AI制药转入闭环竞赛 科技巨头跨界抢滩

导语

AI制药的竞争逻辑正在发生微妙而关键的转变。过去几年，行业比拼的是谁的算法模型更精准、谁的数据集更庞大；如今，头部玩家开始把目光投向更底层的命题——谁能率先搭建起一套可持续运转的系统性基础设施，让药物研发从数据到模型、从实验到再数据的循环真正跑通。近期，多家科技巨头和制药企业的一系列动作，正在将这一趋势推向台前。

从模型竞赛到闭环竞赛

据行业信息显示，AI制药领域的竞争焦点正从单一的模型能力，转向“数据—模型—实验—再数据”完整闭环的构建。这一转变意味着，仅靠算法优势已不足以构筑护城河，企业需要同时具备湿实验室验证能力、数据回流机制和规模化实验迭代效率。

近期几个标志性事件印证了这一判断：

• Anthropic已在美国旧金山湾区建成湿实验室，将AI模型能力向真实实验环节延伸；
• 字节跳动旗下AI制药公司Anew Labs（新生实验室）以独立公司身份完成首轮外部融资，规模达2.9亿美元；
• 礼来旗下AI制药平台Lilly TuneLab与金斯瑞、Twist、Ginkgo等企业展开合作，完善AI成药性预测的验证链条。

这些动作共同指向一个方向：AI制药的竞争门槛正在抬高，单点技术突破的价值相对下降，系统整合能力的重要性显著上升。

产业分工走向生态竞合

与闭环竞赛相伴而生的，是产业分工模式的调整。过去，AI制药公司往往倾向于独立完成从算法开发到管线推进的全流程，试图以“全栈能力”建立差异化优势。但闭环的构建涉及算力、数据、实验、临床等多个环节，单一企业很难在所有节点上都保持领先。

因此，行业正从单打独斗走向生态竞合。科技巨头提供模型和算力底座，制药企业贡献靶点认知和临床经验，CRO与自动化实验室承担高通量验证任务，数据服务商则负责打通各环节的信息流。各方在竞争中合作、在合作中竞争，形成一种更为复杂的产业生态。

这种分工模式的好处在于，它降低了闭环构建的重复投入，也让专业能力更强的中小企业在生态中找到不可替代的位置。但挑战同样存在：数据标准不统一、利益分配机制不成熟、跨组织协作效率偏低，都是生态竞合需要持续解决的课题。

对相关行业与企业的影响

对于科技巨头而言，进入AI制药意味着将技术能力向高壁垒、长周期的垂直领域延伸。湿实验室的建成和外部融资的推进，表明它们愿意承担更重的资产和更长的回报周期。这既是战略卡位，也是对自身技术变现路径的探索。

对于传统制药企业，AI制药平台的开放合作提供了提速研发效率的可能，但同时也要求它们在数据共享和合作模式上做出更多让步。如何在借助外部AI能力的同时保护核心管线信息，是一个需要谨慎权衡的问题。

对于AI制药创业公司，生态竞合既是机会也是压力。一方面，它们可以接入巨头的基础设施，专注于自身最擅长的环节；另一方面，闭环竞赛对资金和资源的要求更高，独立跑通全链条的难度正在加大。

点评

AI制药从模型竞赛转向闭环竞赛，本质上是行业从技术验证期向工程落地期过渡的自然结果。概念的热度终将退潮，真正决定胜负的是谁能把数据、算法和实验高效地串联起来，并持续产生可验证的成药性结论。生态竞合提供了更务实的路径，但也意味着行业需要建立更成熟的协作规则和利益分配机制。对于参与者而言，找准自身在闭环中的位置，或许比追求全链条覆盖更为重要。

信息来源：36氪快讯