本輪創新葯行情的一個新變化：「濕實驗」正在AI製藥時代迎來邏輯重估

6月，Anthropic發佈Claude Science，自己建了實體濕實驗室，又花4億美元買下一家成立僅八個月的AI製藥初創Coefficient Bio。一家以模型見長的公司，把模型公司能做的事做到頭之后，轉身去買燒杯和通風櫥。

9月，諾和諾德與Orbis Medicines簽下最高14億美元的合作。買的是一臺"AI設計—自動合成—實驗反饋"的閉環機器，以及它產出的、公開世界里根本不存在的實驗數據。

兩條新聞隔了三個月，指向同一個判斷：這一輪AI製藥，模型是易耗品，數據是燃料，而生產數據的地方——濕實驗室，正在從成本中心變成資產負債表上最硬核的一項資產。

01

濕實驗為什麼成了核心資產？

一、瓶頸轉移：模型過剩，驗證稀缺

先把術語説清楚。干實驗指在計算機里完成的預測、篩選、分子設計；濕實驗指在現實世界里動手的合成、培養、動物實驗、分析檢測。AI製藥的理想閉環是乾溼交替：機器設計，實驗驗證，數據迴流，模型迭代。

興業證券去年有個判斷説得比較透：當前AI藥物研發的決速步驟，不在模型跑多快，而在濕實驗數據產得多快。

原因不難理解：

模型這一側是充分競爭的市場，AlphaFold們把結構預測的邊際成本壓到幾乎為零，生成模型每天能吐出百萬個候選分子，而各家調用的底座模型大同小異，真正的差異化無從談起。

數據這一側卻是極度稀缺的市場。公開文獻里的實驗數據天然偏科：發表的都成功案例，失敗數據幾乎無人記錄；不同實驗室的條件互不兼容；大環肽、共價抑制劑這類前沿方向的公開數據近乎空白。Orbis的CEO説得更直白：AI模型只有喂真實實驗數據纔有用，所以我們必須自己造數據。

於是瓶頸整個挪了位置。你能設計一億個分子，實驗室一周只能合成五十個。模型變得不值錢，讓模型變聰明的數據變得值錢，而生產數據的能力，一如自動化實驗室、通量的合成與篩選、標準化的數據採集等等，成了鏈條上最稀缺的一環。Anthropic買濕實驗室，本質上恰是要去構建數據的自主生產權。

二、兩個反直覺：AI不減少實驗，反而放大實驗

第一個反直覺之處在於，常識會以為AI提效意味着實驗需求減少，行業賬本算出來的卻是相反。

AI把分子設計的邊際成本降到近乎為零，結果不是實驗少了，而是進入驗證管道的候選分子多了幾個數量級。以前一個項目只有三五條分子值得做實驗，現在每個項目都帶着幾百上千條排隊等合成、等測活性、等跑安評。設計越便宜，驗證越貴。

這就是為什麼英偉達和禮來共建實驗室時，核心指標不是模型精度，是「兩小時一輪迭代」——乾溼閉環的轉速，而不是干實驗的單點速度。

第二個反直覺關乎商業模式的進化。

AI製藥公司正在從「講故事融資」切換到「用平臺換里程碑」：Orbis累計融資1.33億美元，換到最高14億美元的里程碑框架，槓桿超過十倍。但里程碑的每一次觸發，都拴着一個被濕實驗驗證過的分子。

換句話説，AI平臺的變現能力，物理上受制於它背后那條實驗管道的通量。誰的乾溼閉環轉得快，誰的AI就先變成收入。

三、濕實驗資產的三個判定標準

不是所有實驗室都算資產。按這一輪產業邏輯，我們總結了三條判定標準：

其一，通量。手工實驗室的數據產量無法餵養模型，只有自動化、標準化的產線才產得出模型能消化的數據。判斷指標是機器人工作臺數量、每周實驗通量這類可驗證披露。

其二，數據歸屬。替客户做項目，數據歸客户，實驗室只是產能；自建平臺生產自有數據，數據才能沉澱為公司資產。同樣是濕實驗，法律歸屬不同，估值邏輯完全不同。

其三，閉環。干實驗和濕實驗必須在同一個反饋循環里，而不是「AI部門做設計、實驗部門接單子」的兩張皮。判據是組織上有沒有把模型迭代和實驗排程咬合在一起。這是最難的一條，也是Anthropic寧可收購也要補上的一環。

02

中國濕實驗覈心資產有哪些？

按能力圈分三類：平臺閉環型、實驗產能型、上游配套型。

一、平臺閉環型：自己造數據

晶泰控股，是目前A股港股里平臺純度最高的標的。家底兩塊：量子物理計算加AI模型做干實驗；三百多臺自動化工作站的機器人實驗室做濕實驗，覆蓋合成、結晶、配方測試。晶泰將傳統三到四周的實驗迭代壓到約六天，單周自主推進上萬次實驗，每月沉澱二十多萬條反應數據，其中八成是文獻里查不到的失敗負樣本。

其客户覆蓋全球前二十藥企中的十七家。2025年是收入規模化的元年：全年營收8.03億元，同比增長兩倍；藥物發現解決方案收入5.38億元，同比增長超四倍。

冷水也得潑：其與DoveTree合作累計潛在金額約六十億美元，但那是含研發、臨牀、銷售里程碑的框架總額，一分錢還沒走到能進利潤表的地方。跟蹤這家公司，還是要看客户復購率和里程碑的實際到賬。

成都先導，走的是另一條閉環：不靠機器人軍團，靠化學庫。核心資產是DEL技術，將海量化合物每個掛上DNA條碼，做成可並行篩選的萬億級實體分子庫，疊加FBDD/SBDD結構生物學篩選。這個模式天然產數據：每次篩選都產出靶點與萬億化合物相互作用的完整圖譜，公司已積累數百個靶點。

2025年它通過參與設立的基金增資控股摩熵智能——后者整合超十萬個數據源構建結構化醫藥數據集群；2026年4月又與成都超算中心共建算力底座。

報表上，2025年營收5.26億元，歸母淨利潤1.10億元，毛利率54.24%，DEL與結構篩選合計佔比約77%，里程碑收入開始確認。它的能力邊界需要持續觀察：自研管線尚在早期，海外大藥企訂單的續約率是勝負手。

泓博醫藥，介於平臺與CRO之間。自研DiOrion藥物設計大模型和PR-GPT工具，宣稱實現"AI設計到自有實驗室合成測試"的閉環，累計交付65個候選藥物分子（其中57個為first-in-class），服務53家CADD/AIDD客户。濕實驗規模與前兩家不在一個量級，公司自己也承認，AI目前的角色是"提升服務效率和交付能力的賦能工具"。

把它歸進平臺類，是因為它具備閉環的組織形態；它需要證明的是，AI能不能從效率工具長成一個獨立可辨認的收入科目。觀察它，就是觀察"AI增強型CRO"這個物種跑不跑得通。

二、實驗產能型：把實驗室規模變成護城河

平臺型公司造數據喂自己的模型，產能型的邏輯更朴素：AI分子的洪流湧過來，實驗產能本身就是收租權。

藥明康德，是這一層的巨無霸。2025年持續經營業務收入434億元，年末在手訂單580億元、同比增長28.8%——不管AI公司的管線成不成，這些訂單都會變成合成、篩選、測試、生產的實驗收入。它的濕實驗資產有兩塊常被低估：一是全球最大規模的私有化學數據庫之一，超650萬個化合物結構及其反應記錄，幾十年實驗產能的自然沉澱；二是武漢基地"AI設計—機器人合成—智能驗證"產線，單日可完成數千次化學反應。TIDES業務收入113.7億元、同比增長96%，恰好卡在GLP-1與核酸藥物這兩個最吃濕實驗產能的賽道上。

它還投了晶泰和英矽智能，與薛定諤有過合資。能力邊界：AI在它報表里沒有獨立科目，把訂單增長歸因於AI屬於過度演繹。它的正確打開方式是"AI時代的水電煤"。

康龍化成，與藥明同構而體量次之，差異化的動作是控股腫瘤AI公司海心智惠，把高質量合規的患者數據並進臨牀服務體系。兩萬余名研發人員是另一種形式的濕實驗資產。觀察關鍵詞：海外Biotech客户儲備——AI製藥的第一批買單者，恰恰是那批自己沒有實驗室的算法公司。

美迪西，是臨牀前驗證環節的樣本。藥理、毒理、安評是AI分子出閘的法定關卡，每一批AI設計的分子都要在這里過安檢。公司搭了MAIDD平臺，在上海立項AI臨牀前研究服務平臺，疊加類器官等新方法學，累計參與研發的項目已有650余件IND獲批。AI製藥進入臨牀驗證期，就是它訂單結構的直接擴容。

昭衍新葯，單獨點一句：今年與英矽智能簽了戰略合作，圍繞非臨牀研究、實驗動物資源保障、AI生命科學模型建立共同體。安評加模式動物是濕實驗里最重資產的環節，也是AI最難替代的環節。畢竟毒性沒有捷徑，只能在動物身上看。

三、上游配套型：賣鏟子的鏟子

藥石科技，全球分子砌塊頭部。AI設計的全新分子，絕大多數需要定製砌塊搭骨架，砌塊是AI合成鏈上的剛需耗材。2025年營收19.74億元，其中CDMO收入11.24億元，業務從賣砌塊向一體化服務延伸。

皓元醫藥，路線相近：近十萬種分子砌塊和工具化合物儲備，MedChemAI平臺，前端耗材加后端小型CRDMO雙輪。

再往生物端，百普賽斯、義翹神州的重組蛋白和抗體表達試劑，是AI大分子設計的驗證材料——模型可以生成抗體序列，表達和測親和還得靠蛋白工廠。

這一類的共性：單筆金額小、復購率高、不賭管線成敗。整條產業鏈里業績確定性最強、彈性也最鈍的一環。

03

三個推演

推演一：價值分配向驗證端遷移，"實驗通量"會成為估值參數。

模型同質化、數據稀缺、驗證是決速步驟，利潤分配就必然向握有實驗產能和數據資產的環節遷移。一級市場已經用腳投票，二級市場的重估只是時間問題。

落到估值方法上，"實驗通量"會逐步進入模型，像當年"產能"之於CDMO、"用户時長"之於互聯網。以后投資者會問三個問題：這家公司每月產多少條自有數據？乾溼閉環一輪多久？數據歸屬在誰手里？這三個問題對應的估值差，會大過今天市場對"有沒有AI概念"的定價差。

反過來，凡是"部署了CADD工具"就自稱AI製藥的公司，會在這一輪里被剝掉估值溢價。因為工具是買來的，不是資產。

推演二：中國優勢要重新定價，從模型敍事換到化學產能敍事。

這一輪全球競賽，中國真正的籌碼不是模型——生成式模型的擴散沒有國界，中美頭部實驗室的底座能力正在快速趨同。籌碼是化學產能：全世界做分子合成成本最低、通量最高、工程師密度最大的地方就在中國。

英偉達和禮來要的"兩小時迭代"，Orbis們要的"數以千計分子數周交付"，物理上都指向中國供應鏈。支付方壓價逼出來的研發成本極限壓縮，極限方案就是把濕實驗放在中國做。

AI製藥的全球分工，可能重演消費電子的故事：設計在硅谷，製造在長三角。

推演三：檢驗的時點在2027到2029年。

濕實驗資產的邏輯，最終要靠AI設計藥物的臨牀成敗來驗。BCG統計過：AI設計藥物的一期成功率超八成，顯著高於歷史水平；二期成功率約四成，與行業均值無異。

翻譯成人話就是，模型擅長的是"找到能進臨牀的分子"，還沒證明"找到能上市的藥"。2027到2029年，第一批AI原生管線集中出數據，那是整個賽道——包括濕實驗敍事——的成人禮。

在那之前，要盯三個領先指標。

一看訂單質量：平臺公司的合同里，里程碑確認佔比在升還是服務費佔比在升。前者是風險共擔的深綁定，后者還是外包關係的淺合作。

二看數據資產化：有沒有公司把自有實驗數據從成本科目變成可交易資產，數據授權、數據入股、聯合訓練，那會是估值體系切換的信號。

三看人才流向：頂級計算生物學家的簡歷往實驗室跑還是往模型公司跑，流向是資本流向的先導。

最后説風險。

濕實驗資產有一個隱蔽的敞口：它的景氣度押注在AI製藥研發投入持續放大上，而后者此刻仍靠資本市場輸血。如果2027年的臨牀數據大面積不及預期，管線收縮會順着鏈條傳導：平臺公司的里程碑停擺，CXO的訂單放緩，砌塊的復購中斷。濕實驗是這一輪最實的資產，但"實"不等於"穩"。它是放大器，放大繁榮，也放大退潮。

04

結語

干實驗的盡頭是濕實驗。

模型會過時，算力會貶值，實驗室里日復一日攢下來的數據和產能，正在成為這個行業最后的護城河。四十年前，中國靠製造業產能接住了全球消費電子的產業轉移；這一輪AI製藥的產業轉移，接球的位置在實驗室里。

Anthropic買下濕實驗室的那個下午，最懂模型的那批人，把錢押在了燒杯上。

風險提示: 投資涉及風險，證券價格可升亦可跌，更可變得毫無價值。投資未必一定能夠賺取利潤，反而可能會招致損失。過往業績並不代表將來的表現。在作出任何投資決定之前，投資者須評估本身的財政狀況、投資目標、經驗、承受風險的能力及瞭解有關產品之性質及風險。個別投資產品的性質及風險詳情，請細閲相關銷售文件，以瞭解更多資料。倘有任何疑問，應徵詢獨立的專業意見。