11月12日，AI制药上游的龙头公司Twist Bioscience发布2026财年第四季度（7月至9月）财报。
单季收入1.266亿美元，同比增长28%，连续第15个季度环比增长，调整后EBITDA也首次转正。
图：业绩连续15个季度实现增长
更重要的是，来自AI药物发现客户的收入，从上一财年的2150万美元涨到了5910万美元，一年增长175%。
按披露数字算，全年新增的8280万美元收入里，AI占3760 万，约 45%；剔除 AI后其余业务增速约13%。
过去几年，Twist Bioscience一直为AI以及制药公司提供DNA合成及数据服务，合作了礼来、Anthropic等公司。
这家公司的市场定价也从DNA合成公司，变成了AI4S基础设施服务商。
然而最新财报发布后，Twist股价收却下跌6.83%，市场并不买账。
原因是AI制药业务的指引：从今年175%的增速降到明年约69%，低于投资者此前的期待。
毕竟，公司不遗余力地宣传AI4S增长空间极大，一边给出放缓的指引。
公司给出的解释是，AI订单仍有望实现三位数增长，而能不能把更多订单变成收入，取决于产能能不能跟上。
也就是说，这个增长指引，过于保守了。
本篇文章，我们将结合Twist的最新财报和电话会议，深度分析AI4S的行业趋势。
AI4S客户的订单分三步走
电话会上，Twist首席执行官埃米莉·勒普鲁斯特（Emily Leproust）第一次讲清了AI制药的服务路径。
她说，过去18个月里，一批又一批客户都在重复同一个模式。
1、试单：金额通常在1万到10万美元之间，客户用它验证交付质量和数据质量。
2、建模订单：金额往往达到数百万美元，客户买的主要是表征数据，也就是把蛋白做出来之后测得的结合力、可开发性等指标，用来训练和校准自己的模型。
3、真正的药物发现：客户消化数据一个季度甚至更久之后，带着新的靶点和序列回来，每轮订单在25万到100万美元之间，反复迭代，直到拿到可以推进到临床前的抗体，然后换一个靶点重新开始。
管理层称，第三阶段的持续性收入会超过建模阶段，这等于回应了“AI公司买完训练数据就不再买”的担忧。
至少从Twist看到的情况来说，建模只是入场，反复进行的设计、合成、测试循环才是订单的主体。
图：AI驱动的发现:可持续、可重复的收入流
这也说明模型没有替代实验，它让客户敢于设计更多分子、尝试更多靶点，每多一条设计出来的序列，就多一次合成和测试的需求。
Leproust的判断是，客户普遍认为AI药物发现需要更多的DNA、更多的蛋白和更多的数据，而目前仍然处在早期。
客户在扩散
Twist也深刻感受到了客户的变化。
最初，AI药物发现的客户是大药企和AI原生的生物技术公司，如今已经加入了美股“七巨头”中的部分公司和大规模数据中心运营商。
公司首席财务官Adam Laponis说，公司只统计能够明确识别为AI的客户，这个口径实际上是偏低的。
而传统药企和生物技术公司也在原有流程旁边加上AI项目，往后要分清哪些订单来自AI企业会越来越难。
这意味着再过一两年，AI药物发现很可能不再是一个可以单独统计的客户类别，它会变成药物发现的常规做法。
到那时，每一家做药的公司都会比今天设计更多的序列，也都需要更快、更便宜地拿到实验数据。
不过他也承认，公司去年披露的AI客户数量只有“几十家”，收入存在一定的集中度。
不过开展这项业务后，几乎每个季度客户数量都在持续增长，预计这一增长势头还将继续。
随着越来越多的人将人工智能药物发现作为其工作流程的一部分，这种集中度正在继续分散。
今年他没有给出新的具体数字。
不是业务不增长，而是产能不够用了
一位分析师向管理层提出了一个核心问题：
AIDD业务的基数变高了，目标却没跟着上调，增长为什么放缓？
简单来说，Twist 对2027财年AI药物研发收入的目标是1亿美元，但2026财年实际营收就做到了接近6000万美元。
相当于今年的AI制药业务增速达到175%，明年增速只有69%，这个业绩指引市场无法接受。
是订单增速下降了？还是订单积压了？
对此管理层给出的回答是： 就目前而言，我们最有把握的预测是1亿美元。
实际上，Twist现在有两件事要做。第一件事是增加产能，第二点是拓展工作流。
按管理层的说法，这个市场眼下的瓶颈在供给一侧。公司当前的重点是确保有足够的产能去承接即将到来的需求。
Twist目前有10台合成仪在运行，另有6台在安装和订购中，全部投产后，日产能将从约3200万条寡核苷酸提高到5000万条以上。
在工作流上，Twist早已从DNA合成扩展到蛋白和抗体生产能力。
过去12个月，Twist的蛋白和抗体生产能力增加了近200%，表征能力按不同检测项目扩大了2到5倍，接下来还要在俄勒冈州的工厂里再建一个表征实验室，让多项检测的能力在现有基础上再扩大5倍。
图：Twist的扩产计划
值得注意的是，扩张最快的是蛋白表达和表征这两个环节，这和前面提到的客户主要购买数据是对应的。
但扩产需要时间。公司首席财务官表示，一台新的合成仪从订购到建成要12到18个月。
设备到位之后还要做工艺设计、设备联调和软件开发，管理层反复强调，买设备容易，让整条流程稳定地大规模运转才是难点。
换句话说，上游的产能必须提前一年以上开始准备，等订单来了再扩是来不及的。
产能也直接决定了收入的上限，新财年1亿美元的AI收入指引只包含目前有高度把握的项目，要拿到超出这个数字的部分就必须有相应的产能。
当然扩产会拉低公司主营业务毛利，因为光是折旧每年吃掉2–3 个点毛利。
CFO的态度是，是宁要 20 亿收入，50%毛利，不要10亿收入、60% 毛利。
需求爆发，上游被提了新要求
下游需求的爆发，也给行业上游提出了全新的要求。
首先是成本。
这是AI药物发现客户在电话会上被转述得最直接的一条要求。CEO表示，客户告诉她，需要研究的数据点数量必须增加，单个数据点的价格必须降下来。
过去的做法是阵列式，一个孔里放一条序列，测出一个数据点。为了把单价降下来，一部分客户开始转向混池式，把几千、几十万甚至上百万条不同的序列放进同一管里一起测。
混池的难点在于合成之后如何把每一条序列的结果分别读出来，技术难度比阵列式更高，这部分能力Twist自己也还在扩展。
其次是速度。
AI模型几分钟就能给出一批新序列，实验结果却要等上几周，设计、合成、测试、学习这个循环能转多快，取决于湿实验这一段。
这批客户希望测试更多序列、更快地推进项目，公司扩产的目标之一就是缩短从客户完成设计到做出下一个决策之间的时间。
Twist在10月底上线的无细胞抗体筛选服务就是为此设计的，最快5天交付蛋白，8个工作日交付表征数据。
可以预见，产能规模、单个数据点的成本和周转时间，会成为上游供应商接下来最主要的三个竞争指标。
回到开头的问题，Twist并没有凉。
从电话会披露的信息看，这个数字更像是产能约束下的保守口径，而不是需求见顶的信号。
公司AI客户目前仍然只有几十家，收入集中度不低。不过放到整个行业来看，Twist这份财报传递的信息已经足够清楚。
过去几年，AI制药的讨论大多围绕模型展开，谁的算法更准、谁的参数更大。
而现在模型几分钟就能生成一批序列，真正排队的环节变成了合成、表达和表征，行业的瓶颈正在从算力和算法一侧，转移到湿实验数据的供给一侧。
这对上游公司来说是一次重新定价的机会。当客户买的不再是一段DNA，而是一个可以直接喂给模型的数据点，上游的角色也就从耗材供应商变成了AI药物发现的数据基础设施。
谁能把，把单个数据点的成本压低，把周转时间缩短，谁就能在这一轮需求里拿到更大的份额。
—The End—
热门跟贴