没有AI能力的药厂,将不再被称作药厂

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议

1913年，亨利·福特在密歇根高地公园的工厂里装上了第一条移动流水线。此前，一辆T型车的组装耗时12.5小时；此后，93分钟。

同行的反应分两种。一部分人拆掉老式工坊，照着福特的样子重建。另一部分人说，这种粗制滥造的东西，怎么可能比得上手工打磨。不到十五年，坚守手工作坊的汽车公司几乎全部消失了。

流水线不只改变了汽车，它重写了制造业的底层逻辑：在此之前，制造能力长在工人的手指上；在此之后，制造能力长在工厂的系统里。

一百多年后，同样的逻辑切换正在制药业发生：

北京时间昨天（5月20日）凌晨，2026年Google I/O大会最值得被记住的部分，不只是Stitch新增了实时语音协作，不只是Gemini Spark学着OpenClaw去24/7蹲在云端干活，也不只是Gemini 3.5 Flash在Benchmark上把3.1 Pro甩开了三百多分。

真正重要的事，藏在发布会末段，藏在德米斯·哈萨比斯（Demis Hassabis）那句几乎被忽略的话里。他说，目标是重新构想药物发现过程，直至有朝一日治好所有的病（one day solving all disease）。

一条新流水线

过去三十年，药物研发的效率不升反降。整个行业有一句自嘲，叫“Eroom's Law”——把Moore's Law倒过来拼。摩尔定律说芯片每18个月性能翻倍，Eroom定律说的是，每投入10亿美元研发费用，获批的新药数量每隔九年就减少一半。这不是某一家公司的失败。这是一个系统性困局。

现在，谷歌正在把这个困局拆开重装。

第一件工具，AlphaFold。AlphaFold 3不止预测蛋白质折叠，它模拟蛋白质与DNA、RNA、小分子、离子的相互作用，也就是药物分子在体内起作用的核心机制。

过去要搞清一个蛋白质的结构，需要几个月X射线晶体学或冷冻电镜实验，还不一定成功。AlphaFold 3把这个过程压缩到了几小时，这相当于重写了规则。哈萨比斯透露，过去两年Isomorphic Labs积累的蛋白结构数据，已经超过了人类历史上所有传统实验手段产出的总和。

第二件工具，Gemini for Science。谷歌在I/O大会上推出的这个科研版Gemini，可以追踪最新论文、将研究目标转化为可用代码、生成新的假设。它整合了UniProt、AlphaFold Database、AlphaGenome API、InterPro等30多个生命科学数据库，把从前需要数小时的复杂分析压到了几分钟。

第三件工具，是一套AI药物设计引擎：Isomorphic Labs刚刚获得21亿美元B轮融资后准备全力推动的IsoDDE（详见《143亿元，AI制药刚刚拿到了最大一笔融资》）。

三个工具叠加一起，逻辑很清楚：AlphaFold负责“看见”疾病的分子结构，IsoDDE负责“设计”针对这些靶点的药物分子，Gemini for Science负责在人类研究员协作下生成假设、设计实验、分析结果。

也就是说，谷歌是在为这个行业造一条新的流水线。

那条正在被替换的老流水线，是人类制药史上最漫长、最昂贵、失败率最高的生产线。高盛去年给过一组数字：从发现靶点到药物上市，全球传统药企平均需要14年，累计投入超过10亿美元，进入临床试验后超过90%的候选药物最终失败。

而新产线上跑出来的数字是这样的：AI设计的候选药物，从靶点发现到进入临床前阶段，已经能在13到18个月内完成（传统方式下这至少需要三年）。AI-native生物科技公司的I期临床试验成功率达到了80%至90%，几乎是历史行业均值50%的两倍。

制药业的集装箱

1940年代末，一种叫“集装箱”的标准化铁盒子开始改变全球贸易。在此之前，货物从轮船卸到卡车、从港口运到仓库，全靠码头工人手搬肩扛。一个标准吨的货物从美国运到欧洲，运费里装卸成本占了将近一半。集装箱把这件事的底层逻辑改了：海运成本从此不再是贸易的决定性变量。

接着发生的事情，没有人能预料。

日本汽车厂发现，以前因运费太高无法覆盖北美市场的配件采购成本骤降。于是丰田发明了准时制生产——零部件在需要的那一刻才送到产线，库存成本被压到极限。然后Nike和苹果发现，既然海运成本可以忽略不计，工厂就不必靠近消费市场。全球供应链由此从“就近生产”切换为“最低成本生产”，一个完整的全球化时代从此展开。

从集装箱上路到准时制生产诞生，花了20年。从准时制生产到全球供应链重组，又花了20年。

这条弧线，跟AI制药正在走的路径几乎平行。

AlphaFold已经上路四年了，像极了集装箱在港口被嘲笑是“标准化的粗糙玩意儿”的那个阶段。但它正在悄悄渗透进制药链条的每一个缝隙。IsoDDE这类AI药物设计引擎，更像早期的丰田产线，它把多个流程串成一个自洽系统，而非某个环节的加速工具。

2025年，全球AI在药物发现领域的市场约31亿美元，到2026年预计约88亿美元。不同机构的预测口径不同，但所有预测都指向同一个方向。要知道，2019年这个数字还不到10亿。

百科全书、黄页与汽车

当一种新技术开始系统性地降低行业成本，它的冲击从来不是温和的。

1993年，大英百科全书年销售额12亿美元，拥有全球最庞大的百科内容库和最权威的学术品牌。不到三年，微软以免费捆绑的Encarta掀了桌子，接着维基百科用开源协作完成了最后一击。

大英百科全书不是被一个更好的百科产品打败的，它是被一种新的内容生产方式和分发逻辑淘汰了。同样的故事发生在报纸身上：分类广告被Craigslist拆走，财经内容被彭博和路透收走，地方新闻被Nextdoor蚕食。整个过程花了十五年。

制药业过去之所以没有被“数字化”，因为它的核心资产不是信息，而是分子。分子不会因为互联网的到来而改变结构。但AI不一样。AI处理的不是信息交换，而是知识发现——药物研发本质上是一种知识密集型劳动，正是AI最擅长的领域。

具体到产业链上，冲击的传导路径正在变得清晰。

最直接感受到压力的，是那些以“试错效率”为核心竞争力的企业。在AI重构早期研发的背景下，基于人力试错的先发优势正在快速消退。

更深层的重构，将发生在传统CRO身上。药明康德、康龙化成这些以人工实验为主的早期研发外包公司，正在直接面对AI平台的能力替代。CRO的核心价值之一是“规模化的人类科学家加湿实验体系”，但AlphaFold和IsoDDE正在把早期发现的核心环节从“实验驱动”变为“计算驱动”。

而竞争最激烈的战场，是AI平台与MNC之间的最后一公里。Isomorphic Labs已经与诺华和礼来建立了深度合作关系。这也正是谷歌最深的意图：用AI重做整个药物发现的价值链，然后将其作为服务出售给全球药企。

这与福特当年做的事情毫无区别，不是取代汽车，是重新定义汽车的制造方式。而在这场范式迁移中，如同所有技术革命一样，最大的赢家往往不是旧体系中的优胜者，而是掌握了新操作系统的新玩家。

没有AI的药厂，将不再被称作药厂

当一个产业的关键技术指标从1%爬升到50%，它大概率不会“慢慢发生”。它会在某个临界点之后加速，然后不可逆转。

电力在1900年只驱动了美国制造业不到10%的机器，到了1930年这个数字超过80%。早期采用电力的工厂只是把蒸汽机换成电动机，并没有改变工厂本身的布局，机器还是围着同一根中央驱动轴转，传动皮带吊在天花板上，效率提升很有限。

真正的突破来自一个所有教科书都忘了名字的人：Burton Moore。他提出，应该把中央驱动轴拆掉，让每一台机器拥有自己的独立电动机。这个想法在当时近乎离经叛道，因为投资新的独立驱动不仅成本高昂，而且会中断生产。但独立驱动使得工厂不必再围绕一根轴来布置，从而催生了流水线，并最终带来了汽车、钢铁、化工产业的全面爆发。

AI制药当下的进展程度，大致就处于这个“电机换轴”的临界点上。

CPHI 2026年度报告预测，未来十年超过50%的获批药物将涉及AI，将比上一轮互联网对零售业的渗透至少快了一倍。这个数字在今天听起来也许像乐观假设，但制药业历史上也从未有过当前如此密集的技术渗透——从AlphaFold到IsoDDE，再从21亿美元融资到全球Top10 MNC半数以上开始与AI制药平台签约。

2026年一季度，仅仅前15天，跨国药企AI制药合作已超9起，总金额超过60亿美元。礼来与英伟达宣布投入10亿美元建立联合AI药物发现实验室。这些交易节奏共同预示着：AI正在不可逆地渗透进制药链条的每一个环节。

这个渗透的逻辑线索与电力如出一辙：先是作为替代能源出现，提高单个环节的效率，正如今天的AlphaFold加速结构生物学，然后逐渐变成独立动力源，开始重新组织整个生产流程；也正如Isomorphic Labs正在做的从靶点发现到临床候选全链条AI化，最终成为默认的基础设施。

2026年的制药业，正站在这条曲线的拐点上：就像没有100年前电力的工厂将不再被称作工厂，未来没有AI能力的药厂将不再被称作药厂。

信息来源：医曜

往期推荐