你知道吗？一款新药的平均研发成本超过26亿美元，90%的候选药物在临床试验中失败。这就是医药行业的“三‘十’定律”——十年、十亿美元、十分之一的成功率。但现在，一场由AI引发的“造物”革命正在改变这一切。

很多人以为，AI在医药领域只能帮医生看片子、写病历。其实那只是“AI医疗”，属于后端应用。真正颠覆性的力量叫“AI4S”——AI for Science，它要干的事是直接从源头“造”出新药来。
传统新药研发就像大海捞针。科学家要在上亿个分子里,靠化学实验一个一个试，哪个可能和靶点结合、哪个毒性小。这个过程叫“高通量筛选”，一做就是好几年。但AI大模型能把模拟计算做到极致，把几年的筛选工作压缩到几个周末。微软有个叫Quine的工具，就是用AI模拟分子和蛋白的相互作用，效率提升了几百倍。
这样的革命自然吸引了全球科技巨头。英伟达和礼来掏出10亿美元建联合实验室，从算力、模型到机器人实验平台全链条布局。微软、OpenAI甚至推出了能自主完成“假设—实验—验证”的“AI科学家”系统，不再只是辅助工具。
咱们国内的企业也没有缺席，而且走出了三条不一样的路径。第一条是“全栈式闭环服务”，代表是晶泰科技。他们不做纯软件，也不做纯实验，而是把AI大模型、科学智能体和自动化机器人实验室三合一，提供“预测—合成—验证”一条龙服务。结果呢？2026年上半年AI4S业务收入暴涨136.4%，商业模式已经跑通了。
第二条路是“垂直数据工厂”，代表是诺禾致源。他们卡位在AI虚拟细胞（AIVC）最需要的数据模态——单细胞扰动数据。说白了，AI模型要“吃饱”高质量数据才能变聪明，诺禾致源就专门生产这些数据。虽然目前最大收入还是测序服务，但高毛利的科研分析业务增长很快，一旦升级为“数据基础设施”，价值就不是现在的股价能装下的了。
第三条路是“微观世界模型”的算法新锐，比如望石智慧、科理新序。他们判断，AI制药正在从“智能体阶段”进入“物理AI阶段”。智能体只能编排现有工具，而微观世界模型能直接推演生命系统的底层逻辑。科理新序甚至提出了“Science Token”概念，让小分子、蛋白质结构这些科学数据在原生模态中推理，不再经过人类语言的“翻译损耗”。
说到这里，你可能会问：这么多玩家，哪家最有机会？我的看法是，短期看订单，中期看模型迭代速度，长期看谁能跑通“数据—算法—验证”的飞轮效应。谁掌握了这个闭环，谁就有话语权。
但也别光看热闹，风险同样不小。第一，模型预测再漂亮，也不等于真实世界能合成。AI有“幻觉”，预测出的分子可能有毒，或者根本造不出来。第二，AI在早期筛选环节的效率已被证实，但临床转化率有没有提高？目前还没有颠覆性证据，从“有效分子”到“安全好药”之间，还有一条“死亡之谷”没完全跨过去。第三，低门槛的AI筛选服务已经出现价格战苗头，如果只卖SAAS软件，很可能陷入低毛利陷阱。
更别提数据合规和知识产权问题了。药企的核心数据谁敢共享？AI生成的分子结构属于谁？这些法律灰色地带，随时可能引爆商业纠纷。