AI负责找分子，实验室负责花钱。

市场讨论AI制药，目光大多集中在模型和算法。

如果AI将候选分子的发现效率提升10倍、100倍，研发体系最大的变化并不发生在计算机端，而是发生在实验室端。

药物研发有一条无法绕开的路径：

AI模型 → 候选分子生成 → 高通量筛选 → 细胞实验 → 动物实验 → 临床前研究。

模型负责产生结果，实验负责验证结果。

当候选分子数量成倍增长，整个湿实验体系都会被动扩容。

这才是AI制药向产业链传导的核心逻辑。

第一层：最先爆发的是自动化实验室

首先受益的是自动化实验室。

过去限制研发效率的是候选分子数量，未来限制研发效率的可能变成实验执行能力。

当成千上万个候选分子同时进入验证阶段，依靠人工完成实验已经无法满足需求，自动化实验室成为必然选择。

机器人完成样品配置、实验执行、数据采集和结果分析，实验流程开始从科研模式转向工业化模式。

晶泰科技受到市场关注，本质上看中的并不仅仅是AI能力，而是AI与自动化实验平台的结合。

第二层：AI生成项目，CXO负责验证

再往下传导，就是CXO。

无论AI生成多少候选分子，最终都要完成药效、安全性、毒理等验证工作。

这些工作天然具备外包属性。

候选分子增加，项目数量增加，验证需求同步增加，订单最终流向药明康德、康龙化成、昭衍新药等CXO企业。

对于CXO来说，并不需要拥有最先进的模型，只需要拥有足够强的实验能力。

第三层：实验次数增加，试剂最先消耗

然后是试剂企业。

每一次实验都对应一次试剂消耗。

候选分子从100个增加到10000个，实验次数同步增长，试剂需求同步增长。

百普赛斯、诺唯赞提供的本身就是生命科学研究的基础工具。

研发活动越活跃，需求越直接。

第四层：培养基跟着实验规模一起增长

培养基逻辑与试剂类似。

细胞实验无法脱离培养体系。

实验规模扩大，培养基消耗自然扩大。

奥浦迈受益的并不是单个项目，而是整个研发总量的增长。

第五层：容易被忽视的耗材生意

再往下一层是实验耗材。

移液枪头、培养皿、离心管、冻存管看似不起眼，却是所有实验室离不开的消耗品。

单价不高，频率极高。

研发投入增加，实验数量增加，耗材需求同步放大。

洁特生物受益的正是这一层逻辑。

第六层：模式动物可能成为新的瓶颈

模式动物同样无法绕开。

药效验证、安全性评价、毒理研究最终都要进入动物实验阶段。

候选分子越多，动物实验需求越大。

百奥赛图、南模生物掌握的模式动物资源，本身就是研发体系的重要基础设施。

如果未来AI让候选分子供给大幅提升，动物实验环节甚至有可能成为新的产能瓶颈。

第七层：基因合成承接研发扩张

产业链最下游则是基因合成。

AI不断发现新的靶点、新蛋白、新抗体序列，后续都需要通过基因构建完成验证。

研发方向增加，基因合成需求同步增加。

金斯瑞提供的正是生命科学研发最底层的工具能力。

真正扩张的不是AI，而是湿实验

所以AI制药最大的价值，未必只是诞生几家AI药企。

真正的变化可能是整个研发产业链被重新激活。

AI负责创造海量候选分子，自动化实验室负责承接筛选，CXO负责验证，试剂、培养基、耗材负责消耗，模式动物负责评价，基因合成负责构建。

市场看到的是AI。

真正扩张的却是湿实验。

如果未来药物发现效率提升10倍，甚至100倍，那么受益最明显的未必是拥有最强模型的公司，而是那些能够承接海量实验需求的基础设施企业。

这或许才是AI制药最容易被忽视的一条主线。

若本文对你有启发，欢迎点赞、转发、关注。本文仅用于相互交流使用，不构成任何投资建议！文中药品、医疗器械存在研发、审批、集采、商业化多重不确定性。