2026年，全球AI驱动的新药临床管线已从2017年的4个增至179个，其中9个进入III期临床。英矽智能的TNIK抑制剂从靶点发现到临床前候选仅用18个月，Absci的AI设计抗体已进入临床阶段，Generate Biomedicines的抗TSLP长效抗体也在推进中。AI制药似乎正在兑现承诺。

但另一面同样真实。Drug Discovery News在2026年7月的一篇专题报道中指出，从头设计、表位导向的抗体设计“正在推进但仍处于早期”，公开报道的结合成功率仍处于个位数到低两位数百分比的区间。

图片来源：Drug Discovery News

管线在增长，成功率却依然很低。这说明：AI能设计分子的结构，不等于能做出真正能结合、能成药的分子。结构是数字世界的产物，成药是真实世界的结果，两者之间隔着合成、表达、验证的完整链条。

科技巨头正把AI制药从模型竞赛推向闭环竞赛

2026年9月，路透社披露Anthropic已在美国旧金山湾区建成湿实验室；9月16日，从字节跳动分拆出来的AI制药业务AnewLabs（新生实验室）完成首轮外部融资，融资规模达2.9亿美元，投后估值约15亿美元；同日，金斯瑞宣布与全球领先制药企业礼来公司的AI/机器学习药物发现协作平台LillyTuneLab达成合作。

这些动作指向同一个趋势：竞争焦点正从“谁的模型更准”转向“谁能建设行业系统性基础设施”，率先跑通“数据—模型—实验—再数据”的完整闭环。

沙利文中国高级合伙人毛化给出了更直接的判断：随着算力供给日趋充足、大模型快速迭代，模型功能层面的差异正在缩窄。科技公司要挖掘制药领域的竞争力，就需要抢占自动化实验入口、专有数据资产和管线IP。

AIDD真正稀缺的不是算法，而是“数据飞轮+工程化干湿实验闭环”。

Ainotype：AIDD闭环的最后一步

Ainotype是AIDD闭环的系统化载体。它以DBTL为底层框架，汇聚泓迅13年合成生物学分子制造经验，形成一套涵盖基因合成、DNA/RNA合成、蛋白表达与纯化、抗体开发、结构解析等维度的能力组合。这些能力本就覆盖生物药发现与早期验证的多个关键环节，为AIDD闭环提供一体化支撑。

DESIGN——AI原生分子智能设计平台

Ainotype以开放标准化接口，无缝承接合作伙伴AI模型生成的设计序列；抗体可变区、人工基因回路、全新蛋白骨架等均可直接进入构建流程，确保AI设计意图完整、不失真地转化为物理实体。

BUILD——从数字序列到真实分子

AI设计须先转为真实DNA才能实验，数量达数千时，逐条合成与克隆显著增加时间与成本。Ainotype具备全链条实体分子合成能力，可高效合成不同长度与复杂度的序列库；累计完成超百亿碱基DNA合成、500万+功能蛋白构建，完整保留AI原始设计序列，消除构建失真。

TEST——在真实体系中验证设计

Ainotype在中美两地布局标准化湿实验验证中心，提供从表达纯化到功能性评估的一站式验证。对AI模型而言，真正有价值的反馈不是简单的“结合/不结合”标签，而是多维、定量的性能特征。

LEARN——让数据回流驱动下一轮设计

如果实验结果只用于筛出几个苗头分子，整个流程仍然是线性的。Ainotype更看重的是：AI设计→DNA合成→蛋白表达→功能与成药性测试→高质量数据→AI学习迭代。

四大模块通过统一数字接口无缝串联，消除跨环节、跨供应商的信息损耗。Ainotype平台以DBTL为核心，完成从AI设计—分子构建—湿实验验证—数据反馈，每一轮循环都将直接驱动AI分子的智能进化。

AIDD竞赛闭环，是平台能力与效率的双重考验

当AI设计走向实验验证，真正决定效率的，不是“有没有平台”，而是闭环是否完整、标准是否清晰、数据是否可信。

第一，看完整工作流程，而不是单点能力。 

从序列分析到最终决策，DNA构建、表达问题排查、产物纯化、特性分析、重新设计——这些环节是否都在同一协同体系内完成？还是分散在多个供应商之间反复交接？Ainotype想做的，是把这条链路真正串起来，而不是只提供其中一段。

第二，报价之前，先对齐标准。 

检测项目的具体范围、所需样品数量、成功判断标准、重复实验政策、实验完成时间、失败候选物的处理方式——这些必须在合作开始前就明确。否则，报价再低，后续也可能变成反复补实验和互相扯皮。

第三，复杂分子，才是真正考验能力的地方。 

AI生成的候选分子，往往给DNA构建和表达带来诸多挑战：序列复杂度高、表达量低、可溶性差、容易聚集。泓迅13年积累的，恰恰是处理这些“不符合标准化实验方案”的复杂分子的能力，以及从DNA到蛋白质转化过程中的协同服务经验。

第四，速度要看整个DBTL周期。 

不是只看合成快不快，也不是只看检测快不快，而是看序列审查、实体分子生产、测试、数据解读、后续设计迭代——整个循环跑一圈要多久。Ainotype衡量的是全周期速度，而不是某个单点指标。

第五，数据规则，必须前置说清楚。 

哪些实验数据可以用于学习？数据保密性如何保障？专有序列和模型使用边界在哪里？这些问题不提前约定，合作越深入，风险越大。

泓迅生物Ainotype想做的，不只是“接单—交付”，而是把这些标准、能力和规则前置，让AI制药的闭环真正可预期、可重复、可迭代。

泓迅生物AIDD战略合作启动，我们为使用AI药物设计的客户提供完整的湿实验验证解决方案以及数据反馈，同时欢迎前端AI生物设计公司战略加盟。

参考信源

1. 上海证券报：《科技巨头抢滩药物研发AI制药进入跨界竞合阶段》，2026年。

2. 路透社：Anthropic旧金山湾区湿实验室投入运营报道，2026年9月。

3. 澎湃新闻：字节跳动旗下Anew Labs完成首轮2.9亿美元融资报道，2026年9月。

4. 行业公开统计：全球AI驱动新药临床管线数量（2017年4个，2026年179个，其中9个进入III期）。

5. 中国科学院网信工作网：英矽智能Rentosertib（ISM001-055）从靶点发现到临床前候选化合物提名用时18个月报道，2024年4月。

6. Generate Biomedicines：GB-0895抗TSLP长效抗体启动全球III期临床研究（SOLAIRIA-1/SOLAIRIA-2），2025年12月。

7. Drug Discovery News：从头设计、表位导向抗体设计专题报道，2026年7月。