AI可以生成很好的分子，但还生成不了很好的药物，药明康德锚定的便是把分子真正做出来。药明康德拥抱AI这件事，在10月第一次被产业端验证。10月13日，一家AI制药公司官宣：其小分子发现流水线，已可直接搜索药明康德旗下览博网的化学药物设计软件的虚拟化学空间。小分子发现流水线是一个规模约258亿个“合成可及分子”的库，每个分子由185条经过验证的化学反应和30877个高质量砌块组合而来，全球可调用。

值得注意的是，其设计原则是，候选分子必须能从商业目录买到、或能按需合成。换句话说，AI选出的分子如果做不出来，再高的预测分数也没有意义。

在此之前，小分子发现流水线已支持搜索公司740亿以上规模的按需合成空间，此次接入药明化学药物设计软件，相当于给模型补上了一块全新的亚洲供应网络，以弥补虚拟空间与真实合成之间那道转化鸿沟。

不难看出，药明康德想占的位置不是前端设计，而是AI设计流程落地的那一段。AI将创意的门槛拉低，却将落地的门槛推高，而后者便是药明康德的目光所在。

所以，与其说是药明康德的口径变了，不如说是它终于捋清楚了，在AI浪潮中要扮演什么角色，以及哪些是不可替代的。这个AI全面“席卷”药物开发的时代，模型可以开源，算法可以追赶，预测精度可以逐渐拉平，但“这个分子在现实中能不能被做出来、能不能在数周内交付”这道关口，总要落到某个拥有可合成化学空间和湿实验交付能力的平台上。

药明的转身并非孤例。2026年，中国CXO集体在AI制药的牌桌上落了座。尽管路径各不相同，但本质上都在思考同一个问题：哪些是AI够不着、又绕不开的地方？

从最近的一则消息说起。9月16日，金斯瑞宣布与礼来的AI/机器学习药物发现协作平台达成合作——礼来开放基于其研发数据训练的模型，金斯瑞则提供蛋白表达、纯化及表征分析等湿实验服务，为AI优选出的候选序列做标准化验证。

换句话说，这是一场打通AI药物发现与实验验证的联手，而它背后的判断，与药明康德有相通之处。针对这笔合作，金斯瑞生命科学事业群总裁陈睿曾表示：“AI赋能的药物发现能够取得多快的进展，取决于整个行业生成可靠生物学证据的速度。”