半导体行业的瓶颈传导行情，正在制药供应链上重演一遍。华尔街见闻10月6日刊文梳理了阿尔特米特资本合伙人杜安的最新判断：AI药物发现赛道正在成形的不是又一场模型竞赛，而是一场沿着产业链向下寻找稀缺环节的瓶颈交易，谁能卡住实验验证的咽喉，谁就是这轮行情里的卖铲人。
这轮行情最显著的信号是前沿AI实验室的集体卡位。Anthropic组建了专属生命科学研究团队并建立了自己的湿实验室，首个重大项目利用Claude智能体识别出一种与CRISPR类重复序列相关的此前未表征的酶系统；OpenAI推出专为生物学与药物发现设计的GPT-Rosalind模型族，覆盖药物化学、蛋白工程与实验工作流，并已从预览转入计费的受信访问阶段；字节跳动旗下原AI药物发现部门独立运营为AnewLabs，整合基础模型、湿实验室与自有管线；同构实验室则明确宣布要把AI设计的药物推进人体临床试验。
四家机构的商业化路径也在分化：Anthropic定位研究与平台层，明确不打算做传统临床阶段的生物技术公司；AnewLabs更接近拥有自有管线的生物技术平台；同构实验室承诺自行推进临床。路径不同，但共同点是实验需求的增量真实发生，而且无论哪条路径胜出，上游供应链都是确定受益方。
理解瓶颈交易的内核，要先回答一个反直觉的问题：AI提升了效率，为什么反而推高了湿实验室的实验量？答案在假设生成的经济学里。传统药物发现中，专家筛选候选分子的成本极高，能进入昂贵验证流程的只有最高置信度的少数选项；AI让设计候选分子的边际成本趋近于零，上场机会成倍增加，瓶颈从设计端整体转移到了生物验证端。
一个被反复引用的案例说明了失败样本的价值：Claude设计了1320个蛋白结合子，由外部平台转化表达并测试，最终只有354个成功结合。但那966个失败案例并未浪费，什么不表达、什么不结合、亲和力差在哪里，都是有价值的负向标签，直接喂给下一轮模型迭代。湿实验室的角色因此发生根本转变，从制造药物转向制造训练数据，合成服务商明确表示其业务正在转向从AI设计序列中生成可直接输入模型的结构化实验数据，部分工作流中客户关心的已经不是蛋白本身，而是那份结构化结果。
这种角色转变对下游意味着订单结构的变化。过去合成订单买的是物理产物，客户拿到蛋白去做自己的实验；现在的订单越来越多地附带数据交付要求，序列到结合数据的工作流被压缩到几天内返回，交付物是一份可以直接进模型的结构化报表。对合成与蛋白生产服务商来说，这既是客单价提升的机会，也是能力重构的压力，谁先把数据交付做成标准品，谁就在新的价值链里站到了上游。
供应链层面的量化信号正在验证这个逻辑。DNA合成服务商拓斯达生物预计2026与2027财年的AI药物发现订单将连续实现三位数百分比增长；金斯瑞的AI药物发现业务在2026财年上半年同比翻倍，平台对外宣传的工业级验证产能为每日4000个以上设计，而渠道调研显示实际验证产能已达每日约8000个，并有望在2026年底前提升到约16000个。沿着产业链看，受益环节依次为序列设计、DNA合成、蛋白生产、实验验证与测序、自动化设备、临床前测试，最上游的发现与早期临床前环节已率先感受到实验量增加的挤压。
与2020到2021年那轮AI制药热潮相比，本轮的差异被概括为体制变迁：上一轮发生在生成式AI出现之前，逻辑是用计算减少物理实验，AI是搜索效率工具；这一轮的逻辑是用AI大幅扩展假设空间，再用湿实验室生成真实验证数据，形成实验数据反哺模型的递归循环。历史数据的注脚是：2024年研究显示AI发现药物的一期临床成功率约为80%至90%，高于行业历史平均，二期成功率约40%与历史水平相当，但样本量仍然有限。
风险端同样清晰。近期看，若实验预算停止增长、AI生成的设计无法转化为有效湿实验室结果，或产能扩张过快追上需求，上游的镐与铲交易将首先承压；中期看，灵长类动物价格已逼近前高，实验产能持续偏紧，动物实验可能成为下一个受限环节；长期看，真正的审判在二期与三期临床，若AI设计的药物在发现阶段和一期表现亮眼，却在后续以正常失败率落败，整个投资逻辑将面临根本挑战。关键里程碑被划在2026至2027年底，首批AI设计药物进入人体临床试验；2028至2030年，临床结果开始回答AI设计是否真正优于传统路线。
对国内的AI制药从业者和投资机构，这份分析框架的借鉴意义在于选位：与其在应用层与全球巨头正面竞争，不如认真评估合成生物学基础设施、自动化实验设备、专用检测耗材这些被验证为瓶颈的环节，中国市场完整的化工与生物制造底盘，恰好是承接这类产能转移的天然土壤。政策与产业基金若能在这些环节提前布局，收获的将是整条链路的外溢红利。对产业观察者而言，这份时间表比任何叙事都更值得钉在墙上，它提醒所有人：瓶颈交易的终局裁判不是资本，而是临床数据。