Anthropic已在旧金山湾区运营一间湿实验室，测试Claude指挥机器人完成生物实验的能力。同一周，字节跳动分拆的新生实验室完成2.9亿美元首轮融资，投后估值约15亿美元。两家大模型公司同时把脚伸进了药物研发的深水区。
希鸥网观察到，这轮动作的性质并非“大模型公司做药”。Anthropic与诺和诺德合作，Claude Science切入药物发现软件；今年4月它以约4亿美元收购AI生物科技公司Coefficient Bio。字节保留新生实验室56%股份，团队、算法平台和在研管线被打包注入。大模型公司要的是可以反复训练模型的实验数据，而非某一款药。
传统药物研发的“双十定律”是十年、十亿美元、约10%成功率。Citi在2026年9月研报中拆出一组对比：传统方法找到一个临床前候选物要合成测试约5000个分子，耗时4至6年；AI路径把测试规模压到约330个分子，时间降到17个月左右。英矽智能的特发性肺纤维化候选药从靶点确认到进入临床用18个月，发现阶段花费约260万美元，而传统路径平均4.5年、成本数千万至上亿美元。
但效率提升集中在早期。Citi测算，一款first-in-class药物完整研发周期约13年，AI有望缩到8年，I-III期临床仍要占5至7年。Anthropic今年8月公布的蛋白设计实验显示，Claude针对15个靶点生成1320个设计，354个通过结合实验，总命中率约26.8%。这衡量的是蛋白能否结合靶点，不是候选药物能否上市。
真正的分水岭在数据归属。药企的实验数据留在客户内部，公开论文只记录成功结果，失败的分子、没有预期表型的细胞实验很少外流。大模型公司自建实验室，本质是要拿到失败数据——模型需要从失败记录里判断哪些工具有效、哪些设计该淘汰。Anthropic的Model Hardware Standard能连接显微镜、液体工作站、机械臂和读板仪，Genentech已用它完成多台设备协同的蛋白浓度检测。
成本结构也在被改写。专家口径显示，Anthropic计划把年度经常性收入的3%至4%投入AI药物发现，其中60%至65%用于模型训练和虚拟仿真，35%至40%用于生物科技人才、湿实验室资产和CRO合作。传统制药行业约60%至70%的研发预算流向湿实验。模型设计提速后，进入实验室的候选方案变多，湿实验占比可能下降，绝对支出未必减少。
希鸥网认为，这是一场关于行业话语权的转移，而非简单的技术竞赛。拜耳作物科学创新经理Simon Maechling在X上直言，瓶颈早已不在模型本身，而在能否获取独特的生物学数据、实验条件、验证体系和真实世界临床结果。业内甚至出现一种判断：大型AI公司未来可能收购大型制药公司，不是为了药物，而是为了数据。谁掌握能教会AI“什么有效、什么无效”的专有验证系统，谁就握住了定价权。
创业者可以从桥水的路径里读出一层对应关系。达利欧在20世纪90年代中期开始思考财富跨代传承的资产配置，最终做出“风险平价”组合，12年后管理近800亿美元，被全行业模仿。它的价值不在于预测每一次涨跌，而在于承认自己会估错，然后用一套可复用的系统去对冲。AI制药今天要建的数据基础设施，逻辑相通：不是押注单一分子，而是积累可跨靶点、跨任务复用的验证体系。
但系统不能替代经验。大模型公司缺少专有临床数据、失败数据和跨学科人才，模型输出与临床终点之间的关系仍然偏弱。上一代AI制药公司更靠近药物管线，大模型公司更靠近研发基础设施。前者要补模型和资金，后者要补实验、药物化学和临床转化。英矽智能的Rentosertib已进入III期临床，Citi把它视为AI制药的关键验证节点：结果成立，定价依据从研发效率转向药物资产；失败，平台估值仍要回到服务收入和合作交易上。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo