6月，Anthropic推出了Claude Science，自建了实体湿实验室，并斥资4亿美元收购了仅成立八个月的AI制药初创公司Coefficient Bio。一家以模型技术见长的企业，在将模型公司的能力发挥到极致后，转而投入烧杯和通风橱的怀抱。

9月，诺和诺德与Orbis Medicines签署了最高14亿美元的合作协议。这笔交易购买的是一个“AI设计—自动合成—实验反馈”的闭环系统，以及它产生的、在公开领域中完全不存在的新实验数据。

这两条相隔三个月的新闻，共同指向一个结论：在这一轮AI制药浪潮中，模型是消耗品，数据是动力源，而生产数据的场所——湿实验室，正从成本中心转变为资产负债表上最硬核的资产。

01 湿实验为何成为核心资产？

一、瓶颈转移：模型过剩，验证稀缺

先明确概念。干实验是指在计算机中完成的预测、筛选和分子设计；湿实验是指在现实世界中进行的合成、培养、动物实验和分析检测。AI制药的理想闭环是干湿交替：机器设计、实验验证、数据回流、模型迭代。

兴业证券去年曾精准判断：当前AI药物研发的瓶颈，不在于模型运行速度，而在于湿实验数据产生的速度。

原因不难理解：

模型侧是充分竞争的市场，AlphaFold等工具将结构预测的边际成本压至近乎为零，生成模型每天可产生上百万个候选分子，而各家使用的底层模型大同小异，真正的差异化难以实现。

数据侧却是极度稀缺的市场。公开文献中的实验数据天然存在偏差：发表的多是成功案例，失败数据几乎无人记录；不同实验室的条件互不兼容；大环肽、共价抑制剂等前沿方向的公开数据近乎空白。Orbis的CEO直言：AI模型只有输入真实实验数据才有价值，因此我们必须自己创造数据。

于是，瓶颈整体转移。你能设计一亿个分子，但实验室一周只能合成五十个。模型变得廉价，让模型变聪明的数据变得珍贵，而生产数据的能力——如自动化实验室、高通量合成与筛选、标准化数据采集等——成为链条上最稀缺的一环。Anthropic收购湿实验室，本质上是为了构建数据的自主生产权。

二、两个反直觉现象：AI不减少实验，反而放大实验

第一个反直觉之处在于：常识认为AI提效会减少实验需求，但行业账本显示相反结果。

AI将分子设计的边际成本降至近乎为零，结果不是实验减少，而是进入验证管道的候选分子数量激增。以前一个项目只有三五条分子值得实验，现在每个项目都带着几百上千条分子排队等待合成、活性测试和安全性评估。设计越便宜，验证越昂贵。

这就是为何英伟达和礼来共建实验室时，核心指标不是模型精度，而是“两小时一轮迭代”——干湿闭环的转速，而非干实验的单点速度。

第二个反直觉涉及商业模式的演变。

AI制药公司正从“讲故事融资”转向“用平台换里程碑”：Orbis累计融资1.33亿美元，却换来了最高14亿美元的里程碑框架，杠杆超过十倍。但每一次里程碑的触发，都依赖于一个经过湿实验验证的分子。

换言之，AI平台的变现能力，物理上受限于其背后实验管道的通量。谁的干湿闭环运转更快，谁的AI就能更快转化为收入。

三、湿实验资产的三个判定标准

并非所有实验室都算作资产。根据这一轮产业逻辑，我们总结出三条标准：

其一，通量。手工实验室的数据产量无法满足模型需求，只有自动化、标准化的产线才能产出模型可消化的数据。判断指标包括机器人工作台数量、每周实验通量等可验证的披露信息。

其二，数据归属。替客户做项目，数据归客户，实验室只是产能；自建平台生产自有数据，数据才能沉淀为公司资产。同样是湿实验，法律归属不同，估值逻辑截然不同。

其三，闭环。干实验和湿实验必须在同一个反馈循环中，而非“AI部门设计、实验部门接单”的两张皮。判断依据是组织上是否将模型迭代与实验排程紧密结合。这是最难实现的一条，也是Anthropic宁可收购也要补上的环节。

02 中国湿实验核心资产有哪些？

按能力圈分为三类：平台闭环型、实验产能型、上游配套型。

一、平台闭环型：自行创造数据

晶泰控股是目前A股港股中平台纯度最高的标的。其核心资产包括：量子物理计算加AI模型用于干实验；三百多台自动化工作站的机器人实验室用于湿实验，覆盖合成、结晶、配方测试。晶泰将传统三到四周的实验迭代压缩至约六天，单周自主推进上万次实验，每月沉淀二十多万条反应数据，其中八成是文献中查不到的失败负样本。

其客户覆盖全球前二十药企中的十七家。2025年是收入规模化元年：全年营收8.03亿元，同比增长两倍；药物发现解决方案收入5.38亿元，同比增长超四倍。

但需注意：其与DoveTree合作累计潜在金额约六十亿美元，但那是包含研发、临床、销售里程碑的框架总额，尚未进入利润表。跟踪这家公司，需关注客户复购率和里程碑的实际到账。

成都先导走的是另一条闭环路线：不依赖机器人军团，而是依靠化学库。核心资产是DEL技术，将海量化合物每个挂上DNA条码，构建可并行筛选的万亿级实体分子库，并结合FBDD/SBDD结构生物学筛选。这种模式天然产生数据：每次筛选都产出靶点与万亿化合物相互作用的完整图谱，公司已积累数百个靶点。

2025年，它通过参与设立的基金增资控股摩熵智能——后者整合超十万个数据源，构建结构化医药数据集群；2026年4月，又与成都超算中心共建算力底座。

报表显示，2025年营收5.26亿元，归母净利润1.10亿元，毛利率54.24%，DEL与结构筛选合计占比约77%，里程碑收入开始确认。需持续观察其能力边界：自研管线尚在早期，海外大药企订单的续约率是关键。

泓博医药介于平台与CRO之间。自研DiOrion药物设计大模型和PR-GPT工具，宣称实现“AI设计到自有实验室合成测试”的闭环，累计交付65个候选药物分子（其中57个为first-in-class），服务53家CADD/AIDD客户。湿实验规模与前两家不在同一量级，公司也承认，AI目前的角色是“提升服务效率和交付能力的赋能工具”。

将其归入平台类，是因为它具备闭环的组织形态；它需要证明的是，AI能否从效率工具成长为独立可辨认的收入科目。观察它，就是观察“AI增强型CRO”这一物种是否可行。

二、实验产能型：将实验室规模化为护城河

平台型公司创造数据以喂养自身模型，而产能型的逻辑更朴素：AI分子的洪流涌来，实验产能本身就是收租权。

药明康德是这一层的巨头。2025年持续经营业务收入434亿元，年末在手订单580亿元、同比增长28.8%——无论AI公司的管线成败，这些订单都会转化为合成、筛选、测试、生产的实验收入。其湿实验资产有两块常被低估：一是全球最大规模的私有化学数据库之一，包含超650万个化合物结构及其反应记录，是几十年实验产能的自然沉淀；二是武汉基地“AI设计—机器人合成—智能验证”产线，单日可完成数千次化学反应。TIDES业务收入113.7亿元、同比增长96%，恰好卡在GLP-1与核酸药物这两个最消耗湿实验产能的赛道上。

它还投资了晶泰和英矽智能，并与薛定谔有过合资。能力边界：AI在其报表中没有独立科目，将订单增长归因于AI属于过度演绎。它的正确定位是“AI时代的水电煤”。

康龙化成与药明同构但体量较小，差异化在于控股肿瘤AI公司海心智惠，将高质量合规的患者数据整合进临床服务体系。两万余名研发人员是另一种形式的湿实验资产。观察关键词：海外Biotech客户储备——AI制药的第一批买单者，正是那些没有实验室的算法公司。

美迪西是临床前验证环节的样本。药理、毒理、安评是AI分子出闸的法定关卡，每一批AI设计的分子都需在此通过检验。公司搭建了MAIDD平台，在上海立项AI临床前研究服务平台，叠加类器官等新方法学，累计参与研发的项目已有650余件IND获批。AI制药进入临床验证期，将直接扩大其订单结构。

昭衍新药单独提一点：今年与英矽智能签署战略合作，围绕非临床研究、实验动物资源保障、AI生命科学模型建立共同体。安评加模式动物是湿实验中最重资产的环节，也是AI最难替代的环节。毕竟毒性没有捷径，只能在动物身上观察。

三、上游配套型：卖铲子的铲子

药石科技是全球分子砌块头部企业。AI设计的全新分子，绝大多数需要定制砌块来搭建骨架，砌块是AI合成链上的刚需耗材。2025年营收19.74亿元，其中CDMO收入11.24亿元，业务从卖砌块向一体化服务延伸。

皓元医药路线相近：近十万种分子砌块和工具化合物储备，MedChemAI平台，前端耗材加后端小型CRDMO双轮驱动。

再往生物端，百普赛斯、义翘神州的重组蛋白和抗体表达试剂，是AI大分子设计的验证材料——模型可以生成抗体序列，但表达和测亲和仍需蛋白工厂。

这一类企业的共性：单笔金额小、复购率高、不赌管线成败。它们是整条产业链中业绩确定性最强、但弹性也最钝的一环。

03 三个推演

推演一：价值分配向验证端迁移，“实验通量”将成为估值参数。

模型同质化、数据稀缺、验证是瓶颈，利润分配必然向掌握实验产能和数据资产的环节倾斜。一级市场已用脚投票，二级市场的重估只是时间问题。

在估值方法上，“实验通量”将逐步纳入模型，如同当年“产能”之于CDMO、“用户时长”之于互联网。未来投资者会问三个问题：这家公司每月产生多少条自有数据？干湿闭环一轮需要多久？数据归属在谁手里？这三个问题对应的估值差，将远超今天市场对“有没有AI概念”的定价差。

反之，凡是仅“部署了CADD工具”就自称AI制药的公司，将在这一轮中被剥离估值溢价。因为工具是买来的，不是资产。

推演二：中国优势需重新定价，从模型叙事转向化学产能叙事。

在这一轮全球竞赛中，中国的真正筹码不是模型——生成式模型的扩散没有国界，中美头部实验室的底层能力正快速趋同。筹码是化学产能：全球分子合成成本最低、通量最高、工程师密度最大的地方在中国。

英伟达和礼来所需的“两小时迭代”，Orbis们所需的“数千个分子数周交付”，物理上都指向中国供应链。支付方压价逼出的研发成本极限压缩，最优方案就是将湿实验放在中国进行。

AI制药的全球分工，可能重演消费电子的故事：设计在硅谷，制造在长三角。

推演三：检验时点在2027到2029年。

湿实验资产的逻辑，最终需由AI设计药物的临床成败来验证。BCG统计显示：AI设计药物的一期成功率超八成，显著高于历史水平；二期成功率约四成，与行业均值无异。

简而言之，模型擅长“找到能进入临床的分子”，但尚未证明“找到能上市的药物”。2027到2029年，第一批AI原生管线集中出数据，那将是整个赛道——包括湿实验叙事——的成人礼。

在此之前，需关注三个领先指标。

一看订单质量：平台公司的合同中，里程碑确认占比在上升还是服务费占比在上升。前者是风险共担的深度绑定，后者仍是外包关系的浅层合作。

二看数据资产化：是否有公司将自有实验数据从成本科目转变为可交易资产，如数据授权、数据入股、联合训练，这将是估值体系切换的信号。

三看人才流向：顶级计算生物学家的简历流向实验室还是模型公司，流向是资本流向的先导。

最后说风险。

湿实验资产有一个隐蔽的敞口：其景气度押注于AI制药研发投入持续放大，而后者目前仍依赖资本市场输血。如果2027年的临床数据大面积不及预期，管线收缩将沿链条传导：平台公司的里程碑停滞，CXO的订单放缓，砌块的复购中断。湿实验是这一轮最实的资产，但“实”不等于“稳”。它是放大器，放大繁荣，也放大退潮。

04 结语

干实验的尽头是湿实验。

模型会过时，算力会贬值，实验室中日复一日积累的数据和产能，正成为这个行业最后的护城河。四十年前，中国依靠制造业产能承接了全球消费电子的产业转移；在这一轮AI制药的产业转移中，接球的位置在实验室里。

Anthropic买下湿实验室的那个下午，最懂模型的那批人，把钱押在了烧杯上。

本文基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议。

本文来自微信公众号“医曜”，作者：王喆，36氪经授权发布。