如果 AI 真能让新药研发大幅提速，谁会最先忙起来？
过去这一年，这个问题的答案变得越来越具体。4 月，OpenAI 推出面向生命科学研究的模型 GPT-Rosalind；6 月，Anthropic 发布科研平台 Claude Science，宣布启动自己的临床前药物项目，到了 9 月又证实已在旧金山湾区建起了湿实验室；同样在 9 月，从字节跳动拆分出来的 AI 制药公司 Anew Labs 完成了 2.9 亿美元的首轮外部融资。这些公司讲的其实是同一个故事：用 AI 缩短新药研发那场动辄“耗时十年、耗资十亿美元”的漫长周期。
直觉上，最先忙起来的似乎该是这些大模型公司。但从已经公布的财报来看，订单最先涨起来的反而是做实验的公司。金斯瑞今年上半年 AIDD（AI 药物发现）相关业务同比翻倍，已经连续三个半年度保持高速增长，相关项目的毛利率比传统蛋白表达业务高出约 20 个百分点；晶泰科技去年收入增长了两倍，首次实现全年盈利，今年上半年 AI4S 解决方案的收入又增长了 136%。
金斯瑞与晶泰两家公司的主要实验产能都在中国，而且它们并不是个例。全球新药研发中大量的化学合成、筛选、动物实验和早期临床，原本就是在国内完成的，美国政府也早就注意到了这一点。
今年 6 月，美国卫生与公共服务部（HHS）启动了一项名为 “TrialBlazer” 的计划，目标是恢复美国在临床研究上的领先地位。计划文件中坦承：中国在全球一期临床试验中的占比早在 2021 年就超过了美国；从早期发现到递交新药临床试验申请（IND），中国的周期比世界其他地区快了 50% 到 70%。
AI 把设计分子的门槛和成本压得越低，前端产出的待验证设计就越多，而负责验证的实体实验有相当一部分坐落在中国。AI 做药跑得越快，中国的实验室就跟着越忙。而这门生意未来能做多大，主要取决于两件事：AI 设计出来的药，到底能不能在人体临床上证明自己；以及华盛顿是否愿意任由这些实验继续放在中国做。
1,320 个设计，354 个能结合
AI 为什么会反过来催生更多的实验需求？Anthropic 8 月公布的一组蛋白设计实验是一个直观的例子。
Claude 针对十几个靶点一口气设计了 1,320 个结合蛋白，交给 Adaptyv Bio 和 Twist 两家公司进行合成、表达和测试，最终有 354 个被证实能与靶点结合。
Anthropic 表示，业内传统的命中率通常在 10% 到 15%，而 Claude 这批设计的命中率接近三成。设计在电脑里几天就能跑完，但线下的湿实验依然得以“周”为单位推进。剩下 966 个没能结合的设计同样没有白费，弄清楚哪些分子表达不出来、哪些结合不上，正是训练下一代大模型必不可少的负样本。
这彻底改变了实验在研发流程里的角色。过去做实验成本极高，药企只会挑把握最大的少数几个候选分子去做验证；现在的逻辑完全变了，AI 每一轮都能生成成百上千个设计，成功的结果用来推进管线，失败的数据用来反哺模型。实验不仅是在筛药，更是在给模型源源不断地生产训练数据。实验做得越多，模型就越聪明；而更聪明的模型，又会提出更多值得去验证的新分子。
从新药研发的完整链条来看，AI 目前能压缩的主要是前几年。医药行业常把“十年时间、十亿美元”称作双十定律：从寻找靶点到敲定临床前候选化合物（PCC），通常需要 3 到 6 年；临床前研究需要 1 到 2 年；真正的临床试验还要再花 6 到 7 年。
英矽智能用 AI 找到特发性肺纤维化的新靶点 TNIK，并据此设计出小分子药物 rentosertib，从靶点发现到确定候选化合物大约用了 18 个月；晶泰科技的一个口服环肽项目，在靶点明确后只用了两个月就找到了苗头化合物。
但一旦进入人体临床，情况就完全不同了。2024 年的一项行业分析显示，AI 发现的药物在二期临床的成功率约 40%，与行业历史平均水平基本持平。分子设计的周期被压缩之后，后面的体外实验、动物实验和临床试验并不会跟着自动变快，它们在整个研发周期里耗费的时间和资金权重，反而变得更突出了。
这也是 AI 公司纷纷掉头自建或寻找实验室的原因。Anthropic 生命科学负责人考德尔-艾布拉姆斯（Eric Kauderer-Abrams）在接受路透社采访时直言，在生物科学里，最终的检验“依然是、并且在相当长一段时间内都会是真实的实验室工作”。据路透社报道，Anthropic 目前采取的是双轨制：一边扩建自己的实验室来换取敏捷度和一手经验，一边在外包更划算时继续交给外部机构去做。
业内有一种声音认为，AI 制药公司要想真正跑通，终局可能都要买下一家实体 CRO。理由是实验室不是光砸钱就能立刻搭起来的：设备买得到，但稳定、可重复的实验体系和成熟的团队流程，往往需要多年磨合。
收购成熟 CRO 买到的主要是时间。但截至目前，头部 AI 公司并没有人真正跨出这一步。Anthropic 4 月以约 4 亿美元股票收购的 Coefficient Bio，其实是一个不到 10 人的算法模型团队，并非实验平台；Recursion 和晶泰科技走的是自建自动化实验室的路，晶泰目前已经在全球部署超过300台机器人实验工作站。
当下入局药物研发的 AI 公司，大体上分成了两条路线：一条是自己押注具体管线，比如 Anew Labs 和专做大环肽的北京元思生肽，管线权益自己持有，研发失败的风险也全由自己承担；另一条路线则不绑定管线，专门靠高通量筛选平台为大药企提供设计方案，比如今年 7 月以 38 亿美元估值融资 4 亿美元的 Chai Discovery。
礼来为这第二类公司搭建了 TuneLab 平台，把模型工具开放给中小生物技术公司，后端接入金斯瑞、Ginkgo、Twist 等实验服务商，让算法筛出来的候选序列能直接送进湿实验。
但不管走哪条路线，算法生成的东西最终都必须落到实验台上。谁来接住这批爆发的实验，成了接下来的核心问题。
订单先到了实验服务商手里
接住这批实验增量的，最先是处于链条上游的实验服务商。
美国的 Twist 是一个现成的参照标杆：在它 2025 财年新增的 6,600 万美元订单中，有 2,500 万美元直接来自 AI 药物研发，公司预计这块业务在 2026 财年将增长一倍以上，2027 财年还可能再翻一番。Anthropic 当初那 1,320 个蛋白设计，就有一部分交给了 Twist 测试。
中国的服务商增长得同样迅猛，而且很大程度上依赖海外市场。金斯瑞总部在南京，北美市场常年贡献其一半左右的收入。今年上半年，其 AIDD 相关业务收入同比翻倍，管理层预计未来订单仍将保持成倍增长。金斯瑞提到，从拿到设计序列到交付可以直接输入模型的数据，他们只需要几天时间，而传统流程往往需要 3 到 6 周。
AI 客户非常愿意为这种快速交付付钱，因此这部分项目的毛利率明显更高。9 月，金斯瑞配售募资约 23.5 亿港元，其中七成资金计划投向扩充 AIDD 产能，重点正是建设自动化高通量湿实验室；同月，它正式接入礼来的 TuneLab，为平台客户提供蛋白表达、纯化和表征服务。
晶泰科技走的是另一条路，它既做自研的 AI 药物发现，也把自身的机器人实验室作为一种基础设施服务对外出售。2025 年晶泰实现收入 8.03 亿元，同比增长两倍，首次实现全年盈利，其合作伙伴覆盖了全球前 20 大药企中的 17 家。今年 6 月，它与一家国际知名药企签下总金额超过 4 亿美元的合作，由对方支付首付款并全额承担早期研发费用。
晶泰的自动化实验室目前已积累了 50 多万条真实实验记录，其中包含大量公开文献里绝不会刊载的失败记录，而这正是大模型训练最饥渴的原料。
产业链再往下游走，就是传统的综合型 CRO。药明康德 2025 年来自美国客户的收入约 312 亿元，占其持续经营业务收入的七成以上，截至今年 6 月底在手订单高达 664.3 亿元。AI 计算设计出来的小分子和多肽，后续要做化学合成、做工艺放大生产，最终依然绕不开这样庞大的工业化产线。
这些服务商在 AI 制药生态里的身位，与纯模型公司或 Biotech 完全不同。它们按具体的实验量和批次收费，不需要熬上几年等待临床试验的成败结果。AI 公司每多迭代一轮、多生成一批分子，它们就能多收一笔实验费。
中国的实验室为什么接得住？
AI 带来的这波实验需求流向中国，其实是顺着过去几年全球制药业已有的分工惯性在走。
跨国药企这几年之所以大量从中国买入新药项目，看中的正是中国把早期成果推向临床的极致速度。据 IQVIA 统计，2025 年大型跨国药企从外部引进的新药项目中，有四成来自中国药企，而前一年还不到三成。2025 年当年，中国创新药对外授权交易达到 157 笔，合同总额高达 1,356.55 亿美元。中国药企负责把靶点验证并做成候选分子、推进至早期临床；跨国药企接手后，主导耗资巨大的后期试验、全球多中心注册与上市销售。
这种速度优势分布在研发链条的各个环节。无论是高通量的化学合成还是生物学实验，都需要大量受过良好学术训练的研究人员，这部分人力在中国的成本远低于美国，临床资源也是如此。GlobalData 旗下咨询机构 Deallus 的数据显示，一期临床在中国平均耗时约 7 个月，在美国则需要 17 个月以上，综合成本中国要低上 32% 到 52%。
HHS 在文件中也指出，中国要求申办方在拿到 IND 批件后 12 周内启动试验，而在美国，拿到 IND 后往往还要再耗上约 13 个月，时间基本花在了各家医院冗长的伦理审查和合同谈判上。到 2025 年，中国在全球新启动临床试验中的占比已达到 30%，紧追美国的 33%。
AI 设计出来的药物，眼下也在顺着这条通道往前走。英矽智能的 rentosertib 于今年 7 月在中国启动三期临床，计划在 47 家国内临床中心招募 320 名患者；国内临床 CRO 龙头泰格医药在 4 月与英矽签署了长期战略合作；而礼来在 3 月与英矽签下的合作协议中，包含了 1.15 亿美元的首付款以及最高约 27.5 亿美元的总金额，整体交易结构与国内传统药企的出海授权几乎如出一辙。
在这套分工里，AI 公司对不同类型的中国医药企业，扮演的角色完全相反：对于靠早期研发速度拿订单的中国创新药企而言，AI 公司是直接的竞争对手，双方争夺的是同一批跨国药企买家，比拼的也是看谁能在更短的时间内拿出优质分子；但对于中国的实验服务商和 CRO 来说，AI 公司则是送上门的新客户——前端算法算出来的分子越多，送到线下实验台上的订单就越多。
不过，订单的快速涌入也带来了明显的供给压力。国内部分关键实验环节的产能已经开始紧绷：以关键实验耗材食蟹猴为例，其单价在 2025 年 5 月前一度回落至 7.5 万元左右，但到了今年 6 月，中国食品药品检定研究院的采购单价已涨至 17.8 万元，目前市场报价更逼近 20 万元大关。
短期内推高猴价的，主要是这两年国内自主临床申报与出海交易的持续爆发，AI 带来的增量需求其实还没完全穿透到这一层。等到更多由 AI 设计的分子大规模走到体内实验阶段，像实验动物这种扩产周期极长的重资产环节，很可能会成为最卡脖子的新瓶颈。
华盛顿想把实验台搬回美国
而这种对海外供应链的深度依赖，正是华盛顿当下最感到焦虑的地方。
去年 12 月，《生物安全法》跟随 2026 财年国防授权法正式生效，明确禁止联邦政府采购被认定为“受关注生物技术公司”的设备与服务，也不允许联邦合同承包商在履约过程中采购此类服务。今年 6 月，药明康德被五角大楼列入 1260H 清单；尽管 8 月联邦地区法院暂时叫停了这一认定的效力，但白宫管理和预算办公室（OMB）依然保留着按照另一套行政标准对其作出限制的权力。
药企之间的技术授权交易也进入了监管视野。美国国家新兴生物技术安全委员会 8 月在参议院听证会上强调，跨国药企去年与中国本土生物技术公司达成了 150 多笔授权合作，总交易规模超过 1,350 亿美元。
6 月，众议院美中战略竞争特别委员会主席穆勒纳尔（John Moolenaar）联合民主党众议员丁格尔（Debbie Dingell）提出了《生物科技投资国家安全法》，要求将美国药企与中国企业之间的管线授权、合资经营和股权投资，一律纳入财政部的对外投资审查，监管范围覆盖早期研发、生物药生产以及临床研究。该提案极有可能被并入下一财年的国防授权法案中。
除了出台禁令，美国也在想方设法把早期研发产能拉回本土。前文提到的 TrialBlazer 计划，针对的就是拿到 IND 之后漫长的行政等待，试图精简伦理审批流程，让早期临床试验重新回流美国本土。Anthropic 选择在湾区自建湿实验室，初衷固然是为了贴身积累数据和提高敏捷度，但在客观效果上也切合了这一政策导向；与此同时，Twist、Ginkgo 等美国本土服务商，也都在全力争夺大模型催生出的这批实验订单。
然而，物理世界的实验产能极难在短时间内凭空迁移。那条“收购 CRO 买的是时间”的商业逻辑，放在国家产业层面同样适用：仪器设备花钱买得到，但成规模且训练有素的研究人员、经年累月跑通的质量控制体系，以及庞大的动物饲育设施，都需要漫长的时间去建设。
从成本角度看，AI 可以把分子计算的边际成本压到接近于零，但后续的湿实验、活体动物实验以及一期临床，依然必须按件、按例真金白银地支付硬成本。而这几个环节，恰恰是中国速度更快、成本更低的长板。对于面临专利断崖压力的跨国药企巨头来说，强行切断对华合作，最先受损的反而是自家的研发管线，毕竟它们目前引进的新项目中，整整有四成直接来自中国。
因此在可以预见的未来几年里，只要政策没有把大门彻底堵死，AI 释放出的海量实验需求，大概率依然会继续流向成本更低、周转更快的供应链网络，这其中自然包括中国。届时的行业图景将是两件事同时发生：中国的创新药企需要直面来自 AI 算法公司的管线竞争，而中国的实验服务商则会源源不断地接下这批算法巨头送来的实验订单。
回到最初的那个问题：按目前的行业进展来看，最先忙起来的并不是那些光环笼罩的大模型公司，而是替它们在线下做验证的实验机构，其中有相当一部分坐落在中国。
这种忙碌究竟能持续多久？这大概将取决于由 AI 设计的分子，未来到底能不能在二期临床试验中交出超越传统研发的数据。眼下，英矽智能的 rentosertib 刚刚开启三期临床，而背靠 DeepMind 的 Isomorphic Labs 原定去年进入临床，今年 1 月又把时间表顺延到了今年年底。其次还要看华盛顿能否在 AI 实验需求真正全面井喷之前，在本土建起足够庞大、廉价的替代产能。这两个决定行业走向的终极问题，眼下都还没有明确的答案。
参考资料：
1.https://www.mcdermottlaw.com/?p=50372436
2.https://www.pharmtech.com/view/reasons-to-pay-attention-to-makary-s-comments-around-losing-drug-development-ground-to-china
3.https://www.iqvia.com/locations/emea/blogs/2026/01/biopharma-m-and-a-outlook-for-2026
免责声明：本文旨在传递生命科学和医疗健康产业最新讯息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
热门跟贴