AI製藥供應鏈「瓶頸交易」成形，DNA合成與蛋白生產率先受益

nashnova research

今天发布阅读约 5 分钟

Altimeter Capital合夥人弗雷達·段指出，AI製藥正複刻半導體的瓶頸鏈式行情——設計端近乎零邊際成本，瓶頸向DNA合成、蛋白生產等濕實驗室環節傳導，相關公司訂單已現三位數增長信號。

半導體的「瓶頸行情」點解搬到了製藥賽道？

GPU稀缺曾依次推動HBM記憶體、網絡設備、電力冷卻的鏈式行情。弗雷達·段認為AI製藥正走同一條路：AI模型產生設計→DNA合成→蛋白生產→實驗驗證→臨床前測試，瓶頸沿鏈條向下傳遞。

這意味著→ 每個環節在「上游產能過剩、本環節供不應求」時，便會成為資金湧入的節點——與半導體行情邏輯一致。

觸發點是前沿AI實驗室集體入場：Anthropic將生命科學提至戰略層級，OpenAI推出GPT-Rosalind模型族，字節跳動旗下Anew Labs整合了模型+濕實驗室+自有管線，同構實驗室（Isomorphic Labs）已明確要將AI設計藥物推進人體臨床。

簡單來說＝過去設計一個候選分子成本極高，只有最有把握的才值得送去做實驗；而家AI設計候選分子幾乎唔使錢，「上場機會」暴增，瓶頸就從設計端轉移到生物驗證端。

Anthropic的案例好直觀：Claude設計了1,320個蛋白結合子，Adaptyv將其轉化為DNA並表達蛋白，354個成功結合，另外966個失敗案例作為負向標籤訓練下一輪模型。

這反映出濕實驗室的角色正在質變——不只是「製造藥物」，更是在「製造訓練數據」。失敗的實驗同樣有價值，因為它產出模型需要的負向數據。

拓斯達生物（Twist Bioscience，TWST）預計2026和2027財年AI藥物發現訂單連續三位數百分比增長，並明確表示業務正轉向從AI設計序列中生成結構化實驗結果數據。

金斯瑞（GenScript）AI藥物發現業務2026財年上半年同比翻倍；對外宣傳產能為每日4,000+個設計，渠道調研顯示實際產能已達約8,000個/日，有望在2026年底前達到約16,000個/日。

這意味著→ 這兩間公司正從「合成服務商」轉型為生物數據鑄造廠——角色愈來愈似半導體行業裡的晶圓代工。

如果AI只是更高效的研發工具，支出池是全球製藥研發總支出，約每年3,000至4,000億美元。

如果AI真正擴大了可行藥物項目數量，還將帶動DNA合成、蛋白生產、實驗驗證和臨床前工作的增量需求——這是傳統研發預算之外的新增市場。

弗雷達·段畀了一個參照：若Anthropic在2026年實現800億美元年化收入，僅拿出1%投入AI藥物發現，就是約8億美元的年度投資。簡單來說＝一間AI公司的零頭，就夠撐起一個細分賽道的訂單量。

上一輪以Exscientia的DSP-1181分子為代表——不到一年從發現推到I期臨床，但隨後因未達I期評估標準終止。當時邏輯是「用計算減少低價值濕實驗」。

2026年邏輯反轉：用AI大幅擴展假設空間，再用濕實驗室生成驗證數據，形成「AI→實驗→數據→更好的AI→更多實驗」的內在循環。目標不是減少實驗，而是讓實驗產出的數據餵回模型。

已有數據顯示，AI發現藥物的I期成功率約80%–90%，高於行業歷史均值；II期成功率約40%，與歷史均值大致持平，但樣本量仍有限。

當前最直接的瓶頸是DNA合成和蛋白生產。隨著更多候選藥物被推入臨床前階段，動物實驗可能成為下一個受限環節——靈長類動物價格已接近此前高點，CRO（合同研究組織，幫藥企做外判實驗的公司）產能持續偏緊。

這意味著→ 這筆交易的潛在持續時間較長：直至2028年以後I/II期臨床結果出爐，都很難出現根本性的邏輯終結。關鍵里程碑：2026–2027年底同構實驗室首批AI藥物進入人體臨床；2028–2030年臨床結果揭示AI藥物是否真正優於傳統藥物。

近期風險：實驗預算停止增長、AI設計無法轉化為有效濕實驗室結果、產能過快追上需求。長期風險更根本：如果AI藥物在發現和I期表現亮眼，卻在II/III期以正常失敗率落敗，整個投資邏輯將面臨挑戰——這也是點解II期臨床結果被視為終極驗證節點。

市场有风险，内容仅供研究参考，不构成投资建议。