摘要：AI制药的竞争正从拼模型转向拼闭环，湿实验室成了香饽饽。因为AI设计分子快，但真实实验验证慢，导致通量严重跟不上。这反而让国内具备高通量验证能力的服务商吃到了红利，未来需求还会更大。
一、信号：Anthropic自建湿实验室，字节2.9亿美元入场
26年9月，AI制药领域出现了两个标志性事件。Anthropic在美国旧金山湾区建成湿实验室，并开始探索由Claude模型直接指挥机器人执行实验流程，将人工介入控制在最低限度。与此同时，字节跳动旗下AI制药公司Anew Labs以独立公司身份完成首轮外部融资，规模达2.9亿美元。
这两件事指向同个方向：科技巨头正从数字世界走向物理世界，将AI能力延伸到真实的实验闭环。
二、什么是AIDD和湿实验室
AIDD（人工智能药物设计），通俗讲就是用AI模型来预测和设计候选药物分子。湿实验室则是在实验室里直接操作生物样本、试剂，开展实体实验与功能验证的场所。
简单说，AI可以快速生成大量候选分子，但这些目前只是计算机里的预测。分子能不能结合靶点、有没有活性、毒性如何，最终要靠真实实验来验证。AI制药的理想模式是一个闭环：大模型给出设计，实验室负责制造与测试，数据回流给模型后再设计下一批。
纯计算和预测领域的AIDD无法形成真正的知识沉淀，唯有构建“假设—检验”的工程化闭环，方能持续迭代出科学发现能力。湿实验室正是这一闭环的物理承载体。
三、需求端：设计通量提升直接拉动湿实验需求
传统大型药企持续扩大AI在药物发现和研发流程中的应用，AI投入逐渐转为研发预算的常规项；AI制药的创新公司，自身同样也需要大量湿实验来训练和验证模型。
二者共同推动下，AI模型药物设计通量持续提升，为湿实验环节带来明确的增量需求。以金斯瑞为例，当前其每日可完成8000个分子设计，年底目标提升至16000个/天，4至7天完成序列到结合的全套实验数据输出。公司预计AI驱动蛋白订单在26年下半年及之后将保持三位数百分比增长。
从市场空间看，受益于AI赋能的药物发现全部总潜在市场预计在180亿美元左右，包含算法等模型的投入和用于湿试验的开销。花旗预计到2030年，AI驱动的药物发现生态系统规模可能达到约500亿美元，AIDD渗透率目前仅约6%，增长空间仍然巨大。
四、供给端：湿实验室已成AIDD的核心瓶颈
当前AIDD的核心矛盾是设计快、验证慢，湿实验通量不足已成为AIDD产业化最大瓶颈。AI模型一周可生成数千个候选分子，但湿实验检测流程跟不上。AI从头设计抗体的湿实验结合命中率仅1%至5%，设计越多，验证压力越重。
AI制药公司自身缺乏验证能力，只能将分子验证外包给具备高通量验证的平台。以金斯瑞为例，其每天可交付4000条蛋白，部分路径从序列接收到完成数据测试仅需4至7天。它不是卖AI模型，而是卖“把AI设计转为真实实验数据”的能力。
湿实验室这一瓶颈已是行业共识。Twist Bioscience的AI相关订单2025年2500万美元、2026年预计5000万、2027年指引1亿美元，连续三年翻番。百普赛斯2026年上半年新签订单同比增长超30%，将湿实验验证能力定位为“支撑AI药物研发的基础设施”。
五、产业链受益环节
受益环节沿“设计—构建—测试—学习”这一闭环展开：
基因合成与DNA构建是第一道接口，高通量短交付平台最先承接AI提速。蛋白表达与纯化是连接预测与真实结果的关键环节。体外验证覆盖亲和力、细胞功能及成药性评价，是数据回流模型的核心步骤。模式动物体内验证处于后端，仍依赖实体设施。
市场长期关注模型能力，而忽视了数据产生、验证的物理环节。全球具备Gene-to-Protein完整验证能力的企业主要集中在国内，AI设计通量越高，对国内验证服务的需求就越刚性。
六、小结
AI制药的竞争焦点从模型能力转向能力闭环，湿实验室作为连接“AI预测”与“真实生物学结果”的物理载体，其战略价值正在被系统性重估。
国内在验证服务产业链上具备Gene-to-Protein完整能力的卡位优势，随着设计端提速与实验端瓶颈的矛盾日益突出，具备高通量、自动化、标准化湿实验能力的企业有望深度受益。