Giao dịch ‘nút thắt cổ chai’ trong khám phá thuốc bằng AI thành hình, gợi nhớ chu kỳ bán dẫn

TREE NEWS đưa tin: Một cơ hội đầu tư mang tính cấu trúc đang hình thành trong chuỗi cung ứng dược phẩm, phản ánh chặt chẽ phản ứng dây chuyền từng thấy trong ngành bán dẫn, khi sự khan hiếm GPU lan tỏa thành nhu cầu đối với bộ nhớ HBM, thiết bị mạng, điện năng và làm mát. Đối tác của Altimeter Capital, Freda Duan, lập luận rằng khám phá thuốc dựa trên AI (AIDD) hiện đang đi theo con đường tương tự, với nút thắt cổ chai dịch chuyển về phía hạ nguồn từ các mô hình AI sang tổng hợp DNA, sản xuất protein và kiểm chứng thực nghiệm.

Điều gì đã xảy ra

Tín hiệu rõ ràng nhất là sự tham gia đồng loạt của các phòng thí nghiệm AI tiên phong. Anthropic đã nâng nghiên cứu khoa học sự sống lên tầm chiến lược và xây dựng năng lực phòng thí nghiệm ướt, sử dụng các tác nhân Claude để xác định một hệ enzyme chưa từng được đặc trưng hóa trước đây liên quan đến các trình tự DNA lặp lại giống CRISPR. OpenAI đã ra mắt dòng mô hình GPT-Rosalind cho hóa học dược phẩm, kỹ thuật protein và genomics. Đơn vị khám phá thuốc bằng AI trước đây của ByteDance nay hoạt động độc lập với tên Anew Labs, kết hợp mô hình nền tảng, kiểm chứng phòng thí nghiệm ướt và pipeline độc quyền. Isomorphic Labs đã cam kết đưa các loại thuốc do AI thiết kế vào thử nghiệm trên người.

Dữ liệu chuỗi cung ứng xác nhận sự gia tăng nhu cầu. Twist Bioscience dự kiến tăng trưởng ba chữ số phần trăm trong đơn hàng khám phá thuốc bằng AI trong cả FY26 và FY27. Mảng kinh doanh khám phá thuốc bằng AI của GenScript đã tăng gấp đôi so với cùng kỳ trong nửa đầu FY26, với các kiểm tra kênh cho thấy năng lực đã được xác thực đạt khoảng 8.000 thiết kế mỗi ngày, có khả năng tăng lên 16.000 vào cuối năm 2026.

Tại sao AI làm tăng nhu cầu phòng thí nghiệm ướt

Điểm cốt lõi phản trực giác của luận điểm: AI làm sụp đổ chi phí tạo giả thuyết, biến kiểm chứng thực nghiệm thành nút thắt cổ chai mới. Ba động lực thúc đẩy điều này.

Thiết kế gần như không tốn chi phí. Các phân tử ứng viên có thể được tạo ra với chi phí biên gần như bằng không, do đó ràng buộc dịch chuyển từ thiết kế sang kiểm chứng sinh học.
Các thí nghiệm thất bại vẫn có giá trị. Trong một trường hợp của Anthropic, Claude đã thiết kế 1.320 chất gắn kết protein; chỉ 354 chất gắn kết thành công. 966 thất bại trở thành nhãn huấn luyện tiêu cực cho lần lặp mô hình tiếp theo.
Phòng thí nghiệm ướt đang trở thành nhà máy dữ liệu. Twist và GenScript ngày càng hoạt động như ‘xưởng đúc dữ liệu sinh học’, trả về kết quả thí nghiệm có cấu trúc thay vì chỉ protein vật lý.

Hàm ý thị trường

Chuỗi hưởng lợi diễn ra: Mô hình AI → thiết kế trình tự → tổng hợp DNA (Twist) → sản xuất protein (GenScript) → kiểm chứng thực nghiệm → giải trình tự (Illumina, 10x Genomics) → thiết bị tự động hóa → thử nghiệm tiền lâm sàng (CRO). Nếu AI chỉ cải thiện hiệu quả R&D, nhóm địa chỉ được là khoảng 300–400 tỷ USD chi tiêu R&D dược phẩm toàn cầu. Nếu AI thực sự mở rộng số lượng chương trình thuốc khả thi, cơ hội còn lớn hơn, kéo theo nhu cầu gia tăng trên khắp tổng hợp, sản xuất protein và công việc tiền lâm sàng.

Giao dịch này khác biệt căn bản so với cơn bùng nổ AI dược phẩm 2020/21 kết thúc bằng thất bại DSP-1181 của Exscientia. Chu kỳ đó, trước GPT, định hình AI như một công cụ hiệu quả tìm kiếm để giảm thí nghiệm vật lý. Logic ngày nay đảo ngược điều đó: AI mở rộng không gian giả thuyết, và phòng thí nghiệm ướt tạo ra dữ liệu kiểm chứng thực trong một vòng lặp đệ quy — AI → thí nghiệm → dữ liệu → AI tốt hơn → nhiều thí nghiệm hơn.

Rủi ro và cột mốc

Tổng hợp DNA và sản xuất protein là những nút thắt cổ chai trước mắt nhất. Khi nhiều ứng viên bước vào giai đoạn tiền lâm sàng, thử nghiệm trên động vật — đặc biệt là linh trưởng, nơi giá gần mức cao trước đây — và năng lực CRO có thể trở thành ràng buộc tiếp theo.

2026–2027: Những loại thuốc do AI thiết kế đầu tiên của Isomorphic bước vào thử nghiệm trên người; nhiều chương trình AI bản địa hơn đạt giai đoạn cho phép IND.
2028–2030: Kết quả lâm sàng tiết lộ liệu thuốc do AI thiết kế có thực sự vượt trội so với thuốc truyền thống hay không.

Rủi ro ngắn hạn bao gồm ngân sách thí nghiệm đình trệ, thiết kế AI không chuyển hóa thành kết quả phòng thí nghiệm ướt hợp lệ, hoặc năng lực đuổi kịp nhu cầu quá nhanh. Rủi ro dài hạn là thuốc AI tỏa sáng trong khám phá và Giai đoạn I nhưng thất bại ở tỷ lệ bình thường trong Giai đoạn II/III — đó là lý do tại sao kết quả lâm sàng giai đoạn giữa là phép thử then chốt.

Điểm chính cho nhà đầu tư

‘Xẻng và cuốc’ của khám phá thuốc bằng AI — tổng hợp DNA, sản xuất protein, giải trình tự và tự động hóa — sẽ hưởng lợi bất kể con đường thương mại hóa nào (cấp phép, hợp tác, hay biotech độc lập) chiếm ưu thế.
Dữ liệu đơn hàng chuỗi cung ứng từ Twist và GenScript cung cấp xác nhận cụ thể và có thể theo dõi nhất cho luận điểm này.
Giao dịch này có đường băng dài, nhưng dữ liệu lâm sàng Giai đoạn II vào cuối thập niên 2020 là trọng tài cuối cùng cho việc liệu logic có đứng vững hay không.