复刻半导体时刻：AI制药的”瓶颈交易”正在成形
TREE NEWS 报道， 一场与半导体供应链高度相似的结构性投资机会正在制药领域悄然成形。在半导体行业，GPU的稀缺依次引爆了对HBM内存、网络设备、电力与冷却系统的需求；如今，AI驱动的药物发现（AIDD）正沿着同样的路径，将瓶颈从AI模型向下游的DNA合成、蛋白生产与实验验证环节传导。Altimeter Capital合伙人Freda Duan指出，这一”瓶颈交易”正在成形。
事件本身
最显著的信号来自前沿AI实验室的集体入场。Anthropic已将生命科学研究提升至战略层级并建立湿实验室，利用Claude智能体识别出一种与CRISPR类DNA重复序列相关的、此前未被表征的酶系统。OpenAI推出GPT-Rosalind模型族，覆盖药物化学、蛋白工程与基因组学。字节跳动的前AI药物发现部门现已独立运营为Anew Labs，整合基础模型、湿实验室验证与自有药物管线。同构实验室（Isomorphic Labs）明确承诺将AI设计的药物推进人体临床试验。
供应链数据印证了需求爆发。拓斯达生物（Twist Bioscience）预计2026财年和2027财年的AI药物发现订单将连续实现三位数百分比增长。金斯瑞（GenScript）的AI药物发现业务在2026财年上半年同比翻倍，渠道调研显示其实际验证产能已达每日约8,000个设计，并有望在2026年底前提升至16,000个。
为何AI反而推高湿实验室需求
这一逻辑的反直觉之处在于：AI使假设生成趋近于零成本，实验验证反而成为新瓶颈。
- 设计成本趋近于零。候选分子几乎不产生边际成本，瓶颈从设计端转移至生物验证端。
- 失败的实验同样有价值。在一个Anthropic案例中，Claude设计了1,320个蛋白结合子，仅354个成功结合，另外966个失败案例成为训练下一轮模型的负向标签。
- 湿实验室正转型为数据铸造厂。Twist与金斯瑞日益接近”生物数据铸造厂”角色，客户关心的可能已不是获得物理蛋白本身，而是将结构化实验结果反馈回模型。
市场影响
受益环节依次为：AI模型→序列设计→DNA合成（Twist等）→蛋白生产（金斯瑞等）→实验验证→测序（Illumina、10x Genomics等）→自动化设备→临床前测试（CRO）。若AI只是更高效的研发工具，相关支出池为每年3,000至4,000亿美元的全球制药研发总支出；若AI真正扩大了可行药物项目数量，机会将更大，因为它还将带动DNA合成、蛋白生产与临床前工作的增量需求。
这一轮与2020/21年的AI制药热潮存在根本差异。彼时（GPT出现之前）的逻辑是用计算减少低价值的湿实验室筛选，最终以Exscientia的DSP-1181分子终止而告终。如今的逻辑截然不同：用AI大幅扩展假设空间，再用湿实验室生成真实验证数据，形成”AI→实验→数据→更好的AI→更多实验”的递归循环。
风险与关键里程碑
DNA合成与蛋白生产是最直接的瓶颈节点。随着更多候选药物被推入临床前阶段，动物实验（尤其是灵长类，价格已接近此前高点）与CRO产能可能成为下一个受限环节。
- 2026至2027年底：同构实验室首批AI设计药物进入人体临床试验，更多AI原生项目推进至IND-enabling阶段。
- 2028至2030年：临床试验结果开始揭示AI设计药物是否真正优于传统药物。
近期风险包括：实验预算停止增长、AI生成设计无法转化为有效湿实验室结果、或产能过快追上需求。长期风险在于，若AI药物在发现阶段和I期表现亮眼，却在II/III期以正常失败率落败，整个投资逻辑将面临根本挑战——这也是为何II期临床结果如此关键。
投资者要点
- AI制药的”卖铲人”——DNA合成、蛋白生产、测序与自动化设备——无论商业化路径（授权、合作还是独立孵化）如何分叉，都将受益。
- Twist与金斯瑞的供应链订单数据，是该主题最具体、可追踪的验证信号。
- 这笔交易潜在持续时间较长，但2020年代末的II期临床数据是检验逻辑能否成立的最终裁判。
