AI制药从设计端转向验证端，产业中游迎来爆发

近年来，AI制药领域经历了从概念炒作到商业化落地的转变。2026年9月，诺和诺德宣布接入Claude大模型，礼来旗下AI协作平台Lilly TuneLab连续签约金斯瑞生物科技、Twist Bioscience、Ginkgo Bioworks三家公司，艾伯维也与Iambic达成多年合作。这些动作标志着AI制药已从上游分子设计环节，向中游实验验证环节转移。

AI制药的核心工作流是DBTL闭环：设计（Design）、构建（Build）、测试（Test）、学习（Learn）。虽然大模型在分子发现环节展现出显著能力，但传统实验流程无法匹配其快速生成的候选分子数量。例如，Anthropic今年8月的研究显示，使用Claude Opus 4.8和Claude Mythos Preview自主完成针对16个靶点的蛋白设计，1320个经过可靠实验检测的设计中，354个真实结合靶蛋白，整体命中率为26.8%，显著高于医药行业传统约10%的成功率。然而，实验验证环节仍需数周时间，且数据反馈不及时，导致AI模型难以持续优化。

在这种背景下，产业中游的蛋白试剂与验证服务商成为新的风口。金斯瑞生物科技作为这一轮AI制药需求传导中最直接的受益者，2026年上半年AIDD相关收入接近4000万美元，预计下半年及之后保持三位数百分比增长。公司通过标准化、可追溯的实验流程，对AI优选的候选序列开展验证，每天可交付蛋白4000条，部分表达路径从序列接收到完成数据测试仅需约4-7天。

同样处于产业中游的还有百普赛斯，其构建了"AI预测—实验验证"双轮驱动的蛋白质设计开发模式，实现对蛋白、mRNA表达量及溶解度等关键属性的精准预测，并已在多款工业级产品上完成AI赋能。

图1展示了AI制药的干湿实验闭环，从公开数据打底到分子优化，每个环节都至关重要。当前，AI制药的瓶颈正在从"能不能设计一个好想法"，转向"如何快速做到数据回流"。AI制药不同于AI编程，其迭代高度依赖真实化合物实验数据，蛋白合成、动物模型、试剂及纯化等验证环节迎来实质性增量需求。

图2显示了AI制药服务商的客户群体拓展和行业领先周期。随着AI制药从设计端向验证端转移，产业中游的服务商正迎来新的发展机遇。金斯瑞、百普赛斯等企业通过提供标准化、可追溯的实验服务，正在转型为AI制药的数据基础设施提供商。

图3展示了字节跳动孵化的AI创新药企Anew Labs的融资情况。该公司完成2.9亿美元天使轮融资，投后估值达15亿美元，显示出资本对AI制药领域的持续关注。然而，与早期野蛮生长阶段不同，当前行业更注重实际研发成果和商业化能力。

图4象征着AI技术与生物制药的深度融合。随着AI模型在分子发现环节的能力不断提升，实验验证环节的重要性日益凸显。只有解决好数据回流问题，AI制药才能真正实现高效迭代。

图5显示了红杉中国在AI制药领域的投资情况。截至2026年6月，药企发现及管线开发收入同比增长287.2%，表明AI制药的商业化进程正在加速。这为产业中游的验证服务商提供了广阔的市场空间。

总体来看，AI制药行业正经历从上游设计到中游验证的重心转移。蛋白试剂与验证服务商凭借产业链优势和标准化服务能力，正在成为AI制药生态系统中的关键角色。未来，随着AI模型与实验验证的进一步融合，AI制药有望实现更高效的药物研发流程。