Anthropic 建湿实验室：AI 走进真实实验台

节目以九月十八日 Anthropic 确认在旧金山湾区运营湿实验室为切口，指出这家以大模型闻名的公司开始做真实生物学实验，意味着 AI 不再只停留在电脑里设计分子。

传统药物研发的试错流程与 AI 的介入点

先讲传统研发如何找靶点、设计分子、逐个合成测试再修改结构，再说明 AI 把大量试错搬到计算机里，快速分析文献与生物数据、批量生成候选分子并预测结合效果，压缩原本数月的环节。

干湿闭环：模型算得再好也要回实验室验证

AI 设计的分子能否结合靶点、有无活性与毒性，不能只靠计算回答，必须在真实实验中验证，这就是湿实验室的重要性。AI 设计、实验室合成检测、结果回流模型再学习，构成一轮轮循环。

瓶颈转移：从模型参数到闭环速度

华福证券认为，模型生成筛选候选分子越快，实验合成、检测与功能验证反而可能成为新瓶颈，下一阶段竞争重点不只是模型参数大小，而是谁能更快完成设计、合成、检测、反馈的闭环。诺和诺德、礼来、罗氏等药企也在加码 AI。

发现端已见效，临床端才见真章

AI 在筛靶点、设计分子、预测蛋白结构、减少无效实验上进展明显，但决定一款药成败的仍是临床。生成式 AI 赋能研发的特发性肺纤维化候选药物瑞格瑟体，九月完成三期临床首例患者给药，成为重要验证节点。

产业链受益顺序：CRO 与生命科学上游靠前

AI 筛选越快，需要合成检测验证的分子越多，实验验证可能成为新瓶颈。偏药物发现和临床前研究的 CRO 可能率先受益，基因与 DNA 构建、蛋白表达、检测分析、模式动物等上游环节也可能获得增量需求。

CDMO 逻辑靠后与结尾提问

CDMO 的受益逻辑相对更靠后，需要更多 AI 药物真正进入临床甚至商业化阶段才会体现。节目以提问收尾：AI 最终能不能把一款新药的研发周期真正缩短一半甚至更多。