Newsletter · · Ashutosh Agarwal

AI开始主导实验室:GPT-5将基准结果提升40% - AI药物研发周报 - 2026年7月16日当周

2026年7月9日至16日当周的AI药物研发新闻通讯。Ginkgo Bioworks让GPT-5在其机器人云实验室中端到端运行了一次完整实验,将已发表的最佳结果提升了40%;Formation Bio阐述了一家AI原生公司如何有望成为下一个制药巨头;而湿实验室而非模型,成为这一领域真正的瓶颈。

AI药物研发周报

2026年7月16日当周:AI开始主导实验室,GPT-5将基准结果提升40%

摘要

  • 本周最引人注目的成果来自Ginkgo Bioworks (DNA)。在与OpenAI合作的一个项目中,该公司让GPT-5端到端运行了一次完整的科学实验——设计实验、解读结果、设计下一轮实验——全部在其机器人运行的"云实验室"内完成。经过六轮迭代后,这个AI将此前已发表的最佳结果提升了40%。这标志着AI正从建议分子转向亲自做科学研究。(The Times Tech Podcast, 7月9日)

  • Formation Bio首席执行官提出了迄今为止对今年最大问题最清晰的解答:一家AI原生公司能否成为下一个礼来(Eli Lilly),而不是把药卖给现有的礼来?他用实实在在的数据解释了为什么自上世纪80年代以来再没有诞生过新的制药巨头,以及他打算如何打破这一模式。(The Heart of Healthcare, 7月13日)

  • 全行业出现了新的数据:目前有173种AI原创药物正在临床试验中,较2023年末的仅24种大幅增长,而据称AI设计的药物在早期试验中的通过率为80%–90%,相比之下传统方式仅为40%–65%。(Equity Mates, 7月8日)

  • 瓶颈仍在不断转移。制约因素已不再是AI的智能水平,而是你能以多快的速度在真实世界中运行实验来喂养它。LabGenius可以构想出200万种抗体设计,但每五到六周实际能测试的只有大约3,000种。(The Bio Report, 7月8日)

  • 股价对此并不买账。RXRX、SDGR和LLY周环比全部下跌,Recursion跌幅最大,重新逼近其52周低点;与此同时,礼来受肥胖症药物利好推动,却仍获得分析师新一轮目标价上调。

最新动态

本周发生的最重要的一件事:一个AI运行了一次真实实验,而非模拟实验,并且取得了胜利。

Ginkgo Bioworks联合创始人兼首席执行官Jason Kelly在The Times Tech Podcast上详细讲述了整个过程。首先是背景设定。Ginkgo运营着所谓的"云实验室",即由机器人完成物理操作(移动微量液体、将样本送入机器)的真实实验室,使科学家能够像操控网站一样,完全通过键盘来控制整个流程。Kelly本人对老式实验室工作的描述是:"五年时间站在实验台前,用叫做移液管的东西,非常非常小心地移动透明液体……基本上就像非常花哨的吸管。"云实验室把人手从这个过程中拿掉了。(The Times Tech Podcast, 7月9日)

与OpenAI合作的这项实验提出了一个更大的问题:AI模型(此次是GPT-5)能否承担科学研究中思考的部分,而不仅仅是操作的部分?真正的科学家是在一个循环中工作的:有一个想法,进行实验,观察数据中出人意料的部分,设计更聪明的下一轮实验,如此反复直到得出答案。Ginkgo让模型独立运行这一循环,应用于一个叫做无细胞蛋白质合成(在试管中生产蛋白质的一种简洁方法)的领域。每一轮,模型都设计了大约3万个微型实验。人类只设定了"护栏":每个配方始终运行四份重复,始终包含对照样本,除此之外就让模型"放手去做"。

用Kelly的话说,结果是:"四轮之后,我们就超过了现有最优水平。而六轮之后,我们把它提升了40%。"这里的基准是此前一家学术实验室发表过的最佳"每美元蛋白质产量"数据。Kelly的结论值得细细品味:一名科学家"可以启动一个智能体,比如一个GPT-5智能体,告诉它去干上几周……而且你也许可以同时运行10个、100个甚至1000个这样的智能体,去追求许多不同的假设。"这确实是一种做科学研究的全新方式——无数不知疲倦的数字研究员在并行地进行实验。

他还提出了一个关乎整个领域的经济学论点。他认为,自动化实验室不仅速度更快,而且成本更低:机器人使设备可以更紧凑地摆放(占地面积减少约3倍),并能全天24小时运行(工作时长增加约3倍),两者相加,他估算做同样的工作可实现约"9到10倍的效率提升"。他还提出了一个尖锐的地缘政治观察:西方生物技术产业一直在把实验室工作转移到中国,纯粹是因为那里的人类科学家更便宜。Kelly押注的是,实现实验室自动化是西方能否保住其科学产业的关键所在。

**本周的第二大主题:药物最终归谁所有。**在The Heart of Healthcare节目中,Formation Bio首席执行官Ben Liu对上周提出的问题——AI公司是会建立自己的药物帝国,还是仅仅向老牌药企出售工具——给出了迄今最具体的回答。他的出发点是一个真实的谜题:上一批诞生的制药巨头(Vertex、Amgen、Regeneron)都可追溯到上世纪80年代。为什么之后再没有过?(The Heart of Healthcare, 7月13日)

他的解释完全围绕着风险数学展开。一家由风险投资支持的生物科技公司,仅将一款药物推进人体试验就需要三到五年时间,再需两到四年才能得到中期("二期")结果,而其中只有大约30%能得到阳性结果。一旦某个项目奏效,大型药企通常会开价约30亿美元收购(大致相当于该药物一年的销售峰值)。另一种选择——自己完成昂贵的最终试验——需要花费几亿美元,并有约40%的概率归零,对应60%的概率获得60亿至90亿美元的收益。做完风险调整后的数学计算,Liu认为,理性的选择几乎总是出售。于是,那些前景看好的年轻药企往往在还没来得及长大之前就被吞并了。

Formation的应对方案是结构性的。它被设计为一种"枢纽-辐条"结构,可以出售单一药物而不必出售整家公司,并坚持至少押注"十次机会",因为按照30%的成功率计算,十次尝试的期望结果是三个赢家,而这种组合数学最终使得坚持自建而非套现变得合理。Liu希望打造一家看起来像"这一代的礼来或诺华"的公司,但由"几百人加上这些AI系统"来运营,而不是十万人。这家公司最初是一项名为TrialSpark的试验运行服务("先爬、再走、后跑"的方式,先把基础设施搭好),背后有Sam Altman和洛克希德(Lockheed)等投资方支持,并与诺华前首席执行官Joe Jimenez合作设立了一支名为Adidam Bio的药物基金。它的AI工具都有名字——"Forge"负责设计试验,"Apollo"负责运行试验——甚至会记录公司内部会议和投资备忘录,用来训练模型学习这家公司是如何做决策的。

关于该领域发展势头的另外两个有用数据点,来自Equity Mates一场聚焦投资的对话:目前全球有173种AI原创药物正处于临床开发阶段,较2023年末的仅24种大幅增长,据称AI设计的药物在首次人体试验中的通过率为80%–90%,而传统发现方式为40%–65%。主持人将Insilico Medicine视为一个佐证案例,其INS018-055是首个完成二期试验的完全由AI设计的药物,达成这一里程碑仅花费约600万美元、耗时18个月,而按传统方式估计需要1亿美元以上,耗时六年以上。这些具体百分比应视为方向性数据(早期试验样本量小且属自我选择),但方向本身是真实的。(Equity Mates, 7月8日)

争论焦点

真正的瓶颈现在在哪里,是AI,还是喂养它的湿实验室?

两年来,这一领域一直在争论制约因素究竟是数据、算力,还是模型本身的原始智能水平。本周的这几期节目都强烈指向一个方向:模型已不再是薄弱环节,物理实验才是。

最清晰的例证来自LabGenius,其首席科学官Angus Sinclair描述了如何构建能同时命中两个靶点的抗体(这很有用,但如果攻击健康细胞或引发免疫过度反应就很危险)。他的关键论点是:对于这类设计,几乎没有可供学习的公开数据,存在"信息匮乏"的问题,因此公司必须自行生成实验室数据。而症结就在这里:LabGenius的AI最多可以提出200万种设计,但湿实验室每五到六周实际只能测试约3,000种。想象力实际上是无限的,而双手不是。(The Bio Report, 7月8日)

Sinclair对炒作也直言不讳。他表示AI在从头设计蛋白质和抗体这类拥有大量公开数据可供训练的领域确实表现出色,但在多特异性抗体这类数据匮乏、更难的问题上"仍需迎头赶上、继续成长"。他对如何解决这一问题的判断是:主要还是需要更多数据。

这正是为什么Ginkgo的云实验室方案与LabGenius的通量问题是同一枚硬币的两面。如果约束条件是"我每周能运行多少真实实验",那么谁能把湿实验室工业化,让它变得更快、更便宜,并能让AI在一夜之间运行,谁就掌控了整个领域的节奏。这也与上周DARPA的Mike Koeris提出的观点相呼应,即生物学领域缺乏的是正确类型的数据。近期几期节目正在形成一种共识:前沿已不再是更聪明的模型,而是更快、更便宜地制造出模型所需实验数据的方式。

在这背后还潜藏着第二场争论,由Formation Bio进一步凸显:**做工具,还是做药物?**Ben Liu明确选择拥有药物,而不是向药企出售软件,因为"如果你是在为其他公司做试验……问题就不再是如何又便宜又快地做事,而是如何从中榨取尽可能多的收入。"这直接挑战了"卖铲子"的商业模式,也提醒人们:最有雄心的AI原生玩家越来越倾向于与潜在客户竞争,而不是为其服务。

相关个股

Recursion Pharmaceuticals (RXRX),3.02美元,较上周的3.76美元下跌约20%,重新逼近其52周低点2.77美元(区间2.77–7.18美元;市值约14亿美元)。仅在快照当日就下跌8.8%,成交量放大(3,460万股,高于1,930万股的平均水平),这是实实在在的抛售压力,而非悄然的漂移。本周没有任何AI药物研发类播客节目提及Recursion,窗口期内也没有公司层面的新闻,因此这看起来更像是情绪和仓位调整,而非某个具体事件。值得关注这一跌势是否会延续到其下一次管线更新,该更新预计仍在今年晚些时候公布。

Schrodinger (SDGR),15.60美元,较上周的16.79美元下跌约7%(52周区间10.95–23.75美元;市值约12亿美元),当日下跌4.1%。同样,本周没有新的播客提及,也没有公司新闻,这家基于物理学的药物设计纯粹标的在舆论场上依旧安静。

礼来(Eli Lilly, LLY),1,170.23美元,较上周的1,216.95美元下跌约4%,尽管分析师群体纷纷上调目标价(52周区间623.78–1,249.45美元;市值约1.10万亿美元)。本周的目标价上调情况:美银上调至1,334美元、Guggenheim上调至1,273美元、瑞银上调至1,425美元、Bernstein上调至1,385美元、花旗上调至1,600美元,评级均为买入或跑赢大盘,主要围绕强劲的第二季度业绩以及资金持续从AI概念股转向具有持续增长动能的药企。正如上周所指出的,这种看涨情绪源于肥胖症和GLP-1类药物,而非AI药物研发。不过Bernstein也提示了一项谨慎因素,即某产品在美国的上市表现"弱于预期"。

礼来本周也有实质性新闻,尽管都与AI药物发现无关:

  • 公司同意以现金6.75美元/股外加最高2.50美元/股的里程碑付款收购AtaiBeckley,合计约28亿美元首付款以及最多约10亿美元的额外潜在付款,溢价约40%。收购的核心资产是BPL-003,一种鼻内给药的5-MeO-DMT(一种迷幻药),用于治疗难治性抑郁症。这是一次神经科学层面的押注,而非AI层面的押注。
  • 其抗癌药物Retevmo获得FDA完全批准,用于治疗RET融合阳性实体瘤(一种与基因检测挂钩的精准肿瘤治疗)。
  • 一则规模虽小但与本期主题相关的消息:VivoSim (VIVS)从礼来处获得500万美元里程碑款项,原因是礼来向其购买的一款药物在二期研究中完成了首例患者给药。VivoSim构建实验室培养的人体组织模型,用于在进入人体试验前测试药物,是一种"生成更好临床前数据"的工具,也悄然提醒人们,这份新闻通讯反复提及的数据生成这一层,正开始以真实的现金里程碑形式显现出来。

延伸解读

  • **湿实验室这一层,或许正是价值悄然积累之处。**如果该领域真正的瓶颈是快速且低成本地运行实验(Ginkgo、LabGenius),那么那些将实验工业化的公司——自动化和云实验室、高通量筛选、类似VivoSim的组织模型——就掌握着其他所有人都需要经过的关口。这仍是"卖铲人"的逻辑,只不过这次瞄准的是实验室,而非模型。
  • **留意"自建药物"这一转向是否会扩散。**Formation Bio选择成为一家药企而非工具供应商,这与Anthropic此前几周被报道的转向自有药物项目的动作相呼应。如果越来越多的AI原生玩家选择与药企竞争而非为其供货,那么AI药物研发软件的最终买家(大型药企)或许会发现自己的供应商正在变成竞争对手——这是一个尚未被纳入任何模型的战略风险。
  • **Tempus (TEM)将这一机会重新定义为一个数据管道问题。**Eric Lefkofsky提出的论点是,美国高达20%的癌症死亡源于患者走上了"错误的治疗路径",而修复数据流程每年可以挽救10万条以上的生命,这提醒人们:医学领域许多近期的AI价值其实在于把现有患者正确地导流,而不是发明新分子。Tempus表示,在连接美国约8,000到9,000家医院的进程中,目前"仅完成了20%"(目前已覆盖约5,500家),这意味着未来还有很长的路要走。(AI and Healthcare, 7月10日)
  • **宏观数据是一把双刃剑。**173种药物处于试验阶段(两年前仅24种),早期试验成功率达80%–90%,这些确实令人鼓舞,但早期成功只是容易的那部分,昂贵而艰难的失败仍主要发生在后期试验中。要把乐观情绪锚定住:更便宜、更快的发现,尚未证明能带来更便宜、更快的获批。

与上周相比的变化

  • **上周悬而未决的问题得到了具体答案。**当时的开放性问题是:护城河究竟是专有的湿实验室数据(CZI/药企的观点),还是可以低成本大量生成的合成数据(算力充裕的AI实验室观点)。本周这个问题被重新定义:LabGenius表明,护城河之所以是专有数据,恰恰是因为你无法在公开市场上买到它,也还无法生成足够多的数据——湿实验室的通量上限(200万种设计、3,000次测试)才是真正的高墙。争论已从"数据 vs. 算力 vs. 模型智商"转向"模型没问题,实验室才是瓶颈"。
  • **"AI实验室即药企"这条线索,从Anthropic发展为一套更完整的打法。**上周是Anthropic把Claude Science用于自身的研发管线。本周Formation Bio提供了实际的商业逻辑——药物初创公司为何选择卖身的风险数学,以及为对抗这一模式而设计的枢纽-辐条结构和"十次机会"策略。纵向整合的故事如今有了数据支撑,而不只是一个标题。
  • **经济性方面出现了一个全新的佐证案例。**Insilico的数据(完成一次二期试验耗资600万美元、耗时18个月,相比之下传统方式需1亿美元以上、六年以上)是迄今记录中最鲜明的单项成本对比,而临床管线数量从24种增至173种的跃升,量化了这种方式扩张的速度之快。
  • **股价再次与叙事背道而驰。**连续第二周,兴奋点都在播客里,而可交易的标的(RXRX、SDGR)却在漂移或下跌;Recursion周环比约20%的跌幅、逼近52周低点,是本周值得关注的动向。礼来的强势依旧是肥胖症和板块轮动的故事,而非AI故事,这一点与上周相比没有变化。
  • **新进入观察名单的名字:**VivoSim (VIVS),通过其从礼来获得的里程碑付款进入视野,这是一家临床前人体组织模拟公司,是"生成更好数据"这一层的又一个新入局者。