AI制药最近出现了一个很有意思的变化：大家开始不满足于“做模型”了，而是在拼命把AI接到真实实验世界里。Anthropic开始建设自己的湿实验室，Chemify用机器人和chemputation自动化化学实验，Twist则把标准化湿实验数据持续送回模型训练。方向其实越来越清楚：AI制药正在从“软件公司思维”走向“闭环研发系统”。

过去大家最关注的是模型能不能预测靶点、生成分子、优化蛋白。但药物研发真正困难的地方，从来不只是算不出来，而是一个假设提出之后，要经过实验验证、失败、重新设计，再做下一轮。这个反馈周期慢、贵，而且大量实验经验根本没有被系统地沉淀下来。

所以真正有价值的系统，应该是：AI提出假设→实验验证→产生新数据→模型更新→决定下一轮实验。每一次实验不只是回答一个科学问题，同时也在给下一轮研发“训练模型”。一旦这个循环跑起来，优势就会不断累积。

这也是为什么湿实验室、自动化机器人、专有数据开始变得越来越重要。单独一个模型很容易被追赶，但高质量实验数据、稳定实验体系、自动化能力，再加上持续多年的失败经验和决策记录，并没有那么容易复制。真正的壁垒可能不是算法本身，而是整个学习系统。

未来最值得关注的AI biotech，也许不是“谁有最强的大模型”，而是谁能最快完成从计算到实验、从实验到数据、再从数据回到下一次决策的循环。药物研发最终拼的，可能不是一次预测有多准，而是谁能用更低成本、更短时间完成更多高质量学习周期。

#AI制药 #人工智能 #生物医药 #药物研发 #新药研发 #AI生物科技 #机器人实验室 #计算生物学 #医药行业 #科技趋势