共计 1242 个字符，预计需要花费 4 分钟才能阅读完成。
AI 制药的基建大赛开始了
AI 制药的竞争焦点正在转移。过去几年, 行业关注点集中在算法和分子设计能力上, 但一个现实问题逐渐浮现: 模型能生成数千个候选分子, 实验室却无法以同样速度完成验证。这一错配正在催生新一轮基础设施投资。
📌 设计能力不再是唯一瓶颈
AI 模型可以在数小时内生成大量候选分子,但能否合成、表达、与靶点结合、具备成药性, 最终都要回到湿实验室回答。金斯瑞在 2026 年中期业绩会上指出, 传统实验流程并非为如此规模和速度设计, 过去需要数周完成的验证往往涉及多个割裂步骤, 数据也未必能及时、标准化地反馈给模型。
瓶颈由此从“能否提出好想法”转向“能否把大量想法变成高质量数据”。AIDD 基础设施不再只是 GPU 和算法, 还包括基因合成、蛋白表达、自动化实验、筛选检测和数据管理。只有干湿两端被连接起来,AI 制药才可能形成闭环。
🔍 金斯瑞的 23 亿港元下注
9 月 11 日,金斯瑞生物科技公告计划配售 7712.6 万股新股 , 每股 30.50 港元, 预计募资净额约 23.27 亿港元。其中约 70%(16.29 亿港元) 将用于扩大 AIDD 平台产能和基础设施, 包括自动化高通量湿实验室设施、相关设备及实验室升级;20% 用于 AIDD 相关研发、数字化工作流程整合及全球业务拓展; 剩余 10% 用于一般公司用途。
金斯瑞 2026 年上半年业绩已显现早期信号:AIDD 相关业务同比翻倍增长,并连续三个半年度保持快速增长; 基因到蛋白平台约占生命科学事业群收入的 66%。这说明 AI 制药带来的不只是模型公司订单, 也会向上游实验服务、试剂耗材、自动化设备和数据服务传导。
💡 湿实验验证成为新竞争高地
海外市场同步出现类似趋势。Chai Discovery 成立不到两年半, 估值冲到 38 亿美元, 其 CEO 提出一个反直觉判断:AI 不会让湿实验变少, 反而可能变多。瑞士初创 Adaptyv Bio 为 Anthropic 的 Claude 完成 1320 条蛋白序列的湿实验验证, 过去一年收入增长近 10 倍, 刚完成 4000 万美元 A 轮融资。
Adaptyv 将实验室重做成“AI Agent 的物理后端”: 检测每条 79 美元起、API 可直连、返回机器可读的结构化数据, 还运营含阴性结果的 Proteinbase 开放数据库。传统湿实验室为人设计、靠邮件与 PDF 报告交付,Adaptyv 则为 AI Agent 设计、靠 API 与结构化 JSON 交付。过去一年, 其实验室测了超过 1 万条蛋白, 客户数突破 100 家, 每月表达数千条蛋白, 成功率超过 90%。
📊 行业观察: 比拼规模、速度与数据质量
- 规模: 能否稳定承接成百上千个候选分子的验证需求。
- 速度: 交付周期从数周压缩到数天, 直接影响模型迭代效率。
- 可靠性: 不同批次结果是否可比, 决定数据能否被模型复用。
- 数据质量: 结构化、标准化的数据回流是闭环成立的前提。
🚀 总结
围绕“AI 制药的基建大赛开始了”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
