过去几年，AI制药最容易被看见的进展，大多发生在电脑里。
从靶点发现、蛋白结构预测，到分子生成和候选药物筛选，模型能力一度成为衡量AI制药企业技术实力的重要标准。谁能处理更多数据、生成更多候选结构、提高预测效率，谁就更容易获得产业和资本关注。
但最近几周，AI制药开始从电脑屏幕走向实验室。
9月18日，Reuters披露Anthropic已经在旧金山湾区建立湿实验室，开始把生命科学研究从计算和模型延伸到真实生物实验，并探索AI与实验自动化之间的连接。两天前，Novo Nordisk宣布与Anthropic合作，将Claude和Claude Science用于科学推理、药物发现工作流和AI驱动的软件开发。与此同时，字节跳动拆分出的AI制药公司Anew Labs完成2.9亿美元首轮外部融资，投后估值约15亿美元，并开始构建自己的药物管线；9月21日，AI制药公司Iambic Therapeutics又提交美国IPO申请，其核心肿瘤候选药IAM1363已经进入早期临床。
这些变化正在重新定义AI制药的竞争重点。相比单纯比较模型能力，行业开始更关注AI能否真正进入药物研发全过程。模型仍然重要，但更关键的问题是，预测能否得到实验验证，实验结果能否快速反馈给模型，新的假设能否持续生成，并最终转化成具有临床开发价值的药物资产。
01
AI模型开始走进实验室
药物研发与很多纯数字场景存在一个根本区别。模型可以在短时间内筛选大量候选分子，也可以从海量生物学数据中寻找潜在靶点，但一个结果在计算机中表现优秀，并不意味着它在真实生物体系中同样有效。
候选分子的活性、选择性、毒性、稳定性和可开发性，最终都需要通过实验验证。因此，AI把“计算”做得越来越快之后，实验能力和实验反馈速度就开始成为影响整体研发效率的重要环节。
这也是Anthropic建立湿实验室值得关注的地方。Reuters报道称，该实验室的研究范围并不限于药物发现，但Anthropic已经开始开展计算模拟之外的生物学实验，并探索Claude与实验自动化设备之间的连接。
如果模型可以提出可验证的科学假设，自动化实验快速完成测试，再把数据反馈给模型，药物发现就可能形成更加连续的研发循环。
过去，计算、实验和数据分析往往分散在不同团队和系统中。未来更理想的状态，是让这些环节更紧密地连接起来，加快每一轮设计和验证。对于一个高度依赖反复试错的行业来说，真正具有价值的可能并不是单次预测快了多少，而是整个研发循环能否缩短。
02
下一道壁垒可能来自研发闭环
当模型进一步进入实验流程，AI制药公司的竞争逻辑也会随之改变。基础模型能力不断提升之后，一部分计算和生成能力可能逐渐普及。但真实研发产生的数据具有更强的专属性。一个候选分子为什么失败，一种设计在什么条件下出现异常，一次实验为什么没有达到预期，这些“失败数据”往往不会完整出现在公共数据库里，却可能成为下一轮研发决策最有价值的信息。如果企业能够持续连接模型、实验和数据，就可能形成累积效应。模型指导实验，实验产生新的专有数据，新数据再用于优化模型和下一轮设计。循环越多，企业积累的就越不只是一个数据集，而是一套与自身研发流程深度结合的知识和经验。
因此，未来AI制药的壁垒可能逐渐从单一模型能力，扩展为模型、专有数据、实验基础设施、自动化水平和药物研发能力的组合。
Anew Labs和Iambic的变化也说明了这一趋势。Anew从字节跳动拆分后完成2.9亿美元融资，并已经布局自己的药物管线；Iambic则进一步把AI发现的资产推进到临床，并与AbbVie、Takeda、Bayer、Lundbeck等大型药企建立合作。
当AI制药企业开始从融资走向临床甚至IPO，评价标准也会变得更加接近传统Biotech。模型性能依然重要，但市场最终还会追问：有没有真正进入临床的资产，开发速度有没有提高，药企合作能否持续，以及这些技术能否最终形成具有价值的药物。
AI制药的价值验证，正在从模型指标逐渐走向药物资产。
03
药企和AI公司的分工正在变化
Novo Nordisk与Anthropic的合作也提供了另一个观察角度。
按照Novo披露的信息，双方将由科学家和计算团队共同寻找具体的药物发现问题，再针对这些科学问题和工作流开发相应解决方案。合作重点已经深入具体研发场景，这种合作方式也说明AI制药产业分工逐渐成熟。
大型药企拥有疾病知识、专有数据、实验体系、临床开发和监管能力；科技公司拥有基础模型、算力和工程能力；AI Biotech则试图进一步连接模型与药物开发，并通过自主管线或合作项目分享资产价值。
不同类型企业的能力边界由此开始重新划分。
对药企而言，真正需要回答的问题也越来越具体：AI应该优先进入靶点发现、分子设计还是实验环节？哪些能力应该内部建设，哪些适合通过合作获得？合作对象应该是基础模型公司、AI Biotech还是实验自动化平台？并不是所有企业都需要自己训练模型，也不是所有AI公司都需要建设湿实验室。关键在于找到最适合自身资源和研发体系的能力组合。
04
AI走进实验室之后
AI真正进入实验环节之后，企业除了考虑技术本身外，还应该考虑到AI应该优先进入哪些研发环节、相关能力应该如何建设，以及最终如何证明实际价值。一个看起来先进的AI技术，是否值得投入，需要结合具体疾病领域、研发流程、数据基础、实验条件和商业价值一起判断；合作伙伴的选择也不能只看模型能力，还要看其能否进入真实研发场景，是否能与企业现有的数据和实验体系衔接，以及最终能否带来可验证的研发效率提升。
这也是澄世咨询在AI制药领域更关注的问题。相比单纯追踪技术热点，我们更重视企业如何把AI真正嵌入研发体系。从行业与技术趋势研究、AI应用场景评估，到竞争格局分析和合作伙伴筛选，企业需要先明确最值得投入的研发环节，再判断相关能力应该内部建设、外部采购还是通过联合开发获得。对于AI企业而言，同样需要理解药企真正需要解决的问题，并把模型优势转化为能够通过研发效率、合作项目和药物资产被验证的实际价值。
过去几年，AI制药首先证明了模型可以参与药物研发。下一阶段真正需要证明的，是模型、实验、数据和药物开发能否形成一个持续运转的研发闭环。
当AI开始从屏幕走进实验室，下一场竞争也就从模型能力，进一步进入了真实研发体系。
欢迎点击“阅读原文”与我们取得联系。
撰稿：Yiling Li
数据来源：
路透社（Reuters）相关报道
Anthropic 官网
诺和诺德（Novo Nordisk）官网
Anew Labs（新生实验室）融资相关公开资料
Iambic Therapeutics IPO及管线相关公开资料
澄世咨询专注于中国企业的国际化落地，深度参与欧洲、中东、非洲等重点市场，帮助对接海外市场潜在客户及合作伙伴，提供海外资源对接、政府关系协同及监管合规解决方案，链接全球创新生态网络。
如果您正在思考“下一步应该进入哪个市场、哪些客户更具合作潜力，以及相关的准入与合规要求”，欢迎与我们交流，探讨更具针对性的合作方案。
—END—
澄世咨询是一家国际化的跨境战略咨询公司，帮助中国企业和地区政府提供出海解决方案和定制化招商战略咨询，同时助力欧洲和海外初创企业对接亚洲市场资源和合作机会。
核心服务：
国际化战略 | 合规与财务顾问 | 市场与公共关系 | 海外政府关系｜科技成果商业化
聚焦领域：
人工智能 | 医疗科技与医疗保健 | 可持续技术
