扭转市场对一个概念的认知，有时只需要七天。过去一周，医药领域与AI相关的事件密集出现：前字节蛋白大模型负责人创立AI4S企业，字节跳动拆分的AI制药企业新生探途Anew Labs获得2.9亿美元天使轮融资，诺和诺德官宣与Anthropic合作，金斯瑞生物接入礼来AI平台为其提供湿实验服务，多部门印发的医药“十五五”规划也单独提到AI制药。9月，一批相关企业的股价随之大涨。
一句话概括，AI制药正在从模型的能力，走向模型和研发体系的成果产出阶段。头部公司大致形成两条路线：一类直接持有药物管线，利用AI寻找靶点、生成分子、推进临床，通过授权或销售获得更高收益，但也要承担临床与商业化失败的风险；另一类提供平台，为药企输出模型、算力、软件工具或实验服务，收入更接近技术服务和研发外包。
作为核心标的之一，英矽智能的成长较完整地呈现了从平台走向资产的路径。2022年11月，赛诺菲与其签署潜在总价值12亿美元的合作，将六个靶点交给Pharma.AI平台攻关；两年后，合作产生了针对转录因子靶点的同类首创先导化合物。公开资料显示，公司2026年以来披露的对外合作总额已接近100亿美元。
最容易误判的地方，是把分子生成速度等同于药物研发速度。模型可以在数小时内生成数千个候选分子，但实验室仍然需要逐个完成合成、表达、筛选、检测和毒理评估；计算端产生的候选越多，实验端承担的工作量反而越大。
这背后其实也是系统与算力的协同问题。星战在AI算力与产业落地方向的关注，同样落在这一层：当AI从研发的辅助工具变成需要持续调用模型、数据和算力的基础能力，算力供给与调度效率会直接影响迭代速度，决定这套研发体系跑得顺不顺。
实验室的形态也在发生变化。传统实验室主要为研发人员服务，任务通过邮件传递、结果以报告交付；面向AI研发的实验室，则需要直接接收模型任务，用标准接口调度实验，并把结果快速反馈给模型。瑞士初创公司Adaptyv Bio为Claude完成1320条蛋白序列湿实验验证，把实验室改造成面向AI智能体的物理后端，结果以机器可读取的结构化形式返回。
真正决定行业走向的，可能不是谁最早生成一个漂亮的分子，而是谁能够把模型、实验、数据、临床与商业化连接起来。稀缺的从来不只是模型。