AI巨头Anthropic创始人Dario Amodei的父亲，2006年因丙型肝炎去世。当时这种疾病的治愈率只有约50%，然而就在父亲去世后的三年，新的治疗药物取得突破，治愈率提高到了95%左右。

如果医学进步能提前几年，他的父亲很可能就不会离开这个世界。这段经历深深改变了Dario的人生，让他从物理学转向生物学，最终投身人工智能研究。

所以，AI加速药物研发，争取的绝不仅仅是时间，而是一条条原本可以被挽救的生命。

这期文章，可能是我这辈子最最喜欢、最激动的一个话题。

为什么？因为AI在不断突破编程、数学等领域之后，如今终于开始向人类最伟大、也最艰难的挑战之一发起冲击：用AI加速药物研发，探索逆转衰老，甚至突破人类生命的极限。

在美股投资网创始人Ken看来，这件事的重要性，远远超过自动驾驶汽车，也远远超过能够洗衣做饭、替我们干家务的AI机器人。

劝各位粉丝一句，你一定要极大限度的延长你的寿命直到AI研发出返老还童的疗法。因为你每多活一年，AI 就多一年时间去突破衰老的极限，这就是为什么我ALL IN AI，长期持有这人类最伟大的事业。

很多人可能以为，AI制药最大的赢家，一定是那些利用AI研发出新药的公司。但美股投资网认为，真正值得关注的机会，可能恰恰藏在那些不直接研发新药的上游企业身上。

为什么这么说？

首先，你要明白，研发一款新药，简单来说有两个重要步骤。

第一步，在电脑里找到可能治病的方法；

第二步，在现实实验室里证明这个方法到底有没有用。

过去，科学家为了找到一种有效药物，可能需要花费很多年，不断设计、制造、测试各种分子，失败了再重新来。

但现在，AI改变了游戏规则。

AI可以在很短时间内设计出成百上千种候选方案，甚至可以帮助科学家预测蛋白质结构，寻找疾病潜在的突破口。

问题来了。

AI在电脑里设计出1000种可能治病的分子，不代表这1000种分子真的能够治病。

你还得把这些设计变成现实中的东西，再送进实验室测试。比如，能不能真的合成出来？能不能作用于目标细胞？有没有毒性？能不能在人体内稳定发挥作用？这些最终都需要现实中的实验来证明。

而且，实验不是做一次就结束了。科学家还需要把实验结果重新交给AI，让AI分析为什么失败、下一次应该怎么改，然后再设计、再制造、再测试。

所以现在出现了一个非常有意思的现象：AI设计新药越来越快，但现实实验室却开始跟不上了。

打个比方，以前一家餐厅每天只能收到100张订单，厨房完全忙得过来。现在AI突然让订单暴增到每天1万张，但厨房的炉灶、厨师和设备没有同步增加。

那么，真正的瓶颈在哪里？显然不是接订单，而是后面的厨房根本做不过来。

AI制药现在就有点像这个情况。AI就是那个疯狂增加订单的系统，而实验室就是后面的厨房。

这就带出了一个非常重要的投资逻辑。

AI制药最先受益的公司，未必是研发出下一款抗癌神药的生物科技公司，而可能是帮助这些公司做实验、提供材料和设备的上游供应商。

比如，有些公司专门帮助科学家合成DNA，有些负责生产蛋白质，有些提供可以同时测试大量样本的仪器，还有些通过机器人和自动化设备，让实验室一天能够完成更多实验。

如果你投资一家研发抗癌药物的公司，即使它花了十年、投入几十亿美元，只要最后临床试验失败，股价就可能遭遇重创。

但是，提供DNA、实验设备、检测试剂和实验服务的公司，不一定需要押中哪一款新药最终成功。只要越来越多的药企开始使用AI，设计出更多候选药物，需要做的实验越来越多，就可能带动这些上游公司的订单增长。

当然，订单增长最终能否转化为利润，还取决于竞争、定价和产能利用率。所以我们真正需要关注的，不只是下一款神药会由谁研发出来，还包括谁正在为越来越多的新药实验提供必不可少的工具。

那么，哪些美股公司已经开始接到真实订单？哪些公司已经把AI需求反映到财报里？又有哪些公司，只是市场提前买入了未来预期

两个案例看懂AI制药的数据闭环

接下来，我们用两个近期案例，看它到底有没有开始变成真实的实验需求。

10月7日，由扎克伯格夫妇支持的非营利科研机构Biohub，宣布扩大Virtual Biology Initiative。

参与者包括美国能源部、美国国立卫生研究院，以及Google DeepMind、Meta和Isomorphic Labs。

整个计划涉及的资金、现有数据、算力和测量技术资源，合计达到18亿美元。

这里要注意，这18亿美元不是某家公司马上拿到的现金订单，而是包括已有资源和未来投入，用来建设大规模生物数据基础设施。

简单来说，就是通过真实实验，观察细胞在不同条件下会发生什么变化，再把这些结果标准化，交给AI学习，让模型逐渐学会预测生物反应。

这件事释放出的信号很清楚：

AI生物学现在缺的，不只是更强的模型和更多算力，还缺大量高质量、可重复、能够被模型读取的真实实验数据。

而这种模式，在美股公司RXRX身上，已经有了具体体现。

今年8月，RXRX披露与罗氏旗下Genentech合作，双方共同发现并通过实验验证了一个新的神经科学治疗靶点，随后将其推进到早期小分子药物发现项目。

RXRX的工作方式，并不是让AI在电脑里凭空猜答案。研究人员先通过干细胞技术培养神经元，再进行基因扰动、自动化实验和细胞成像，收集大量真实数据，让AI从中寻找与疾病有关的规律。

根据公司披露，相关研究累计培养了超过1万亿个神经元细胞，并采集了超过3000万张细胞图像。

为什么需要做这么多实验？

因为AI发现一个可能的治疗方向之后，还要通过下一轮实验验证这个方向是否可靠。

整个过程可以概括成一句话：

AI提出假设，实验室负责验证，数据回到模型，模型再提出下一轮假设。

当然，发现并验证一个新靶点，距离一款药物最终上市还很远。RXRX这个案例证明的是，AI、自动化实验和真实生物数据，已经可以组合成一套持续运行的研发流程，并不代表某款药物已经成功，更不代表公司收入马上会爆发。

但它揭示了一个非常重要的变化：

在AI制药时代，实验室不只是验证药物的地方，也正在变成持续生产AI训练数据的地方。

像RXRX这样的平台，可以自建实验室。但即使是拥有自建实验室的公司，也需要采购DNA、蛋白质、检测试剂和自动化设备，或者直接购买专业实验服务。

这意味着，AI带来的实验需求，有一部分最终会转化成生命科学工具和服务公司的订单。

AI制药背后的四家“卖铲人”

接下来，我们就把镜头拉到四家美股公司，分别看谁在制造实验材料，谁在完成检测，谁在推动实验室自动化，谁又在生产AI最需要的细胞数据。临床前、临床试验和医药数据服务也属于这条产业链，但今天我们先聚焦药物发现阶段。

第一家TWST

我们美股投资网把TWST放在第一位，是因为在这四家公司里，它目前最接近“AI设计增加，订单直接增加”这条逻辑。

TWST是一家DNA合成和蛋白质研发服务公司，主要帮助药企和科研机构，把电脑里的生物设计，变成可以拿到实验室里测试的真实材料。

举个例子，AI设计出一种新的蛋白质，科学家不能只看电脑模拟结果，还要先合成对应的DNA，再通过实验生产出真实蛋白质，最后测试它到底有没有用。

而TWST最擅长的，就是利用硅芯片和自动化技术，大规模合成不同的DNA序列，并提供蛋白质、抗体等相关研发服务。

今年，Anthropic在蛋白质设计项目中使用Claude生成候选方案，并与包括TWST在内的实验机构合作，对这些AI设计进行真实实验验证。

这说明TWST已经进入了“AI设计、材料制造、实验验证”的实际流程，而不是只停留在市场概念上。

它的商业模式也比较直接。

客户设计一批、测试一批。如果实验结果不理想，就要修改设计，再采购下一批DNA和蛋白质材料。

所以TWST不需要等到某款新药最终上市，才能获得收入。只要客户不断设计、不断实验，它就有机会持续获得订单。

财报也出现了比较清晰的增长信号。

2026财年第三季度，TWST的DNA合成与蛋白质解决方案业务收入达到5660万美元，同比增长39%；合成基因交付量约36.9万条，同比增长56%。

公司还披露，2025财年AI药物发现相关订单已经超过2500万美元，并预计这部分订单在2026财年有望实现三位数百分比增长，2027财年继续保持较快增速。

但这里要分清楚：三位数增长说的是AI相关订单预期，不是公司整体营收增长了三位数；DNA合成业务的增长，也不代表全部来自AI。

不过，相比那些只是在讲未来市场空间的公司，TWST至少已经拿出了比较直接的商业化证据。

竞争反面，Danaher旗下的IDT，同样拥有成熟的DNA合成技术和客户资源。

所以TWST未来能不能继续拿到订单，关键要看三件事：合成成本能不能继续下降，交付速度能不能继续提高，以及它能不能把蛋白质解决方案和实验服务做得更完整。

第二家RVTY

如果说TWST负责把AI设计变成真实材料，那么RVTY负责的，就是帮助科学家测出实验结果。

RVTY是一家美国生命科学工具公司，主要销售实验仪器、检测试剂、自动化设备和科研软件。

比如AI设计出上万个候选分子，研究人员需要测试它们能不能结合目标蛋白，会不会影响细胞，以及有没有潜在风险。

这些实验都需要专业的检测设备和试剂，而RVTY的产品就覆盖了其中相当一部分环节。

它的商业模式还有一个特点：不只是卖一次设备。

客户买完仪器以后，后面每开展一轮实验，都可能继续采购试剂、耗材和软件服务。如果AI真的带来更多实验量，RVTY理论上可以同时受益于设备销售和后续耗材收入。

但目前，这种机会还没有明显反映在财报里。

2026年第二季度，RVTY生命科学业务收入约3.59亿美元，同比下降2%；不过，这块业务的调整后营业利润率仍然在31%左右。

这说明RVTY的业务基础比较成熟，也有盈利能力，但现在还不能证明AI已经推动它明显加速增长。

所以我关注RVTY，不是因为它已经出现了最强的AI订单信号，而是因为它拥有成熟的客户、产品和盈利基础。

未来真正的催化剂，是AI带来的新增实验量，能不能在财报中体现为更多仪器需求、更高试剂消耗和持续收入增长。

不过，检测效率提高以后，实验室还会遇到另一个问题。大量样本准备、细胞培养、液体转移和仪器操作，仍然需要研究人员手动完成。如果实验数量持续增加，人力就可能成为新的瓶颈。

于是，第三家公司就有了机会。

第三家DNA

DNA是一家美国生物技术公司，现在正把业务重点转向自主实验室，也就是利用机器人和软件，让大量生物实验自动运行。

与前面的RVTY不同，DNA更想把样本准备、细胞培养、检测和数据记录整合起来，通过建设自动化实验平台、提供相关服务来赚钱。

目前，公司已经参与麻省理工、加州理工等研究机构的自动化实验室项目。

这说明它并不是完全没有客户，但拿到项目，不代表商业模式已经跑通。

从财报来看，DNA目前的问题也最明显。

2026年第二季度，公司营收约2000万美元，同比下降48%；持续经营业务净亏损约5700万美元。

虽然收入下滑部分来自原有业务的重组和收缩，但至少说明，新战略目前还没有形成足够大的收入规模。

竞争压力也在增加。

10月7日，Danaher宣布计划在2027年初让自己的AI自主实验室实现规模化运行，重点用于抗体等科研材料的设计、制造和验证。

Danaher本身已经拥有实验仪器、DNA合成、自动化设备和软件业务，可以把这些技术整合到同一个平台里。

虽然两家公司的具体业务并不完全一样，但Danaher拥有更大的客户基础、资金实力和产品整合能力，这会对DNA形成明显压力。

所以我关注DNA，是因为它押注了实验室自动化这个长期方向,但它也是四家公司里商业化风险最高的一家。

DNA真正需要证明的，不是能不能做出一个自动化实验室，而是这些项目能不能复制，能不能持续收费，最后能不能形成稳定的现金流。

第四家，TXG

TXG是一家美国生命科学技术公司，主要销售单细胞和空间生物学分析设备，以及配套试剂和软件。

这个技术听起来比较复杂，但可以用一个例子来理解。

假设科学家正在研究一种抗癌药。普通检测可能只能看到整个肿瘤组织发生了什么变化。

但同一个肿瘤里面，有癌细胞、免疫细胞，还有其他不同类型的细胞。它们对药物的反应可能完全不同。

TXG的单细胞技术，可以帮助科学家分别分析这些细胞的基因活动,空间生物学技术，还能进一步了解这些细胞在组织中的具体位置。

这些数据既可以帮助科学家寻找新的治疗靶点，也可能成为训练AI细胞模型的重要基础。

当然，READ环节并不只有单细胞和空间组学，还包括基因测序、临床数据和医学影像。

今天选择TXG，是因为它最直接连接到细胞层面的AI生物数据。而且，TXG已经参与了实际项目。

美国科研机构Arc Institute正在推进Virtual Cell Atlas，也就是虚拟细胞图谱项目，希望利用大规模细胞数据，训练能够预测细胞反应的AI模型。

TXG就是相关技术合作伙伴之一。

这也是我关注TXG的原因：它提供的数据生成技术，已经进入大型AI生物学研究项目，而不是停留在市场概念上。

2026年第二季度，TXG营收约1.51亿美元。剔除今年和去年同期的一次性专利和解收入后，可比营收同比增长约3%。

不过，公司的空间组学耗材收入增长了16%。这个数字值得注意，因为TXG不仅卖仪器。客户安装设备以后，每完成一轮实验，还需要购买配套试剂和耗材。

所以，如果未来AI生物数据项目带动更多仪器安装，同时提高设备使用频率，TXG就有机会获得持续性的耗材收入。

四家公司怎么比较？

讲完这四家公司，大家应该可以看到，它们虽然都可能受益于AI新药，但商业化进度并不一样。

TWST负责把AI设计变成DNA和蛋白质，目前AI订单增长信号最直接，但市场给它的增长预期也最高。

RVTY负责实验检测，业务成熟、盈利基础较好，但AI带来的增量还没有明显反映在财报里。

DNA押注实验室自动化，想象空间最大，但收入下滑、现金消耗和竞争压力也最明显。

TXG掌握单细胞和空间生物学数据，长期逻辑不错，但目前整体收入增长仍然比较温和。

所以，产业链逻辑成立，不代表四家公司现在都适合买。

真正需要比较的是：订单能不能变成收入，收入能不能变成利润，利润能不能变成现金流，以及当前股价已经提前反映了多少未来增长。

本文来自微信公众号“美股投资网”（ID：tradesmax），作者：StockWe.com，36氪经授权发布。