本轮创新药行情的一个新变化：“湿实验”正在成为AI制药时代核心资产

文｜锦缎

6月，Anthropic发布Claude Science，自己建了实体湿实验室，又花4亿美元买下一家成立仅八个月的AI制药初创Coefficient Bio。一家以模型见长的公司，把模型公司能做的事做到头之后，转身去买烧杯和通风橱。

9月，诺和诺德与Orbis Medicines签下最高14亿美元的合作。买的是一台"AI设计—自动合成—实验反馈"的闭环机器，以及它产出的、公开世界里根本不存在的实验数据。

两条新闻隔了三个月，指向同一个判断：这一轮AI制药，模型是易耗品，数据是燃料，而生产数据的地方——湿实验室，正在从成本中心变成资产负债表上最硬核的一项资产。

01湿实验为什么成了核心资产？

一、瓶颈转移：模型过剩，验证稀缺

先把术语说清楚。干实验指在计算机里完成的预测、筛选、分子设计；湿实验指在现实世界里动手的合成、培养、动物实验、分析检测。AI制药的理想闭环是干湿交替：机器设计，实验验证，数据回流，模型迭代。

兴业证券去年有个判断说得比较透：当前AI药物研发的决速步骤，不在模型跑多快，而在湿实验数据产得多快。

原因不难理解：

模型这一侧是充分竞争的市场，AlphaFold们把结构预测的边际成本压到几乎为零，生成模型每天能吐出百万个候选分子，而各家调用的底座模型大同小异，真正的差异化无从谈起。

数据这一侧却是极度稀缺的市场。公开文献里的实验数据天然偏科：发表的都成功案例，失败数据几乎无人记录；不同实验室的条件互不兼容；大环肽、共价抑制剂这类前沿方向的公开数据近乎空白。Orbis的CEO说得更直白：AI模型只有喂真实实验数据才有用，所以我们必须自己造数据。

于是瓶颈整个挪了位置。你能设计一亿个分子，实验室一周只能合成五十个。模型变得不值钱，让模型变聪明的数据变得值钱，而生产数据的能力，一如自动化实验室、通量的合成与筛选、标准化的数据采集等等，成了链条上最稀缺的一环。Anthropic买湿实验室，本质上恰是要去构建数据的自主生产权。

二、两个反直觉：AI不减少实验，反而放大实验

第一个反直觉之处在于，常识会以为AI提效意味着实验需求减少，行业账本算出来的却是相反。

AI把分子设计的边际成本降到近乎为零，结果不是实验少了，而是进入验证管道的候选分子多了几个数量级。以前一个项目只有三五条分子值得做实验，现在每个项目都带着几百上千条排队等合成、等测活性、等跑安评。设计越便宜，验证越贵。

这就是为什么英伟达和礼来共建实验室时，核心指标不是模型精度，是"两小时一轮迭代"——干湿闭环的转速，而不是干实验的单点速度。

第二个反直觉关乎商业模式的进化。

AI制药公司正在从"讲故事融资"切换到"用平台换里程碑"：Orbis累计融资1.33亿美元，换到最高14亿美元的里程碑框架，杠杆超过十倍。但里程碑的每一次触发，都拴着一个被湿实验验证过的分子。

换句话说，AI平台的变现能力，物理上受制于它背后那条实验管道的通量。谁的干湿闭环转得快，谁的AI就先变成收入。

三、湿实验资产的三个判定标准

不是所有实验室都算资产。按这一轮产业逻辑，我们总结了三条判定标准：

其一，通量。手工实验室的数据产量无法喂养模型，只有自动化、标准化的产线才产得出模型能消化的数据。判断指标是机器人工作台数量、每周实验通量这类可验证披露。

其二，数据归属。替客户做项目，数据归客户，实验室只是产能；自建平台生产自有数据，数据才能沉淀为公司资产。同样是湿实验，法律归属不同，估值逻辑完全不同。

其三，闭环。干实验和湿实验必须在同一个反馈循环里，而不是"AI部门做设计、实验部门接单子"的两张皮。判据是组织上有没有把模型迭代和实验排程咬合在一起。这是最难的一条，也是Anthropic宁可收购也要补上的一环。

02中国湿实验核心资产有哪些？

按能力圈分三类：平台闭环型、实验产能型、上游配套型。

一、平台闭环型：自己造数据

晶泰控股，是目前A股港股里平台纯度最高的标的。家底两块：量子物理计算加AI模型做干实验；三百多台自动化工作站的机器人实验室做湿实验，覆盖合成、结晶、配方测试。晶泰将传统三到四周的实验迭代压到约六天，单周自主推进上万次实验，每月沉淀二十多万条反应数据，其中八成是文献里查不到的失败负样本。

其客户覆盖全球前二十药企中的十七家。2025年是收入规模化的元年：全年营收8.03亿元，同比增长两倍；药物发现解决方案收入5.38亿元，同比增长超四倍。

冷水也得泼：其与DoveTree合作累计潜在金额约六十亿美元，但那是含研发、临床、销售里程碑的框架总额，一分钱还没走到能进利润表的地方。跟踪这家公司，还是要看客户复购率和里程碑的实际到账。

成都先导，走的是另一条闭环：不靠机器人军团，靠化学库。核心资产是DEL技术，将海量化合物每个挂上DNA条码，做成可并行筛选的万亿级实体分子库，叠加FBDD/SBDD结构生物学筛选。这个模式天然产数据：每次筛选都产出靶点与万亿化合物相互作用的完整图谱，公司已积累数百个靶点。

2025年它通过参与设立的基金增资控股摩熵智能——后者整合超十万个数据源构建结构化医药数据集群；2026年4月又与成都超算中心共建算力底座。

报表上，2025年营收5.26亿元，归母净利润1.10亿元，毛利率54.24%，DEL与结构筛选合计占比约77%，里程碑收入开始确认。它的能力边界需要持续观察：自研管线尚在早期，海外大药企订单的续约率是胜负手。

泓博医药，介于平台与CRO之间。自研DiOrion药物设计大模型和PR-GPT工具，宣称实现"AI设计到自有实验室合成测试"的闭环，累计交付65个候选药物分子（其中57个为first-in-class），服务53家CADD/AIDD客户。湿实验规模与前两家不在一个量级，公司自己也承认，AI目前的角色是"提升服务效率和交付能力的赋能工具"。

把它归进平台类，是因为它具备闭环的组织形态；它需要证明的是，AI能不能从效率工具长成一个独立可辨认的收入科目。观察它，就是观察"AI增强型CRO"这个物种跑不跑得通。

二、实验产能型：把实验室规模变成护城河

平台型公司造数据喂自己的模型，产能型的逻辑更朴素：AI分子的洪流涌过来，实验产能本身就是收租权。

药明康德，是这一层的巨无霸。2025年持续经营业务收入434亿元，年末在手订单580亿元、同比增长28.8%——不管AI公司的管线成不成，这些订单都会变成合成、筛选、测试、生产的实验收入。它的湿实验资产有两块常被低估：一是全球最大规模的私有化学数据库之一，超650万个化合物结构及其反应记录，几十年实验产能的自然沉淀；二是武汉基地"AI设计—机器人合成—智能验证"产线，单日可完成数千次化学反应。TIDES业务收入113.7亿元、同比增长96%，恰好卡在GLP-1与核酸药物这两个最吃湿实验产能的赛道上。

它还投了晶泰和英矽智能，与薛定谔有过合资。能力边界：AI在它报表里没有独立科目，把订单增长归因于AI属于过度演绎。它的正确打开方式是"AI时代的水电煤"。

康龙化成，与药明同构而体量次之，差异化的动作是控股肿瘤AI公司海心智惠，把高质量合规的患者数据并进临床服务体系。两万余名研发人员是另一种形式的湿实验资产。观察关键词：海外Biotech客户储备——AI制药的第一批买单者，恰恰是那批自己没有实验室的算法公司。

美迪西，是临床前验证环节的样本。药理、毒理、安评是AI分子出闸的法定关卡，每一批AI设计的分子都要在这里过安检。公司搭了MAIDD平台，在上海立项AI临床前研究服务平台，叠加类器官等新方法学，累计参与研发的项目已有650余件IND获批。AI制药进入临床验证期，就是它订单结构的直接扩容。

昭衍新药，单独点一句：今年与英矽智能签了战略合作，围绕非临床研究、实验动物资源保障、AI生命科学模型建立共同体。安评加模式动物是湿实验里最重资产的环节，也是AI最难替代的环节。毕竟毒性没有捷径，只能在动物身上看。

三、上游配套型：卖铲子的铲子

药石科技，全球分子砌块头部。AI设计的全新分子，绝大多数需要定制砌块搭骨架，砌块是AI合成链上的刚需耗材。2025年营收19.74亿元，其中CDMO收入11.24亿元，业务从卖砌块向一体化服务延伸。

皓元医药，路线相近：近十万种分子砌块和工具化合物储备，MedChemAI平台，前端耗材加后端小型CRDMO双轮。

再往生物端，百普赛斯、义翘神州的重组蛋白和抗体表达试剂，是AI大分子设计的验证材料——模型可以生成抗体序列，表达和测亲和还得靠蛋白工厂。

这一类的共性：单笔金额小、复购率高、不赌管线成败。整条产业链里业绩确定性最强、弹性也最钝的一环。

03三个推演

推演一：价值分配向验证端迁移，"实验通量"会成为估值参数。

模型同质化、数据稀缺、验证是决速步骤，利润分配就必然向握有实验产能和数据资产的环节迁移。一级市场已经用脚投票，二级市场的重估只是时间问题。

落到估值方法上，"实验通量"会逐步进入模型，像当年"产能"之于CDMO、"用户时长"之于互联网。以后投资者会问三个问题：这家公司每月产多少条自有数据？干湿闭环一轮多久？数据归属在谁手里？这三个问题对应的估值差，会大过今天市场对"有没有AI概念"的定价差。

反过来，凡是"部署了CADD工具"就自称AI制药的公司，会在这一轮里被剥掉估值溢价。因为工具是买来的，不是资产。

推演二：中国优势要重新定价，从模型叙事换到化学产能叙事。

这一轮全球竞赛，中国真正的筹码不是模型——生成式模型的扩散没有国界，中美头部实验室的底座能力正在快速趋同。筹码是化学产能：全世界做分子合成成本最低、通量最高、工程师密度最大的地方就在中国。

英伟达和礼来要的"两小时迭代"，Orbis们要的"数以千计分子数周交付"，物理上都指向中国供应链。支付方压价逼出来的研发成本极限压缩，极限方案就是把湿实验放在中国做。

AI制药的全球分工，可能重演消费电子的故事：设计在硅谷，制造在长三角。

推演三：检验的时点在2027到2029年。

湿实验资产的逻辑，最终要靠AI设计药物的临床成败来验。BCG统计过：AI设计药物的一期成功率超八成，显著高于历史水平；二期成功率约四成，与行业均值无异。

翻译成人话就是，模型擅长的是"找到能进临床的分子"，还没证明"找到能上市的药"。2027到2029年，第一批AI原生管线集中出数据，那是整个赛道——包括湿实验叙事——的成人礼。

在那之前，要盯三个领先指标。

一看订单质量：平台公司的合同里，里程碑确认占比在升还是服务费占比在升。前者是风险共担的深绑定，后者还是外包关系的浅合作。

二看数据资产化：有没有公司把自有实验数据从成本科目变成可交易资产，数据授权、数据入股、联合训练，那会是估值体系切换的信号。

三看人才流向：顶级计算生物学家的简历往实验室跑还是往模型公司跑，流向是资本流向的先导。

最后说风险。

湿实验资产有一个隐蔽的敞口：它的景气度押注在AI制药研发投入持续放大上，而后者此刻仍靠资本市场输血。如果2027年的临床数据大面积不及预期，管线收缩会顺着链条传导：平台公司的里程碑停摆，CXO的订单放缓，砌块的复购中断。湿实验是这一轮最实的资产，但"实"不等于"稳"。它是放大器，放大繁荣，也放大退潮。

04结语

干实验的尽头是湿实验。

模型会过时，算力会贬值，实验室里日复一日攒下来的数据和产能，正在成为这个行业最后的护城河。四十年前，中国靠制造业产能接住了全球消费电子的产业转移；这一轮AI制药的产业转移，接球的位置在实验室里。

Anthropic买下湿实验室的那个下午，最懂模型的那批人，把钱押在了烧杯上。