AI制药的火，烧到了“产业中游”

2026年9月，三件事在生物医药圈引发了不小的震动。先是诺和诺德宣布接入Claude大模型，而后礼来旗下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，最后艾伯维也跟进AI制药，与Iambic达成多年合作。

双星彩塑新材料股份有限公司，并于2011年6月2日登陆深交所中小板。上市之初，双星新材靠的是规

2026年9月，三件事在生物医药圈引发了不小的震动。先是诺和诺德宣布接入Claude大模型，而后礼来旗下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，最后艾伯维也跟进AI制药，与Iambic达成多年合作。

然而，这些却仅是巨头布局AI制药的一个缩影。

图：巨头企业在AI制药的布局

回溯巨头企业布局AI制药的历史，可以很明显地发现布局频率在2026年显著提升。巨头们的动作很明确：用AI重新定义药物发现的效率。但当巨头开始全面押注“AI制药”，分子生成速度大幅增加时，整个行业最稀缺的资源，已不再是算法和算力，而是验证这些分子的实验能力。

AI制药的火，已然从“设计端”烧到了“验证端”，产业中游的蛋白试剂与验证服务商正是当下最热的风口。

工作流尚未闭环

一直以来，人们都将AI制药的重点放到“设计”环节：输入靶点和疾病信息，模型在数小时内可生成数千个候选分子。

今年8月18日，Anthropic发布了一项重要研究，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。最终，在具有可靠实验结果的15个靶点中，Claude在14个靶点上取得了成功。总计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%，已显著高于医药行业传统约10%的成功率。

AI制药的工作流本质是一个DBTL闭环：设计（Design）、构建（Build）、测试（Test）、学习（Learn）。大模型在分子发现环节已经展现出显著能力。在AI大模型的加持下，候选分子数量大幅增加，但分子发现仅是药物研发的最上游，想要最终成药，仍需中下游环节的持续跟进。蛋白表达、亲和力检测、功能评价、成药性筛选，这些环节缺一不可。

图：AI制药整个循环，来源：东吴证券

金斯瑞在2026年中期业绩会上也提到了这个关键矛盾：AI模型如今可以在数小时内生成数千个候选分子，但传统实验流程并不是为这样的规模和速度设计的。过去需要数周完成的验证，往往还要经过多个彼此割裂的步骤，实验数据也未必能及时、标准化地反馈给AI模型。

这就形成了一个新的错配。模型的速度越来越快，实验的速度却没有同步提升；算法可以持续迭代，但实验数据无法快速回流，模型也就难以真正变得更好。

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。

因此，现阶段AI制药的核心矛盾，在于中游如何实现“快反馈”。

中游玩家集体爆发

如果说AI大模型是由美国算力制定的规则，那么验证环节的“湿实验”则是中国临床前验证的主场。多年沉淀下来的产业链优势，正在让中国的中游玩家成为全球焦点。

刚刚与Lilly TuneLab达成合作的金斯瑞生物，正是这轮AI制药需求传导中最直接的受益者。

2026年上半年，金斯瑞AIDD（AI 驱动药物发现）相关收入接近4000万美元，AI相关蛋白业务开始放量，公司预计AI驱动蛋白订单在2026年下半年及之后保持三位数百分比增长。

更值得关注的是其商业模式的转变。金斯瑞与礼来TuneLab合作，向参与企业提供蛋白表达、纯化及表征分析等湿实验服务，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。截至2026年上半年，金斯瑞每天可交付蛋白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。

在上游AI分子设计能力溢出的情况下，中游玩家金斯瑞的商业模式其实正在发生蜕变。AI分子设计带来的新增需求自不必多提，在业务形式上，客户除购买蛋白质分子外，更会定制实验数据，这直接使得金斯瑞生物成为AI制药平台的实验数据与验证服务供应商。

金斯瑞正在从“蛋白供应商”转型为“AI制药的数据基础设施提供商”。公司已为逾百家药企提供AI制药相关的抗体及蛋白表达服务，卡位DBTL闭环逻辑，实现从AI生成序列到实验验证数据的快速转化。

同样处于产业中游的还有百普赛斯，但其路径略有不同。它不是单纯承接外部验证需求，而是将AI能力内化到产品开发中。

百普赛斯已构建“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，并已在耐高盐全能核酸酶、高稳定性CD19蛋白、热稳定FGF-B蛋白、高溶解度IL-2等多款工业级产品上完成AI优化改造。

在对外服务层面，百普赛斯依托HEK293/CHO真核表达体系，为AI设计的抗体分子提供高通量表达与标准化纯化服务，同时构建覆盖“分子亲和力—细胞功能—成药性”的一体化体外验证平台。公司拥有超5000种经活性验证的重组靶点蛋白，涵盖KLK2、TL1A、ActivinE、STEAP1等困难靶点，支持SPR/BLI亲和力检测，为AI模型输出标准化、可反馈的分子结合数据。

百普赛斯对自身定位有着清晰的判断：“湿实验验证能力正从研发支撑环节升级为支撑AI驱动药物研发的长期、结构性基础设施。”公司2026年上半年营收5.00亿元，同比增长28.97%，AI制药相关业务正成为业绩增长的重要引擎。

近岸蛋白核心布局在AI协同抗体发现平台。公司整合蛋白质结构设计、抗体改造等平台技术，结合AI高通量体系，支持抗体药物研发企业全方位快速设计和筛选抗体分子，为双特异性抗体、双抗ADC、AXC等抗体发现提供完整解决方案。

从投入数据看，其AI协同抗体发现平台预计总投资2000万元，目前累计投入已接近1500万元，累计完成32个靶点的候选分子开发，目标完成不少于50个靶点的候选抗体开发。

在RNA应用方面，近岸蛋白建立了从序列设计、全基因合成至RNA-LNP生产、理化分析与功能评价的一站式服务平台，并建立了AI辅助定域突变的酶改造平台。在RNA序列设计环节，公司整合人工智能技术与RNA序列设计算法，筛选提高mRNA稳定性的polyA序列，已获得相关专利授权。

此外，义翘神州切入AI制药的方式颇具特色。公司2026年5月上线XPressMAX™无细胞蛋白合成试剂盒，不需要漫长的细胞培养周期，直接在反应体系中加入质粒或PCR产物，仅需3个小时就能获得高活性目的蛋白。

基于XPressMAX平台，义翘神州可在3-4周完成2000多个scFv和VHH分子的湿实验数据验证。公司还推出一站式高通量抗体生产和分析平台，整合哺乳动物细胞和无细胞表达两个高通量体系，单项目通量分别可达1000+抗体和2000+抗体，并整合20余种可开发性检测方法。

义翘神州2026年上半年CRO业务收入1.25亿元，同比增长26%，正持续打造覆盖AI设计序列从快速合成、表达纯化到分析检测的一站式CRO服务平台。

金斯瑞生物、百普赛斯、近岸蛋白、义翘神州，这些中游供应商近期在资本市场受到关注，其背后的逻辑正是准确卡位AI制药的核心痛点。

湿实验，不可代替的桥梁

这四家公司的价值，最终都指向同一个关键词：湿实验。

AI制药有一个容易被忽略的特质——它不像AI编程，代码错了改一行就行。药物的候选分子必须在真实的生物体系中验证折叠、结合、活性和安全性。计算可以缩小搜索空间，但无法替代真实实验数据。

图：AI+分子验证产业链，来源：中邮证券

东吴证券研报指出，AI制药正进入战略入局阶段，干湿闭环是AI药物发现的核心逻辑，湿实验不可替代，基因合成、蛋白表达与纯化、体外验证、模式动物等环节将因AI候选分子爆发而系统性受益。

正因如此，AI制药的竞争焦点已经从算法转向专有数据与湿实验能力构成的闭环。

一个颇具说服力的案例来自大洋彼岸。瑞士初创Adaptyv Bio为Anthropic的Claude完成了1320条蛋白序列的湿实验验证，过去一年收入增长近10倍，刚完成4000万美元A轮融资。而Anthropic本身也已在旧金山湾区悄悄建成了实体湿实验室。

这些信号指向同一个方向：模型越聪明，验证需求越爆炸。

当AI大模型越来越依赖湿实验来补齐闭环，现阶段中游玩家无疑获得了先发优势。AI制药竞争焦点已由模型能力延伸至计算设计与实验验证的闭环效率。

谁能更先解决“湿实验”的数据回流速度问题，谁就能在AI制药的赛跑中获得领先优势。

中国为何关键阵地

一个容易被忽略的事实是：AI大模型的研发力量主要集中在美国，但承接验证服务的产业能力，却高度集中在中国。

这并非偶然。中国在重组蛋白试剂和生命科学服务领域积累了深厚的供应链优势。金斯瑞已建立起每天交付4000条蛋白的产能，Gene-to-Protein平台可将AI生成序列到模型可用数据交付周期压缩至最快约4天。百普赛斯拥有超5000种经活性验证的重组靶点蛋白，海外收入占比约62.3%，全球交付能力已成型。义翘神州建立了通过ISO 9001、ISO 13485、GMP、CNAS及CMA等多项权威认证的全流程质量管理体系。

更重要的是，这些企业提供的不仅仅是“做实验”的服务，而是一套标准化、可追溯、数据就绪的验证能力。当AI模型需要高质量结构化数据来迭代时，实验数据的标准化程度和数据反馈速度，比实验本身更关键。

从这个角度看，中国在AI制药产业链中的角色，不是“跟随者”，而是“基础设施提供者”。无论最终哪家AI模型或平台在竞赛中胜出，上游的验证基础设施都将持续受益。这既是卖水人的逻辑，也是中国产业链雄厚优势的映照。

AI制药的火，从设计端烧到了验证端，从硅谷烧到了中国的中游企业。而这把火，可能才刚刚点燃。

也就是BOPET赛道，完成 了从印刷包装到基础膜材的第一次转身。

责任编辑 | 汪鹏