先讲一个数字对比，你可能会愣住。
传统模式下，一款新药从发现靶点到做出临床前候选化合物，要四到五年，花掉数千万美元。而有一款药，只用了18个月、260万美元。更狠的是，这款药今年已经推进到III期临床试验——这是全球第一个走到这一步的、由AI从头设计的药物，名字叫Rentosertib，治的是一种叫特发性肺纤维化的绝症。
你可能会问：AI设计出来的分子，凭什么敢往人身上打？答案藏在这篇文章要讲的四个字里：干湿闭环。
先说清楚：什么叫"干湿闭环"
"干实验"，是在电脑里做的：AI模型在虚拟空间里设计分子、预测结构、模拟药效，一天能筛选几百万个候选。"湿实验"，是在实验室里做的：真的把分子合成出来，真的喂给细胞、真的做动物实验，看看到底行不行。
过去的AI制药，只有"干"没有"湿"。模型在电脑里说得天花乱坠，一进实验室就失败——行话叫"可合成性鸿沟"。说白了，电脑设计了一座图纸上的完美桥梁，但现实中的钢材根本造不出来。
干湿闭环，就是把这两头焊死：AI设计完，自动化机器人立刻动手合成和测试，测出来的真实数据又回流喂给模型，模型变聪明了再设计下一批。设计、验证、迭代，像一个不停旋转的飞轮。行业公认，这就是AI制药的"最后一公里"——谁打通了，谁才算真正拿到了药。
行业走到了哪一步：一场600亿美元的期中考
先看这份成绩单的整体。从2019年至今，全球往AI制药里砸了大约600亿美元，已经有约200个AI参与发现的药物进入人体试验。但请注意另一个刺眼的数字：FDA批准的AI设计药物，截至目前，是零。
所以2026年被业内叫作"验证之年"。几个标志性事件密集发生：Alphabet旗下的Isomorphic Labs——就是那个做出AlphaFold、拿了诺贝尔化学奖的团队分拆出来的公司——5月完成了21亿美元B轮融资，它设计的药物预计2026年底进入人体试验；OpenAI在5月推出了生物模型GPT-Rosalind；AWS上线了打通湿实验验证的Amazon Bio Discovery；诺和诺德干脆和OpenAI合作，把AI塞进自己的全管线。
而国内的重磅消息是：9月17日，字节跳动正式拆分出AI制药公司Anew Labs，首轮融资2.9亿美元，估值15亿美元。互联网大厂最后一个下场了。
另一组数据说明景气度：中国AI制药渗透率今年上半年突破14%，涉及核心环节的企业超过270家；AI辅助的候选分子进入临床的数量，2026年预计突破90个，比去年增长65%。早期研发平均耗时从24个月压缩到8个月。但冷水也要泼：临床期失败率仍维持在85%左右的高位——AI压缩的是早期的钱和时间，临床试验这道鬼门关，目前谁也替不了。
全球两个样本：一个证明"药能成"，一个证明"生意难"
先说说走到最前面的英矽智能。这家公司的路径是"AI平台+自研管线"双轮驱动。它的Rentosertib从靶点发现到临床前只用了18个月、260万美元，如今进入III期，如果最终成功，将是整个行业的成人礼。商业化上它也最硬核：今年3月，礼来扩大合作，首付1.15亿美元、潜在总额27.5亿美元；6月又与韩国SK生物制药签下最高25亿美元的神经免疫合作。不过要提醒一句，这种"最高可达"的里程碑金额，首付往往只有零头，别当真金白银看。英矽智能2025年12月30日在港交所上市，是首家按港股第8.05条上市的AI生物医药公司。
再看Recursion，它是干湿闭环的美国样本：自动化实验平台加大规模生物数据，自己推进药物管线。今年5月它公布了多个临床进展——早期疗效信号、患者入组。但同一份季报显示：单季营收只有650万美元，净亏损1.17亿美元。这就是这个行业最诚实的注脚：科学可以大步前进，生意依然烧钱。科学被认可，和商业被验证，中间还隔着好几轮融资。
国内牌桌：走在前列的中国玩家
第一家必须说晶泰科技，它是国内"软硬结合"路线的标杆，也是这条路上第一个证明能赚钱的。它建了近300台AI机器人实验工站，7乘24小时无人运行，数据积累速度是常规实验室的40倍；最硬的一个数字是：化学合成成功率从行业平均的三四成，提到了九成。2025年，晶泰科技首次实现年度盈利，成为AI for Science赛道第一家靠"软硬结合"赚到钱的港股上市公司。这个信号的意义不在于一家公司扭亏，而在于它证明了自动化实验平台本身可以是一个独立赚钱的生意，而不只是研发部门的成本包袱。现在它的自主实验平台已经扩展到新材料、新能源领域，累计落地了50多个自动化实验室项目。
第二家是英矽智能，前面讲过，它是国内"AI管线"路线的天花板。
第三家是剂泰医药，走的是另一条差异化路线：AI加药物递送。它的逻辑是，药不光是"造出来"，还得"送得到"。其进展最快的MTS-004已完成III期临床主要终点，从立项到III期只用了38个月，成为国内首款完成III期的AI赋能制剂新药；它构建的NanoForge纳米递送平台，库里有超过1000万种脂质结构。
第四家是深势科技，它的壁垒在底层：AI与物理模型融合，核心团队拿过高性能计算的戈登贝尔奖，它的RiDYMO平台专攻"难成药"靶点，还提名过针对Kv1.3的口服小分子候选化合物。
还有李彦宏创立的百图生科，千亿参数的生命科学大模型xTrimo是它的底牌，早在2023年就与赛诺菲达成了10亿美元级别的合作。而行业的最新风向，是资本开始密集押注"验证环节"本身——今年以来，专注干湿闭环智能体、自建高通量湿实验平台的公司接连完成融资，这说明行业的共识已经从"谁的算法强"，转向"谁能把数据闭环跑起来"。
最后泼三盆冷水
第一盆：目前为止没有一款AI设计的药获批上市，III期不等于终点，Rentosertib的结果会决定整个行业的估值锚。第二盆：临床失败率85%这个铁律还在，AI改变的是分子进入临床之前的效率，改变不了人体试验的残酷。第三盆：概念热的时候，"AI赋能"四个字会贴在任何一家药企身上，真假混杂，需要逐条核实哪些是AI主导发现、哪些只是用了个筛选工具。
写在最后
看AI制药这个方向，我最大的感受是：它正在从"讲故事"进入"交答卷"的阶段。干湿闭环这个概念，本质上是承认一个朴素的事实——电脑再聪明，也得回到实验室接受现实的检验。会设计的是人才，能把设计变成数据、再把数据变回设计的，才是产业。
而研究这类公司，恰恰是最考验耐心的：管线进度、里程碑金额里的水分、现金消耗速度、干湿闭环的真实产能，每一条都要从公告和论文里一条条整理、交叉验证，而不是跟着一条融资新闻就热血沸腾。这正是奥米豆想做的事：一个从事数据整理与新手技术和心性演练的平台，也是价值投资者搭建投研架构的地方。风口上人人都在讲范式革命，能沉下心整理数据的人，才能等到真正的成果揭晓。
AI制药的飞轮已经开始转了，但离终点，还很远。如果这篇内容对你有所启发，欢迎点赞 + 转发，也别忘了关注我们，后续会持续分享更多有价值的思考与干货。