管线在临床前后期、一期临床阶段失败，并不会影响已经完成的临床前实验订单，CXO 企业已经完成实验交付并确认收入；但如果行业投融资热度出现退潮，AI 初创企业融资遇冷、缩减研发预算，会直接带来临床前外包订单收缩。因此，AI 制药带来的 CXO 增量，是结构性机会，并非无风险的行业普涨行情。资本对 AI 制药企业的估值，也会随着临床管线的验证进度出现剧烈波动，Isomorphic Labs 本轮融资估值最高 500 亿美元，本质是市场对其技术潜力与管线前景的前瞻性定价，未来一旦临床管线出现重大挫折，估值预期会快速调整。

但放眼全球产业格局，AI 制药确实正在进入成熟深化阶段，从概念验证走向管线转化。谷歌 DeepMind 孵化的 Isomorphic Labs、OpenAI 布局生物大模型，代表科技巨头持续投入底层算法与模型；跨国药企礼来、诺华等，一边和 AI 平台公司合作，一边自建内部 AI 药物研发平台；而中国 CXO 产业链，凭借完整的湿实验服务能力，成为全球 AI 制药浪潮中不可或缺的基础设施。

AI 重塑新药研发，是一场漫长的产业革命，不是短期技术噱头。AI 的价值，在于把药物发现从 “试错式科研” 向 “可计算工程化研发” 推进，大幅提升早期分子筛选效率；但生物学的底层复杂性，决定湿实验永远无法被替代。AI 生成假设，CXO 通过实体实验验证假设，产出高质量数据反哺模型迭代，这一干湿闭环，将是未来很长一段时间 AI 制药的主流模式。

对于 CXO 行业而言，AI 不是颠覆者，而是新增需求的放大器。AI 带来的订单增量，集中在临床前药物发现、基因与蛋白制备、高通量筛选等细分环节，具备 Gene-to-Protein 一体化交付、自动化高通量实验、结构化数据输出能力的国内头部 CXO，将持续承接海外 AI 制药企业的外包需求，订单有望保持逐季度增长。

长远来看，随着越来越多 AI 设计的候选分子持续进入临床阶段，除临床前 CRO 之外，临床 CRO、CDMO 也会逐步迎来增量需求。AI 完成分子设计与临床前验证之后，后续药理毒理、临床试验、原料药与制剂生产，依然高度依赖 CXO 产业链。从早期药物发现，到临床开发、商业化生产，AI 带来的需求红利，会沿着创新药研发链条逐步向下传导。

当然，产业兑现的节奏不会一蹴而就。AI 管线的临床验证需要漫长时间，市场对 AI 制药的预期，会随着临床数据持续动态调整。资本热度的起伏、临床失败案例、全球生物医药投融资环境变化，都会带来阶段性波动。但产业底层趋势已经清晰：AI 和实验验证不再是相互替代的关系，而是深度协同。在这场全球新药研发范式变革之中，中国 CXO 产业链凭借湿实验服务的完整能力，拿到了独特的产业位置，成为全球 AI 制药浪潮的重要受益环节。

本文仅为行业观察与判断框架分享，不构成任何投资建议。市场有风险，决策需谨慎。