AI 制药这门生意最近明显升温，而且入场的不是圈内老玩家。Anthropic 一边自建湿实验室检验自家模型指挥生物实验的能力，一边牵手诺和诺德、百时美施贵宝，并把 Coefficient Bio 收入囊中；字节跳动分拆出来的新生实验室也完成了首轮融资。但要看清这件事的成色，得先回答一个更朴素的问题：AI 到底加速了药物研发的哪一段？答案是早期研发，而不是最烧钱的临床。
两家圈外巨头同时下场
Anthropic：湿实验室 + 药企合作 + 收购三管齐下
Anthropic 的动作是三条线并进。自建湿实验室，用来测试模型指挥真实生物实验的能力；与诺和诺德、百时美施贵宝建立合作，直接接入药企的场景与数据；同时收购 Coefficient Bio，补上团队与管线层面的能力。这套组合拳指向的不是「做一个生物模型」，而是把基础模型加垂直工具链，搭成一个可复用的科学工作台。
字节跳动：分拆的新生实验室完成首轮融资
字节跳动走的是另一条路——把新生的生物实验室分拆出来独立运作，并完成首轮融资。分拆意味着独立融资、独立决策，也意味着它可以脱离母公司的业务节奏，按生物医药行业的周期走。这与 Anthropic 把实验室放在公司内部、服务于模型能力验证的做法形成对照。
AI 压缩的是候选分子筛选，不是临床试验
| 研发环节 | AI 的加速效果 | 瓶颈是否缓解 |
|---|---|---|
| 靶点发现与验证 | 显著，搜索空间大幅压缩 | 是 |
| 候选分子筛选 | 显著，迭代周期缩短 | 是 |
| 实验迭代 | 明显，湿实验室可自动编排 | 部分 |
| 临床试验 | 有限，受监管与受试者周期约束 | 否，仍是最烧钱环节 |
这正是行业里最容易被误读的地方：早期命中率提上来，并不等于临床成功率跟着涨。候选分子进得快，后期验证的时间却没法同步压缩，而成本和风险的大头恰恰集中在后面这一段。
三类玩家，三条完全不同的路径
| 玩家类型 | 核心打法 | 优势 | 短板 |
|---|---|---|---|
| AI 制药公司 | 聚焦药物研发中的单个具体问题，让模型服务于明确任务 | 任务边界清晰，效果可度量 | 通用性弱，跨任务迁移成本高 |
| 大模型公司 | 单一基础模型 + 垂直工具链，搭建科学工作台 | 追求缩短每次研发循环，通用能力强 | 缺关键实验数据，需自建实验室或外部合作补 |
| 传统药厂 | 依托海量既有数据推进 | 数据资产厚，临床与注册经验完整 | 往往缺统一的数据底座 |
真正的坎是数据，尤其是失败实验数据
大模型公司把更多研发预算砸进模型训练，靠自建实验室和外部合作去补最珍贵的关键数据。其中最值钱的一类，是失败的实验数据——它们和成功样本一样，都是喂养模型的硬通货。问题在于，行业长期习惯只发表成功结果，失败数据散落在各家内部，既没有统一格式，也缺乏共享动机。谁先把这套数据基础设施建起来，谁才可能让模型跨靶点、跨任务真正流转起来。
商业化：自研管线仍是估值的锚
路径分野在商业化上同样清楚。AI 制药公司多采用 AI-CRO、软件工具与自研管线的组合，其中自研管线最容易把价值落袋为安；大模型公司眼下更侧重临床前研究和研发基础设施，也有部分在悄悄推进自己的管线。说到底，自研管线仍是 AI 制药公司估值的核心锚点——市场都在等英矽智能候选药的 III 期结果，用真金白银的临床数据验证这条路线。故事讲得再漂亮，临床数据才是最终的定价标准。
FAQ
Anthropic 做 AI 制药，和它做大模型有什么关系？
关系在能力验证的方式上。湿实验室提供的是真实世界的反馈闭环：模型提出的实验方案能否被执行、结果是否符合预期，都能直接检验。这类反馈对提升通用推理与工具调用能力有价值，与单纯的文本训练数据互补。这也是为什么它同时选择与诺和诺德、百时美施贵宝合作——药企提供场景和数据，模型提供编排与假设生成能力。
AI 能让新药研发的整体周期缩短多少？
目前只能确认前段。公开可核验的加速集中在早期研发——候选分子的搜索空间和实验迭代时间被压缩，而后段临床试验受监管流程与受试者周期约束，尚无同步缩短的证据。因此对「整体周期」的任何量化承诺都应谨慎看待，更可靠的表述是：早期环节提速明确，后期环节仍是瓶颈。
为什么失败实验数据这么关键？
因为模型要学的边界，恰恰由失败样本定义。只喂成功案例，模型会学到一堆看似合理的路径，却不知道哪些路走不通。失败数据能提高假设的淘汰效率，减少无效实验轮次。它的稀缺性不在技术，而在激励机制——企业普遍缺少公开失败记录的动力，这也是各家要自建湿实验室的深层原因。
小结
Anthropic 与字节的入局，说明 AI 制药已从垂直创业公司的地盘变成通用模型公司的必争场景。但这一轮竞争的胜负手不在模型参数，而在两件事：谁能拿到并结构化失败实验数据，谁能把早期提速真正传导到临床结果。在市场等到 III 期数据之前，这个赛道仍会保持高热度与高不确定并存的局面。