除了巨头的技术突破以外，宏观来看AI制药赛道在政策、产业、资金三个方向上同时收到了明确的提振信号。
9 月 18 日，工业和信息化部等十部门联合印发《医药工业发展“十五五”规划》。规划中与 AI 制药直接相关的是三条：到 2030 年，首创新药（FIC）占全球比例达到 25% 以上；创新药产业规模年均增速达到 20% 以上；医药工业上市企业平均研发投入强度年均达到 10% 以上。其中「AI 制药高价值应用场景培育」被单独列为一个专栏，明确把 AI 赋能的靶点筛选、药物分子设计与改造列为需要重点培育的高价值应用场景。在重点任务层面，规划提出“加快人工智能、量子计算、超级计算、计算医学等新技术赋能药物研发”，并进一步要求“加速人工智能驱动的医药研发和生产管理范式变革”。
本次规划首次把 AI 制药从「技术手段」升格为「产业方向」，并把它与 FIC 全球占比、创新药规模增速这两个最硬的产出指标放在同一个指标体系内。这将直接改变两类主体的行为预期：对创新药企来说，AI 从「降本工具」变成「完成 FIC 占比目标的手段」；对上游生命科学工具与服务商来说，AI 释放的研发量最终会以订单形式落在它们身上。
如果创新药的目标兑现，到 2030 年中国创新药产业的年度规模将是 2025 年的近 2.5 倍，五年内要新增的产业规模超过当前存量的一点五倍。这个增速放在全球医药工业的历史坐标里属于罕见水平：全球处方药市场过去十年的复合增速大致在 5%—7% 区间，即便把创新药单独切出来看，主要市场也少有连续五年维持 20% 的案例。这也解释了为什么规划的 AI 专栏不是可有可无的附件：在传统研发范式下，靠人力与试错堆出这样的增速，边际成本会迅速上升；把 AI 写进专栏，本质是把增速目标的实现路径部分押在研发效率的技术飞升上。
如果把政策看作自上而下的推动，那么 9 月 10 日至 18 日的九个事件则是自下而上的产业实证。这些事件的密度本身就构成信息——九天之内，一家 AI 原生企业的核心管线进入 III 期、两家美国 AI 与算力巨头与跨国药企（MNC，Multinational Corporation，跨国制药企业）签署合作协议、三家 MNC 开放平台在同一日接入外部数据供应商、一家中国创新药企完成一笔 7.5 亿美元的三特异性抗体出海交易，最后以一份五年规划收尾。
事件一：全球首个 AI 端到端药物进入 III 期。9 月 10 日，英矽智能的 Rentosertib（TNIK 抑制剂，适应症为特发性肺纤维化）在中国 GENESIS-IPF-3 三期临床完成首例患者给药。这款药物的特殊之处在于，靶点发现与分子设计两个环节均由端到端 AI 平台完成，而不是在传统研发流程中局部嵌入算法。此前的 IIa 期数据显示，每日一次 60mg 用药 12 周后患者用力肺活量平均提高 98.4 毫升，安慰剂组下降 20.3 毫升。这个数据的意义在于，它把「AI 制药」从 PPT 阶段推进到了可以用临床终点指标衡量的阶段。
事件二：大模型正式进入 MNC 的研发采购清单。9 月 16 日，诺和诺德宣布与 Anthropic 合作，在诺和诺德科学家与计算团队选定的药物发现问题上，测试 Anthropic 的 Claude Science 科研工作台，并利用其前沿模型强化 AI 驱动的软件开发。诺和诺德总裁兼首席执行官 Mike Doustdar 的表述值得琢磨——他说这次合作是「诺和诺德目前与其他技术合作伙伴开展 AI 举措的进一步延伸」，并明确 AI 的用途是「提高研发生产率，缩短从研究到上市产品的路径」。Anthropic 联合创始人兼首席执行官 Dario Amodei 的表述则给出了量级想象：「AI 能力不断提升，有望将一个世纪的生物和医学突破压缩到十年内完成。」它不是一个采购软件的订单，而是把通用大模型的科研工作台接入了跨国药企的研发流程——这意味着大模型厂商第一次拿到了医药研发预算的入场券，而非仅仅向药企卖算力或卖 API。
事件三至五：MNC 开放平台在同一日接入三家外部数据供应商。同样是 9 月 16 日，礼来 TuneLab 平台（礼来 2025 年 9 月推出的协作式 AI/机器学习药物发现平台）连续落地两项合作：Twist Bioscience 成为其抗体表征数据服务的优选供应商，为 AbLab（礼来的抗体成药性预测模型）生成高通量湿实验数据；金斯瑞生物科技同日加入，向平台成员企业提供蛋白表达、纯化及表征的湿实验服务，将 AI 预测转化为生物学验证数据。加上此前已把 TuneLab 工作流集成进其 LiveDesign 企业信息平台的 Schrödinger，礼来 TuneLab 在抗体方向上已形成「模型方 + 平台方 + 数据方」的三层结构。此外，诺华在 9 月 16 日行使独家选择权，收购维泰瑞隆（Sironax）的专有脑部递送平台全球权益，交易交割后维泰瑞隆将获得 1.25 亿美元付款。
事件六至九：中国创新药企的出海动作同步落地。9 月 15 日，GSK 宣布与恩沐生物达成协议，拟取得一款用于多发性骨髓瘤的三特异性 T 细胞衔接器（TCE，T-cell engager）抗体的全球权益，交易总额最高 7.5 亿美元；同日英矽智能公布「长寿疫苗」研究计划，方向是引导患者自身免疫细胞清除衰老相关疾病的最早期细胞驱动因子。9 月 18 日，百利天恒公告全资子公司盘古资本拟以 500 万美元认购 Connexus Therapeutics 的 3,910,952 股 A 轮优先股，按预留员工激励股份全部行权后的口径，增资完成后持股比例 7.91%。
把这些事件串起来，可以看到一条清晰的因果链：大模型厂商需要真实的科学问题来证明其模型的科研能力，MNC 需要外部 AI 能力来对冲自研管线承压，AI 原生企业需要 MNC 的订单与临床资源来完成闭环验证，而所有这些环节最后都需要大规模、可标准化的湿实验数据来落地。这四类主体的需求在同一点上收敛——数据闭环。
政策与产业的事件最终要在价格上留痕。2026 年 9 月 14 日至 18 日这一周，A 股与港股医药板块同步上涨：申万医药生物指数上涨 3.26%，跑赢沪深 300 指数 3.32 个百分点，在 31 个申万一级行业中排名第 4；港股方面恒生指数下跌 0.22%，恒生医疗保健指数上涨 4.07%，跑赢恒生指数 4.30 个百分点；万得港股医疗保健上涨 4.10%，在 11 个万得行业中排名第 1。
结构比总量更有信息。A 股申万医药生物 13 个子板块本周全部收涨，但涨幅分布极不均匀：医疗研发外包（CXO 中的 CRO/CDMO 外包服务）上涨 8.32%，其他生物制品上涨 5.40%，原料药上涨 5.17%，三者构成第一梯队；而医院仅涨 0.18%，中药Ⅲ 涨 0.30%，血液制品涨 0.89%，处于末位。首位与末位之间相差 8.14 个百分点。这种「全部上涨但极度分化」的形态说明，这一周买入医药的资金并非在做板块配置，而是在做方向选择——买方用脚投票的结果是：与 AI 研发量直接相关的外包与生物制品环节，优先级明显高于终端医疗服务与中药。
把资金流的方向与事实对照，可以看到一个自洽的链条：政策把 FIC 占比与产业规模增速设为目标，产业端大模型与 MNC 的合作把研发量推高，资金的选择是对「研发量放大之后钱会落在哪里」这个问题给出的定价答案。当然，这一判断的前提是研发量的放大能够真实转化为订单
理解 AI 制药产业当前的结构，需要一个双层的分析框架：能力层指大模型与基础模型做科学的能力，包括蛋白结构预测、蛋白与抗体设计、虚拟细胞、基因组模型、自主实验与科学推理；兑现层指这套能力落到药物发现与临床开发上的实际进展。
第一类是新生代大模型公司（Anthropic、OpenAI、NVIDIA、Alphabet 体系下的 Isomorphic Labs 等）。它们在能力层跑得最快。Isomorphic Labs 于 2026 年 2 月发布的 AI 药物设计引擎 IsoDDE，在名为 Runs N' Poses 的高难度蛋白—配体结构预测基准上，预测精度超过其 2024 年发布的 AlphaFold 3 两倍以上；在结合亲和力预测上，IsoDDE 在 FEP+ 4、OpenFE 与 CASP16 盲测三项基准中超过了自由能微扰（FEP+，Free Energy Perturbation，计算化学中用于评估分子结合强度的物理金标准方法）等基于物理的经典方法，且所需时间与算力仅为后者的很小一部分；该系统还能在只给出氨基酸序列、不指定配体的条件下识别出新的可成药结合口袋，包括科学界十余年未曾察觉的「隐蔽口袋」，在人源蛋白 cereblon 上完成了验证。同阵营的其他能力层进展包括：OpenAI 的 GPT-Rosalind 是面向生命科学的推理模型；Evo2 以 400 亿参数、全开源的形式实现零样本解读 BRCA1 基因变异、准确率超过 90%；Xaira 的 X-Cell 用 2,560 万扰动单细胞构建虚拟细胞；Ginkgo 与 OpenAI 合作跑了 3.6 万次真实实验，把无细胞蛋白质合成反应的成本降低了 40%。
但在兑现层，这一类公司自有的 III 期药物稀缺。它们的补课动作集中在两件事上：一是并购与挖人，Anthropic 于 2026 年 4 月以约 4 亿美元全股票收购 Coefficient Bio、挖来 AlphaFold 核心人物 John Jumper，并于 6 月发布 Claude Science 科研工作台；二是与 MNC 深度绑定，2026 年 1 月英伟达与礼来宣布未来五年最高投入约 10 亿美元共建 AI 药物发现联合实验室，9 月 16 日诺和诺德与 Anthropic 官宣合作。融资端的验证同样明确：Isomorphic Labs 于 2026 年 5 月完成 21 亿美元 B 轮融资，由 Thrive Capital 领投，Alphabet、GV、MGX、淡马锡等参与，为生物技术领域史上规模最大的私募轮次之一，此前一年已募资约 6 亿美元。这一类的盈利模式是卖 token 订阅、抢科研入口与药企预算，做实验主要是为了回喂模型，而不是自己承担新药失败的风险。
第二类是传统与专业 AI 制药公司（Schrödinger、Insilico Medicine、Generate、Recursion、Relay、Absci 等）。它们在大模型之前的护城河是物理模拟（FEP+）、生成式化学、表型组学与专有数据；大模型之后，共同的变化是把生成式 AI、LLM 接口与智能体接进这条护城河，范式从「纯算法」转向「物理 / 数据 + 生成式 AI + 智能体」。这一类有可验证的硬数据：Schrödinger 2026 年第一季度药物发现合作业务收入占比 39%，同比增长 114% 至 2,303 万美元，该板块通过与生物制药企业联合推进肿瘤、自身免疫、中枢神经系统等 10 余个治疗领域的项目，获取前期付款、开发里程碑及未来销售分成，其合作资产 TYK2 抑制剂 Zasocitinib（TAK-279）III 期头对头研究胜出 BMS 已上市药物，计划 2027 年上半年推进上市申报；Insilico 的 Rentosertib 在 9 月 10 日完成中国 III 期首例给药，是 AI 原生企业中临床推进最远的产品；Generate 的抗 TSLP 抗体 GB-0895 全球 III 期 SOLAIRIA-1/2 正在招募，给药间隔约 6 个月；Recursion 以全股票约 6.88 亿美元合并 Exscientia，REC-4881 进入 II 期。这一类的盈利靠订阅、开放端口与自己做药，做药仍沿用传统制药模式，靠药品销售盈利。
第三类是 MNC 巨头（礼来等），角色是需求方。它们分两条线推进：一是传统的内源性开发，二是开放自有平台。礼来 TuneLab 是后者的代表：平台于 2025 年 9 月上线，首版模型基于 20 多年积累的 50 万条以上临床前数据点（涵盖体内与体外药代动力学及毒理数据）训练，礼来估计这批专有数据的获取成本超过 10 亿美元；平台由第三方（Rhino Federated Computing，基于英伟达 NV FLARE 框架）托管，采用联邦学习（federated learning，一种只共享模型更新、不暴露原始数据的隐私保护架构），参与企业可以使用礼来的预测模型筛选候选分子，同时把实验结果回传以持续改进模型。截至 2026 年 9 月，TuneLab 参与企业已超过 75 家。MNC 的动机与前两类截然不同——开放平台是为自己做药服务的，不是为了修正模型或卖模型。
能力最强者离「药」最远，最需要「药」的离「模型」最远。这个错位不是静态缺陷，而是本轮产业整合的全部驱动力所在——它决定了两条必然发生的路径。第一条是上行路径，大模型公司与算力巨头通过并购生物团队、嵌入药企工作流的方式向下游补课（Anthropic 收购 Coefficient Bio、英伟达与礼来共建实验室即属此类）；第二条是下行路径，MNC 通过开放平台把外部数据方吸进自己的生态（礼来 TuneLab 接入 Twist 与金斯瑞即属此类）。两条路径的接驳点收敛在同一处：数据闭环。
错位结构决定了产业整合的方向，但落到具体公司上，整合的路径并不唯一。2026 年上半年的中报已经让两种模式的分化变得清晰可辨。
路径一：以晶泰控股为代表的「卖铲子」模式。公司 2026 年上半年实现收入 3.94 亿元，同比下降 23.9%，归母净亏损 2.52 亿元，经调整净亏损 1.06 亿元。更值得关注的是收入结构与客户结构的同时变化。收入结构上，AI for Science 智慧解决方案收入 1.94 亿元、同比增长 136.4%，收入占比从上年同期的 15.8% 跃升至 49.2%，其中智能机器人实验室与智能服务均保持快速增长；客户结构上，最大客户收入占比从 70.6% 大幅降至 32.9%。前者说明公司的收入引擎已经从「替别人做药」切换为「替别人提供 AI4S 基础设施」；后者说明这套基础设施正在从依赖单一客户走向可复制的规模化交付——这两个指标同时改善，比收入增速本身更有信息含量。
路径二：以英矽智能为代表的「卖资产」模式。2026 年上半年，公司实现总营收 1.06 亿美元、同比增长 287.2%，其中药物研发与管线开发收入攀升至 1.03 亿美元、同比上涨超过 300%，主要来自期内密集落地的重磅 BD 交易所带来的大额首付款以及既有合作项目的里程碑付款。公司 2026 年内公布的交易合约总价值约 73 亿美元，自 2021 年以来的累计签约合作总额升至近 110 亿美元，合作方涵盖礼来、施维雅、武田、SK 生物制药、齐鲁制药等。
晶泰控股出售的是「研发能力的使用权」，收入分期、可复购、不承担新药失败风险；英矽智能出售的是「管线资产的开发权」，收入块状、一次性、但资产增值空间大。
三类主体中，MNC 是订单与合作结构的「出题人」——它们决定外部是买大模型工作台还是买 AIDD（AI 辅助药物设计）软件，是开放平台还是单点试点，是分散采购还是优选协议。2025 至 2026 年，MNC 的出题方式发生了明确的位移，但位移在四个维度上并不均匀。
在合作形态上，从单点试点、小合同走向平台化、多靶点与开放生态，礼来 TuneLab 是最典型的样本。在技术采购上，采购标的从 AIDD 软件与 CRO 服务，扩展到大模型工作台加算力协同——诺和诺德采购 Anthropic 的 Claude Science，英伟达与礼来共建联合实验室，都属于新增的采购门类。在对外部卖铲的方式上，从分散采购走向优选协议加数据回流，Twist Bioscience 按 TuneLab 优选实验方案（preferred protocol）下单、并把数据回传用于联邦训练，是这一变化的直接体现。但在付款结构上，低首付、高里程碑的 biobucks（潜在总额）结构并未改变，风险后置的特征没有消失。
把 MNC 的行为拆成两层看就清楚了：它们把 AI 基础设施当作自有资产在「重装自建」（罗氏模式），同时把外部能力当作可以随时接入也可以随时替换的模块（礼来 TuneLab 模式）。这两层行为的共同前提是数据主权——基础设施可以自建，专有数据不外卖，开放平台采用联邦学习架构而非直接交换数据。理解了这一点，才能真正理解为什么「有规模、带标注的湿实验数据」会成为整条产业链上最稀缺的资产。
回答「哪些巨头入局」这个问题，需要把 2025 至 2026 年公开披露的重磅交易完整排开对照。我们梳理了八笔代表性交易，覆盖 Alphabet 体系、大模型与算力巨头、中国 AI 平台、以及传统出海 BD 四种类型。
AI4S 带给制药产业的真实变化，不是模型变得更聪明，而是研发流程的瓶颈位置发生了转移。在传统模式下，瓶颈在最前端找到可成药的靶点、设计出有活性的分子，这两件事决定了项目能否进入临床，因此价值也集中在这两个环节。当生成式模型把分子生成的成本与周期压低一个量级之后，瓶颈向后移动到了验证环节：如何用足够规模、足够标准化的实验去筛掉 AI 生成的大量候选分子？于是整条产业链的价值分布随之外移，湿实验端因为物理产能与数据积累的稀缺而获得定价权。
把 AI 制药产业链按AI 对研发流程的直接贡献度分成四层，可以清楚地看到定价权的位置差异。
第一层是模型与算法层，包括靶点发现、分子生成、蛋白结构与亲和力预测。这一层的 AI 相关性最强，但恰恰是商品化最快的环节。能力差距正在被开源与竞争迅速拉平：Evo2 以 400 亿参数全开源的形式开放，任何团队都可以基于它做基因组解读；Chai Discovery 的 Chai-2 成为首个在完全从头设计的抗体上实现两位数实验成功率的零样本生成平台，而这类能力一旦公开，其溢价窗口就会收窄。
第二层是湿实验与工具层，包括自动化实验（机器人实验室）、重组蛋白与关键试剂、基因合成、模式动物与药理药效评价。这是 AI 相关性高、同时订单确定性也高的环节。产业证据有两个：一是礼来 TuneLab 的优选协议直接指向了 Twist Bioscience 与金斯瑞这类数据供应方，说明 MNC 的开放平台必须依赖外部湿实验产能才能闭环；二是随着大模型厂商下场 AI 制药，金斯瑞的商业模型已发生深刻变化，AI 驱动的蛋白订单预期在下半年及之后保持三位数百分比的高速增长。这里的产业逻辑值得展开一句：模型生成的候选分子越多，需要被实验证伪的分子就越多；被证伪的分子越多，进入药理药效与安全性评价环节的样本量就越大。AI 提高了研发的射门次数，而每一次射门都要消耗真实的实验资源。
第三层是临床与验证服务层，需要区分临床前 CRO 与临床 CRO。临床前 CRO 直接承接 AI 生成分子的验证需求，与第二层的逻辑同源，弹性较大；临床 CRO 的业务以患者入组、数据管理与统计为主，AI 的作用更多体现在试验设计与数据分析效率上，与研发量的传导链条更长、更间接。
第四层是制造与终端环节，包括 CDMO 商业化生产、药房与器械终端，AI 相关性最低，属于产业链的稳定器而非弹性来源。
把未来 12 个月的催化节点按距今天数排开，可以看到明显的两段式结构。
近端集中在 2026 年 9 至 12 月：EASD 欧洲糖尿病研究协会年会（9 月 28 日—10 月 2 日，米兰）、ESMO 欧洲肿瘤内科学会大会（10 月 23—27 日，马德里）、SITC 癌症免疫治疗学会年会（11 月 4—8 日，凤凰城）、CTAD 阿尔茨海默病临床试验会议（11 月 16—19 日，波士顿）、ASH 美国血液学会年会（12 月 12—15 日，新奥尔良），五场国际学术会议依次落地。
远端则集中在 2027 年中：Schrödinger 合作资产 Zasocitinib（TAK-279）计划 2027 年上半年推进上市申报；晶泰控股指引 2027 年将有超过 10 条管线推进至临床；首批全 AI 设计药物的潜在获批窗口落在 2027 至 2028 年。
判断一：稀缺资产已经从模型能力转移到数据闭环。支持这条判断的证据来自三个层面。产业层面，四类主体的需求在同一点收敛——大模型厂商需要真实科学问题验证模型能力、MNC 需要外部能力对冲自研管线承压、AI 原生企业需要订单与临床资源完成闭环、而所有环节最终都需要可标准化的湿实验数据落地。资金层面，本周涨幅前十的 A 股标的中九家落在湿实验与工具环节，说明市场已经用价格表达了这个判断。
判断二：巨头入局是真实的，但含金量必须用首付款而不是 headline 衡量。「真实」体现在结构变化上——大模型厂商第一次拿到了跨国药企的研发预算（诺和诺德与 Anthropic），MNC 开放平台的参与方超过 75 家，礼来 TuneLab 的首版模型建立在 20 多年、50 万条以上临床数据点、超 10 亿美元投入的基础上，诺华、GSK、BMS、阿斯利康、赛诺菲、辉瑞等纷纷以不同形式落子。这些不是意向声明，而是已签署的合作协议。这既说明了产业方向的确定性，也说明了近期收入兑现的有限性。
