药明康德们，开始“接住”AI 制药……

2026年9月，字节分拆的Anew Labs完成2.9亿美元首轮融资，投后估值约15亿美元；几乎同时，金斯瑞生物科技完成约23.3亿港元配售，近七成投向AIDD产能和自动化湿实验室。一边是互联网资本直接下场做药，一边是CXO重仓湿实验基础设施。两条路径看似相反，却指向同一个问题：AI制药的价值最终落在哪里。

药明康德、金斯瑞、康龙化成、药石科技、维亚生物这五家CXO的布局，正在给出答案：AI越向前，CXO作为“物理验证层”和“可合成化学空间”的稀缺性越强。但AI原生平台和CXO之间仍有本质分野，只有把它们放在同一张图里，才能看清产业分工的真实形状。

药明康德，终于嵌入AI制药产业链

Guide View

2026年2月6日，有投资者在互动平台追问AI药物研发布局，药明康德的回复非常直接：“公司历来不自行开发新药，也没有用AI来开发新药。” 同一回复还澄清，投资者提问中提到的Chemistry42平台，属于另一家生物科技公司，与药明康德无关。

这句话在当时容易被读成一种“退后”：在AI制药叙事最热的时候，药明似乎主动把自己排除在外。

但到2026年9月30日，同一位投资者关系渠道上的表述发生了变化。

药明康德在互动平台表示，AI在创新药物研发领域仍处于探索和尝试阶段；“尽管AI能高效设计分子结构，但仍需要像公司这样具有独特的一体化、端到端CRDMO平台进行复杂的合成交付与生物验证”，由此形成“AI设计+CXO赋能落地”不可分割的产业闭环。公司坚持“HI+AI”策略，并进一步判断，未来优秀的CXO将进化为联接前沿AI大脑与实体研发环节的 “生命科学操作系统” 。

2月是在划清边界，9月则已经把“承接AI设计的落地”讲成了公司自身的结构性位置。这个位置在2026年10月第一次被产业端验证：

近日，MIT背景的AI制药公司Boltz官宣，其小分子筛选模型BoltzMol-1可以直接搜索药明康德的GalaXi化学空间。GalaXi在2025年9月版本已扩到258亿个合成可及分子，每个分子由185条验证过的反应和3万多个砌块组合而来，并已在Boltz Lab和Boltz API上线，全球可调用。BoltzMol-1的设计原则本身就带有硬约束：候选分子必须可购买或可按需合成；此前它接入的海外虚拟分子库超过700亿，这次新增药明体系，看重后者合成成功率高、交付稳定的供应链能力，以弥补虚拟空间与真实合成之间的转化鸿沟。

这意味着药明康德在AI制药中占据的不是前端设计，而是AI设计流程落地的那一段。模型可以开源，算法可以追赶，预测精度可以逐渐拉平，但“这个分子在现实中能不能被做出来、能不能在数周内交付”这道关口，总要落到某个拥有可合成化学空间和湿实验交付能力的平台上。AI负责找分子，药明康德负责把分子真正做出来。

需要说明的是，药明康德至今没有单独披露过AI相关收入，GalaXi也没有公布过模型端带来的合成订单量。这条线目前还是能力叙事。不过这不会改变一个事实——当AI制药从叙事走向订单时，最先被放大的可能不是模型公司的收入，而是湿实验验证和合成交付的刚性需求。药明康德想占的，正是这一层地面上交付确定性最高的位置。

金斯瑞23亿港元募资，亦是重仓AI够不着的那一段

Guide View

2026年6月股东周年大会上，金斯瑞管理层明确判断：“AI模型的发展对高质量、标准化实验数据的需求快速增长，而验证能力正成为产业链关键环节。”

到8月中期业绩会，轮值CEO邵炜慧把话推进一层：“随着AI设计速度加快，真正的瓶颈正在转变为实验验证。” CFO周靖补充了客户特征：这类需求“通常具备高通量、高频次和长期合作的特点”，与传统项目制订单不同。

金斯瑞认为：瓶颈不在算法，而在AI预测之后必须用物理实验验证的那一段。这个判断在9月被两个动作验证。

9月11日，金斯瑞配售净筹资约23.27亿港元，其中约70%用于扩大AIDD平台产能和基础设施，包括自动化高通量湿实验室设施及设备升级，约20%用于AIDD研发、数字化流程整合及全球拓展。钱没投算法和算力，而是投管理层口中的“瓶颈”：让AI生成的候选序列，以工业化速度变成可追溯、可回流的验证数据。

9月16日，金斯瑞与礼来Lilly TuneLab™达成合作：TuneLab开放基于礼来研发数据训练的模型，金斯瑞提供蛋白表达、纯化及表征分析等湿实验服务，对AI优选的候选序列开展标准化验证。邵炜慧的表述与业绩会一脉相承：“AI不断拓展分子设计的边界，而如何以更有效率、更大规模地完成实验验证，是推动这些创新走向研发实践的关键。”

据交银国际研报及金融界报道，2026年上半年，金斯瑞AIDD相关收入接近4000万美元，同比增长超过105%；并给出下半年AIDD收入翻番、突破1亿美元的指引。

金斯瑞同样不与AI公司竞争“谁更会设计分子”。23亿港元重仓的，是管理层亲口认定的那个瓶颈：模型越强，候选序列越多，对高通量、标准化、快速回流的湿实验验证需求就越成倍放大，而这一段恰恰是AI够不着、又绕不开的地方。

更多的中国CXO，正在“接住”AI制药

Guide View

康龙化成、药石科技、维亚生物的AI布局路径也各有差异化，底层逻辑却高度收敛：不做更强的生成模型，而是把AI锚定在已有的物理资源或验证能力上。

康龙化成在AI上的分量，先看一个数字：据招银国际研报，2026年上半年康龙化成AI制药收入已占实验室服务收入7%以上，而实验室服务占公司总收入约61%。这意味着AI在康龙已进入有实际体量的收入结构，不是概念层面的“布局”。目前来看，它试图在实验场景本身的自动化和数据化上建立纵深。

2026年8月与智平方的战略合作，指向的正是这个方向：双方围绕药品生产、化学实验、生物科学及分析实验、动物实验等场景，开发适配医药研发与CDMO生产的具身智能自动化工作流，让类脑大模型在康龙化成分布广泛的真实场景中持续获得数据回流，形成“场景—数据—模型—再验证”的迭代闭环。

关键在于，康龙化成提供的是场景定义权和业务know-how，而不是单纯采购自动化设备。AI要进湿实验，先得有行家把操作拆成机器人能执行的流程，再把数据喂回去——康龙化成正在争夺的，就是这个“场景入口”。

收购佰翱得则是另一条腿。意图之一很清楚：补上结构生物学和冷冻电镜解析能力，让康龙化成在“结构数据—AI模型—湿实验验证”这条链路上拥有更完整的输入质量。

药石科技自研端到端AI药物发现平台ZoeStar™。官方对它的定义非常克制，也极其关键：平台依托超过20万种分子砌块资源，在可合成性和实体砌块资源约束下推荐候选分子，明确“不同于纯算法驱动的分子生成”。

换句话说，一般AI模型是先画分子、再想办法合成；ZoeStar是先看自己手里有什么可用的“积木”，在真实存在的化学空间内做推荐。结果是AI设计结果进入实验验证的可行性被显著拉高，而不是交出一堆合成不出来的结构。

维亚生物的数据更加具体：截至2026年上半年，CADD/AIDD累计参与项目228个、采购客户92家，AI参与赋能项目收入占CRO收入约14.0%，AI客户相关湿实验收入占比约15.0%。

支撑这些项目的计算侧基础设施，是MARS多模态综合算法平台及其子平台：Pep2MARS管多肽/环肽，Mol2MARS管小分子反向寻靶和机制解析，共同构成“干湿实验闭环”中的计算端——实验数据回流优化模型，模型输出反向指导实验优先级和分子设计。MARS卡住的是多肽、环肽等复杂分子在AI设计之后、湿实验之前那道“可计算、可模拟”的关口。

如果说药明GalaXi卡的是“分子能不能被合成”，金斯瑞卡的是“序列在生物学上成不成立”，维亚MARS卡的则是“AI设计的复杂分子，能不能在计算层面被可靠评估和优化”。它不喧哗，却也是AI制药走向复杂分子时代绕不开的一层基础设施。

如上所述，各家路径不同，加固的却是同一道壁垒：AI分子需要被合成、表达、纯化、测毒和验证成药性，而这些物理约束和数据积累沉淀在CXO已有设施里。

当然，也要看到产业现实：当前AIDD订单大多集中在早期分子发现阶段，以小额前置项目为主，订单单价、利润率、长期订单持续性尚未经过完整药物研发周期验证。AI带来的高通量筛选需求，能否持续转化为稳定、高毛利的规模化收入，仍需要时间检验。

结语

Guide View

放到整个AI制药产业格局中看：

字节Anew Labs代表“自研管线”路线，从字节分拆后定位端到端AI新药发现，核心管线为IL-17家族小分子抑制剂，赌的是AI已能直接主导药物发现并推进管线。

晶泰科技代表“原生AI平台”路线，本质上更像“AI时代的CRO”，但核心资产是自己建设的AI+机器人数据闭环。英矽智能则是“平台+自研管线”并行。

MNC集体战略行动则预示着市场演化方向：辉瑞、礼来、GSK与Chai Discovery的合作，标的已不是具体管线，而是模型访问权和使用权；礼来、辉瑞还进一步获得基于自身专有数据定制的专属模型——模型本身正在商品化，稀缺的变成用专有数据训练差异化模型的能力，以及模型输出后进入物理世界必须经过的验证和合成环节。

而CXO正是负责AI制药在物理世界层面的落地——药明康德、金斯瑞、康龙化成、维亚生物、药石科技这五家CXO不追求用AI替代药物发现，而是用AI放大已有物理资产的价值：药明的可合成砌块空间、金斯瑞的蛋白表达通量、药石的砌块库、康龙的实验室场景、维亚MARS卡住的AI设计之后、湿实验之前那道“可计算、可模拟”的关口。

简言之，CXO不是在变成AI公司，而是接住“AI制药”，成为AI进入制药物理世界时的收费站和验证层。CXO赌的是，无论AI造出什么，只要需要被合成、表达和测试，就绕不开物理落地这道壁垒。AI越成功，对“可合成”和“可验证”的刚性需求就越不可回避。

参考来源：

[1] 盖德视界观察

[2] 智药局、医药魔方Info、医麦客

[3] 第一财经、金融界、21世纪经济报道

[4] 交银国际、招商证券

制作策划

策划：May / 审核校对：Jeff

撰写编辑：May / 封面图来源：网络

免责声明：本文仅代表作者个人观点，参考文献如上，如对文中内容有不同意见，欢迎下方留言讨论。如需转载，请邮箱guideview@guidechem.com联系我们。