同顺号-创作平台

诺和诺德与Anthropic合作，真正值得关注的，不是AI已经能独立发现下一款重磅药，而是大模型开始进入药企核心研发流程。

双方目前聚焦具体科学问题、生物学推理、研发软件开发和定向工作流，并强调数据治理与人工监督。官方没有披露合同金额，也没有宣布某款药物已经由Claude发现。因此，这次合作更准确的理解是：AI先帮助药企压缩研发中的重复劳动，而不是直接跳过实验和临床。

一款药物仍要经历靶点发现、候选分子设计、实验验证、临床前研究、Ⅰ至Ⅲ期临床、注册审批和商业化生产。AI可以加速文献检索、机制分析、结构设计、实验方案、数据处理和代码开发，但湿实验、毒理评价、临床试验和监管审批仍不能被替代。

所以AI制药近期最现实的商业化入口，不一定是“成功发现新药”，而是把原来需要数天、数周完成的科研任务压缩到数小时甚至更短。Anthropic此前披露的蛋白设计和分析化学实验，也主要证明AI能够承担部分高专业度、耗时且结果可验证的任务，而不是已经具备独立完成整条新药研发链的能力。

这意味着AI进入药企后，第一笔账可能不是新增药品销售额，而是研发效率提升：科学家少花多少时间查资料、写代码、分析实验数据，候选分子的筛选速度能否提高，失败项目能否更早被排除。

但未来很多药企都可以调用相似的大模型，真正的壁垒未必在模型本身，而在专有数据、研发工作流、实验验证和合规治理。临床数据、组学数据、失败实验和内部知识库决定AI懂不懂企业自己的科研；能否接入数据库、实验软件和审批流程，决定AI能不能真正“干活”；湿实验能力则负责验证AI提出的假设是否有效。

因此，AI制药更接近一个乘法公式：模型×数据×工作流×实验验证。缺少任何一项，都可能停留在演示阶段。

对应到A股，也不宜寻找所谓“Claude概念股”。成都先导、泓博医药等更偏AI辅助药物发现平台，关键看是否获得药企付费项目，以及项目能否推进；药明康德、康龙化成等研发服务企业，则要观察AI是否带来更多实验、临床前和后续开发订单；CDMO企业真正受益，还要等候选项目进入工艺开发和规模生产阶段。

产业传导并不是“药企接入AI，所有CXO立刻受益”，而是AI提高前端研发效率，产生更多可验证项目，项目继续进入实验和临床，最终才可能增加CRO、CDMO工作量。

以后判断AI制药是否真正商业化，可以看五个指标：有没有正式付费客户，研发任务缩短了多少，实验命中率是否提高，项目有没有进入临床前或临床，以及AI业务是否形成可披露收入。

AI制药的第一桶金，可能不是直接造出一款新药，而是先把药企整个研发流程压缩一遍。只有当效率提升最终转化为更多成功管线和真实收入，AI才真正从概念变成药企生产力。