AI 急缺湿实验？

写代码有编译器，敲下回车一毫秒内就能报错输出；围棋有清晰胜负规则，算力自我博弈就能进化。

但生命科学没有数字编译器，自然界唯一的编译器是真实的生化反应。AlphaFold预测了上亿个静态蛋白质结构，可一旦脱离湿实验的物理反馈，AI模型既测不准分子活性，也推不出活体毒性，动辄出现数量级偏差。

当AI设计药物分子的边际成本压到了接近于零，生物医药产业链的稀缺要素的上中下游被彻底重构。

一、 上游数据重构，私有失败记录成了硬通货

公开蛋白质数据库只有二十多万个结构，早被大模型反复清洗训练。更棘手的是学术发表的幸存者偏差，期刊论文里九成五以上全是做成功的阳性结果。只用这套公开数据训练，开源模型几个月内就能抹平差距。若拿模拟数据自我反哺，模型概率分布会迅速退化，把生化反应里的罕见致命毒性彻底抹平。

真正能帮算法解决数据稀缺问题，是包含完整实验过程的私有阴性数据。哪种溶剂配比会导致沉淀，什么温度会让靶点蛋白失活变性，算法必须拿到精确的失败记录才能建立因果关联，走出毫无休止的结构幻觉。Recursion每周做数百万次显微表型检测，百图生科自建高通量实验平台，核心目的都是为了给算法生产外界拿不到的失败数据。

其次是未经药物处理的原代患者组织样本。针对常见靶点做分子修饰已无空间，寻找全新疾病机制必须深入真实人体的单细胞时空多组学组织切片。受制于伦理审批与获取难度，这种第一手生理资产花钱买不来，算法更不可能凭算力凭空推导出来。

二、 中游产能堵塞，自动化工站与实验猴成为物理瓶颈

分子预测出来，必须要完成极其密集的物理验证。

第一道卡口是从代码到物质的物理转化。AI 大模型吐出来的只是一串数字序列，要变成真实物质，必须先做基因合成。算法每天生成海量未知抗体与蛋白质序列，超过三成都是在金斯瑞的平台上下单合成 DNA 质粒，将虚拟代码打印成物理实体。

实体合成出来之后，紧接着撞上体外反应的生物标尺。算法生成的分子到底能不能结合靶点，需要在试管里与真实蛋白发生生化反应。针对极其复杂的全长膜蛋白与前沿靶点，百普赛斯通过纳米盘技术保留天然构象，义翘神州则依靠数万种重组蛋白现货货架随时响应突发验证。如果这两家企业提供的基准靶标折叠错误或存在批间漂移，湿实验测出的亲和力数据就会失真，反向给 AI 模型投毒。

即便有了高保真靶标，人工移液每天处理的批次依然有限且误差大。从确定靶点到挑出候选分子，算法把过去的四到六年压缩到十二至十八个月，这逼得晶泰部署两百多个机器人工作站全天候运转，直接把湿实验做成高通量代工厂，承接井喷的合成验证需求。

但比体外测试更严苛的物理卡点，在活体动物的安全性评价。

候选药物进临床前，法规要求必须在哺乳动物体内完成系统毒理学评价。大分子抗体和复杂新药对生理特征贴近人类的食蟹猴依赖极重。算力几个月就能翻倍，但食蟹猴长到实验规格必须老老实实走完六到七年的生理生长周期。生物常数无法靠加算力压缩。

供需断裂直接反映在采购成本上。2026年随着海量分子堆积到安评环节，国内适龄食蟹猴采购单价从上一轮周期低点强劲反弹，公开中标价普遍达到十七八万元，优质适龄猴甚至突破二十万元。拥有充足存栏猴储备的昭衍、药明康德等安评机构，实验排期直接排到了大半年之后。

为了绕开漫长的动物周期，行业开始转向微流控人体器官芯片。在FDA通过现代化法案允许微生理系统数据用于申报后，能够模拟人体肝脏毒性的微流控芯片需求骤增。不过微流控芯片的高一致性量产依然受制于微纳制造产能，短期内难以填补巨大的安评缺口。

三、 下游临床阻隔，人体代谢节律锁死研发周期

即便顺利通过合成与动物实验，候选分子跨入人体临床阶段，数字世界的速度优势也会彻底归零。

药物在人体内的吸收代谢、肿瘤响应与长期毒性随访，起步就需要几个月甚至一两年。生理节律不可加速，而当各家团队用相似算法筛选同一批热门靶点，患者招募立刻演变为零和博弈。符合特定基因突变且没有耐药史的病人群体是恒定的，超过八成临床试验都卡在患者入组延期。泰格、艾昆纬掌握的医院网络与研究病床，构成了绕不开的物理渠道。

而且二三期临床实验的单人次花费没有任何降低，推进一条药物管线依然需要数千万元到数亿元的真金白银。最终药物能否跨越临床审批并实现放量变现，考验的是云顶新耀这类企业在临床注册、医保准入与重资产商业化团队上的硬功夫。缺乏下游临床兑现能力的轻资产算法公司，只会在海量分子的内卷中迅速贬值。

结论

AI没有消灭新药研发的物理门槛，全行业的研发成本完整转移到了物理验证环节。

当算法把分子生成的边际成本压向零点，产业链的超额利润，加速流向受制于细胞生长周期和人体生理时钟的物理环节。