AI企业Anthropic创始人Dario Amodei的父亲在2006年因丙肝离世，当时该病的康复概率仅为50%上下，但父亲去世三年后，新疗法取得突破，治愈率跃升至约95%。
若医学进步能提早数年，他的父亲很可能不会离世。这一经历深刻改变了Dario的人生轨迹，促使他从物理领域转向生物研究，最终迈入人工智能领域。
因此，AI加速药物研发争夺的不仅是时间，更是那些本可被挽救的生命。
本期内容或许是我有生以来最为钟爱、最令人振奋的话题。
为何？因为AI在突破编程、数学等范畴后，如今正对最伟大也最艰巨的人类挑战之一发起攻势：借助AI加快药物研发进程，探索逆转衰老，甚至突破生命的极限。
在美股投资网创始人Ken看来，这件事的意义远超自动驾驶汽车，也远超能洗衣做饭、替代家务的AI机器人。
建议各位读者，务必最大限度延长寿命，直至AI研发出抗衰老疗法。因为你每多活一年，AI就多一年时间攻克衰老的极限——正因如此，我倾注全部资源于AI，长期持有这项最伟大的人类事业。
许多人可能以为，AI制药的最大赢家是那些借助AI开发新药的企业。但美股投资网认为，真正值得聚焦的机遇，恰恰可能隐藏在那些不直接研发新药的上游公司身上。
为何如此判断？
首先，你要了解，研发一款新药大致包含两个关键步骤。
第一步，在计算机中寻找可能的治疗方案；
第二步，在现实实验室中验证该方案是否有效。
过去，科学家为找到有效药物，可能需要耗费多年，不断设计、制造、测试各类分子，失败后重新再来。
但如今，AI改变了游戏规则。
AI能在极短时间内设计出成百上千种候选方案，甚至帮助科学家预测蛋白质结构，寻找疾病的潜在突破口。
问题接踵而至。
AI在电脑中设计出1000种可能治病的分子，并不代表这些分子确实能治病。
你还需要将这些设计转化为现实物质，再送入实验室测试。例如，能否真正合成出来？能否作用于目标细胞？是否具有毒性？能否在人体内稳定发挥作用？这些最终都需要通过现实实验来验证。
而且，实验并非一次就能结束。科学家还需将实验结果反馈给AI，让AI分析失败原因、下一步如何改进，再设计、制造、测试。
因此，现在出现了一个非常有趣的现象：AI设计新药的速度越来越快，但现实实验室却开始跟不上节奏。
打个比方，以前一家餐厅每天只收到100张订单，厨房完全能应付。如今AI让订单暴增至每天1万张，但厨房的炉灶、厨师和设备并未同步增加。
那么，真正的瓶颈在哪里？显然不是接订单，而是后方的厨房根本应付不来。
AI制药当前的情况与此类似。AI是那个疯狂增加订单的系统，实验室则是后方的厨房。
这引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企业，而可能是帮助这些公司做实验、提供材料与设备的上游供应商。
例如，有些公司专门协助科学家合成DNA，有些负责生产蛋白质，有些提供能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，让实验室一天内完成更多实验。
如果你投资一家研发抗癌药物的公司，即便它耗时十年、投入数十亿美元，只要最终临床试验失败，股价就可能遭受重创。
但提供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。因此，我们真正需要关注的，不只是下一款神药由谁研发，还包括谁正在为越来越多的新药实验提供不可或缺的工具。
那么，哪些美股公司已开始接到真实订单？哪些公司已将AI需求反映在财报中？又有哪些公司，只是市场提前买入了未来预期？
接下来，我们用两个近期案例，看它是否已开始转化为真实的实验需求。
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18亿美元并非某家公司立即获得的现金订单，而是包括已有资源和未来投入，用于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的变化，再将这些结果标准化，交给AI学习，让模型逐渐学会预测生物反应。
这件事释放的信号非常明确：
AI生物学当前缺少的，不只是更强的模型和更多算力，还缺少大量高质量、可重复、能被模型读取的真实实验数据。
而这种模式，在美股公司RXRX身上已有具体体现。
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，并非让AI在电脑中凭空猜测答案。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从中寻找与疾病相关的规律。
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。
为何需要做这么多实验？
因为AI发现一个可能的治疗方向后，还需通过下一轮实验验证该方向是否可靠。
整个过程可概括为一句话：
AI提出假设，实验室负责验证，数据返回模型，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，已能组合成一套持续运行的研发流程，并不代表某款药物已成功，更不代表公司收入会立即爆发。
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为生命科学工具和服务公司的订单。
接下来，我们将镜头聚焦四家美股公司，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。
我们美股投资网将TWST放在第一位，是因为在这四家公司中，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，将电脑中的生物设计，转化为可在实验室测试的真实材料。
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，还需先合成对应的DNA，再通过实验生产出真实蛋白质，最后测试其是否有效。
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已进入“AI设计、材料制造、实验验证”的实际流程，而非停留在市场概念上。
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。
因此，TWST无需等到某款新药最终上市，就能获得收入。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。
但这里要区分清楚：三位数增长说的是AI相关订单预期，并非公司整体营收增长三位数；DNA合成业务的增长，也不代表全部来自AI。
不过，相比那些只讲未来市场空间的公司，TWST至少已拿出比较直接的商业化证据。
竞争方面，Danaher旗下的IDT同样拥有成熟的DNA合成技术和客户资源。
因此，TWST未来能否继续拿到订单，关键在于三件事：合成成本能否继续下降，交付速度能否继续提高，以及它能否将蛋白质解决方案和实验服务做得更完整。
如果说TWST负责将AI设计转化为真实材料，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。
例如，AI设计出上万个候选分子，研究人员需要测试它们能否结合目标蛋白，是否影响细胞，以及有无潜在风险。
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。
客户购买仪器后，后续每开展一轮实验，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理论上可同时受益于设备销售和后续耗材收入。
但目前，这种机会尚未明显反映在财报中。
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已推动其明显加速增长。
因此，我关注RVTY，并非因为它已出现最强的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，能否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，仍需研究人员手动完成。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。
DNA是一家美国生物技术公司，目前正将业务重点转向自主实验室，即利用机器人和软件，让大量生物实验自动运行。
与前面的RVTY不同，DNA更想将样本准备、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。
这说明它并非完全没有客户，但拿到项目，不代表商业模式已跑通。
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，新战略目前尚未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本身已拥有实验仪器、DNA合成、自动化设备和软件业务，可将这些技术整合到同一平台中。
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，这将对DNA形成明显压力。
因此，我关注DNA，是因为它押注了实验室自动化这个长期方向，但它也是四家公司中商业化风险最高的一家。
DNA真正需要证明的，不是能否做出一个自动化实验室，而是这些项目能否复制，能否持续收费，最终能否形成稳定的现金流。
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。
这项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。
但同一个肿瘤中，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已参与实际项目。
美国科研机构Arc Institute正在推进Virtual Cell Atlas，即虚拟细胞图谱项目，希望利用大规模细胞数据，训练能预测细胞反应的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，已进入大型AI生物学研究项目，而非停留在市场概念上。
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。客户安装设备后，每完成一轮实验，还需购买配套试剂和耗材。
因此，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。
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，但商业化进度并不相同。
TWST负责将AI设计转化为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带来的增量尚未明显反映在财报中。
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。
因此，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：订单能否变成收入，收入能否变成利润，利润能否变成现金流，以及当前股价已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。
