AI制药的产业叙事正在从故事走向数字。8月27日，中邮证券发布AI4S系列研究报告之二，直指制药临界点突破前夜，新范式逐渐成型，分子验证需求正加速崛起。报告指出，2026年以来谷歌、Anthropic等AI巨头将AI制药视作公司未来的重要增长引擎，英伟达、字节跳动等将AI制药作为平台级业务，Meta、亚马逊等亦将药物发现模型当做重要的生态布局，AI制药已从工具辅助正式迈入自主科学发现阶段。
报告的核心判断是，AI制药的试验反馈路径正在逐步清晰。药物研发的本质基于实验科学，通过实验数据反馈提升理解、迭代分子设计规则。与Coding等通过计算形成自我迭代的路径不同，药物研发迭代的限速步骤在于湿试验，即通过投入实体化合物产生真实的试验数据。过去这个环节高度依赖人力，如今AI语言模型技术迁移到制药领域，逐渐形成了迭代的AIDD新范式，让AI从回答问题进一步走向执行真实科研任务。
最新的产业进展为这一判断提供了注脚。8月19日，Moderna与默沙东的个性化mRNA癌症疫苗III期临床成功，AI算法直接参与每位患者实际注射的mRNA序列定制设计，让一人一药在商业和临床流程上成为可能，这是AI深度参与的创新疗法第一次走到商业化门槛。8月18日，Anthropic用湿实验数据证明Claude在蛋白设计这一特定任务上已初步达到甚至超过领先人类专家的流程编排能力，能将原本需数天至数周的干实验室蛋白设计流程压缩到单靶点24小时、多靶点并行48小时。这些案例表明，AI在验证成本高、失败代价大、周期长的实验科学领域，正展现出巨大的商业价值。
与此同时，数据在AI制药中的稀缺性愈发凸显。报告强调，数据是迭代的关键要素，行业孤岛特征下数据的稀缺性愈发明显，数据基建工作不可或缺已是行业共识。高质量、标准化的实验数据将成为AI制药公司的核心壁垒，谁能建立数据飞轮，谁就能在模型迭代中保持领先。
报告对市场空间给出了量化的测算。受益于AI赋能的药物发现全部总潜在市场预计在180亿美元左右，包含算法和模型的投入以及用于湿试验的开销。其中从Twist等具备基因蛋白合成和体外检测业务的环节来看，预计在70亿美元市场；AI催生的需求业务预计在2030年提供10亿美元的增量空间，对应抗体发现服务增量5亿美元、增长25%，蛋白表达市场增量5亿美元、增长45%。基线参考数据显示，DNA合成市场约20亿美元，抗体发现服务约20亿美元，蛋白表达约11亿美元，合计51亿美元。
从产业链受益顺序看，报告认为分子验证需求正崛起，AIDD平台、蛋白合成表达及检测、动物模型验证、试剂、蛋白表达及纯化等环节将率先受益。具体标的方面，报告建议关注AIDD平台的英矽智能、晶泰控股、剂泰科技，蛋白合成表达及检测的金斯瑞、Twist、义翘神州、百普赛斯、近岸蛋白，动物模型验证的百奥赛图、药康生物、南模生物，试剂环节的阿拉丁、皓元医药、毕得医药、诺唯赞，以及蛋白表达及纯化的奥浦迈、纳微科技、赛分科技、汉邦科技。
报告同时提示了风险：AI制药模型研发进度不及预期风险、投入制药领域的资本开支不及预期风险、市场竞争加剧风险、地缘政治风险以及政策变动风险。在产业爆发的临界点，资本开支的可持续性与模型研发的确定性仍是市场需要密切跟踪的关键变量。
报告的另一个重要判断是，AI制药正逐步成为AI巨头公司的战略主航道。对比Coding已进入自主工程师团队的高渗透率阶段，当下的AI4S在药物研发中仍处于突破临界点的前期，有望成为下一代战略主航道。谷歌、Anthropic、英伟达、Meta、亚马逊等巨头的集体押注，标志着AI4S已从学术探索升级为国家工程和巨头战略，中国也已经率先把AI4S升级为政府主导、五位一体、社会反哺的系统工程。
产业层面的进展同样密集。北京已印发人工智能赋能科学研究实施方案，上海主导百团百项将AI4S作为科学智能生态建设主抓手，2026科学智能大会上发布了北京市首批16个人工智能赋能科学研究典型案例，覆盖自主实验室体系、高价值场景、科学模型、科学数据、创新生态五大类。自主实验室、无人实验室、干湿闭环等概念正在从理论走向落地，实验通量提升10至100倍成为可期待的目标。
从行业格局看，AI4S的产业化正从生物医药向材料、能源、化工等领域扩散。辉瑞将AI视为ready now的技术并提供实施框架，礼来、诺和诺德、默沙东通过生态和收购将AI内嵌于研发和创新业务。财报季的数据表明，AI制药已进入用订单、里程碑、成本下降数字证明AI商业模式的新阶段。当AI从工具辅助走向自主科学发现，制药行业乃至整个科研范式的变革，正站在临界点前夜。
中邮证券研报反复强调的分子验证需求，背后是科研范式从干实验走向干湿闭环的升级路径。所谓干湿闭环，是指模型在数字空间完成阅读、计算和推演，再由自主实验室完成制备、检测和验证，结果继续回流模型，形成数据飞轮。过去AI制药的瓶颈在于干实验预测与湿实验验证脱节，预测结果缺乏高质量的实验反馈，模型迭代缓慢。如今自主实验室技术的成熟，让干湿闭环从概念走向落地，验证效率成为AI制药竞争力的核心变量。
自主实验室的建设进展正在提速。清华大学化学系建设了化学研究自主实验室，实现从分子设计到智能表征全流程无人运行；北京大学与鼎犀科技共建纤维材料自主进化实验室；中科院物理所建设先进合金数智研发实验室；北京化工大学与戴纳科技共建AI自驱动电化学催化剂研发实验室，实现催化剂研发全流程无人化高通量运行。这些实验室通过AI与自动化设备协同，把实验通量提升10至100倍，正是分子验证需求加速崛起的产业基础。
对投资者而言，研报的价值在于把AI4S的宏大叙事落到可验证的产业链环节。当市场从关注模型能力转向关注验证能力，蛋白合成表达、动物模型验证、试剂耗材等基础设施环节的投资价值开始凸显。AI制药的竞争正从算法竞赛转向数据与验证设施的综合比拼，谁能建立高效的干湿闭环，谁就能在自主科学发现的新时代占据先机。