医药行业产业研究周报 深度拆解：AI4S 的胜负手转向验证闭环

医药研发的竞争正在换赛道：过去一年市场关心的是谁的大模型更聪明，这份周报给出的信号是，真正的分水岭已经变成了谁能更快把计算假设转成可重复的实验与临床证据。

一、这份报告在讲什么

这是国金证券发布于 2026 年 10 月 1 日的《医药行业产业研究周报》，由赵海春、甘坛焕两位分析师撰写，覆盖时间为 2026 年 9 月 18 日至 25 日。它不是一份针对某家公司的深度报告，而是从生态前沿、行业脉动、产业链数据三个层面，扫描一周内全球医药产业的关键变化。

报告的核心判断可以浓缩为一句话：AI4S（AI for Science）正在由模型能力竞争，进入生物学发现与验证闭环的竞争。支撑这一判断的有三条线索。其一是模型开始直接介入新的生物学发现——Anthropic 的 Claude 在 19 亿个蛋白簇中自主识别出此前未被标注的 ART（阵列相关逆转录酶）系统；其二是生命科学数据继续向更细颗粒度下沉——Nature 同期发表覆盖 1494 名个体、超过 630 万个细胞核的人脑单细胞图谱；其三是可探索空间扩大之后，实验与临床验证的权重上升——第一三共把 Turbine 的虚拟实验接入 ADC 研发闭环，FDA 则在监管层面为非动物试验方法打开了入口。

需要提醒的是，这份行业周报本身不含投资评级，也不含任何个股目标价。它提供的是一张产业地图，而不是买卖清单。

🔮 AI 分析洞察
报告把 Claude 的 ART 发现、FDA 的 NAMs 新规、Turbine 的 lab-in-the-loop 并置讨论，实际上揭示了一条被市场低估的传导链：AI 提高了候选假设的产生速度，但真正的瓶颈会向下游的验证环节转移。这意味着未来一段时间内，估值弹性可能不止出现在模型端，更可能出现在能提供高质量人体相关验证数据的环节——类器官、器官芯片、自动化实验平台、以及具备临床样本积累的 IVD 与 MRD 检测公司。市场目前仍按"AI 制药"给模型公司估值，但产业链的议价权可能正在悄悄向验证端迁移。

二、关键数据与核心发现

1. Claude 用 21.5 小时完成了人类难以逐条完成的工作。 本次运行共完成 119 个任务、949 个 agent 会话，消耗 2.156 亿 token，历时 21.5 小时，全程无人干预。检索规模为 19 亿个蛋白簇中的约 20 万个逆转录酶簇，抽样约 1.1 万个 RT 基因座，并对 3564 个邻近蛋白家族进行评分。

这个数据的意义不在于"AI 很快"，而在于它触达了人类注意力的边界。研究者设定目标，但无法逐条比对数十万条序列，机器补上的正是这一段。

2. 重复运行的复现失败，反而暴露了技术边界。 论文显示，同一搜索流程后续重复运行 10 次，几乎每次普查都再次采样到 ART 基因座，但由于模型没有真正读取其上游 DNA，均未再次发现该阵列。在固定输入测试中，直接把 ART 基因座 DNA 提供给模型，Mythos 5 最高识别率达到 96%。

这组对照数据值得反复咀嚼：发现能力对输入质量与读取深度高度敏感，而非稳定可复现的"模型天赋"。它同时说明，AI 发现的可靠性目前仍依赖人类的流程设计。

3. Basecamp 用"非常规数据"构建护城河。 Basecamp Research 完成 1.4 亿美元 C 轮融资，由 S32 领投。其专有数据库 BaseData 已包含超过 1000 亿个此前未知基因、超过 100 万个公共数据库未覆盖的新物种，采样网络覆盖 30 多个国家、200 多个合作地点。报告特别指出，SRA 数据库中 68% 的序列数据仅来自 5 个物种。

🔮 AI 分析洞察
公共数据库的物种集中度（68% 来自 5 个物种）是一个被行业长期忽视的结构性缺陷。它意味着主流生物基础模型的"先验"其实来自极窄的进化分支。Basecamp 真正的壁垒未必是模型架构，而是数据采集的物理网络——这是资本无法在一个融资周期内复制的能力。由此推演，生物基础模型领域可能重演"数据源即护城河"的格局，而非"参数量即护城河"。这给国内 AI 制药公司的启示是：与其在通用模型上追赶，不如在细分物种、细分器官、细分病人队列的数据获取上建立专有优势。

4. AI 设计的酶部件跑出了接近天然体系 3 倍的产能。 2026 年 9 月 22 日 Nature Communications 发表的研究中，团队用 ESM3、ProteinMPNN、EvoDiff 三类生成式模型设计 76 个自然界不存在的 T 结构域，构建并测试 578 个 NRPS 变体，最佳设计使产物产量达到天然 T 结构域体系的近 3 倍，同时具备更高可溶性表达、更好复性能力以及高 12°C 的熔解温度。

5. Ionis 两项 3 期同日撞线，验证平台的跨疾病可复制性。 Ulefnersen 在 FUS-ALS 的 FUSION 研究中达到主要终点，p=0.0005；与 Roche 合作的 sefaxersen 在 IgA 肾病 IMAgINATION 研究预设中期分析中达到主要终点。前者是全球约 5.5 万名 ALS 患者中 FUS 突变亚型的首个病因靶向疗法——在青少年与儿童 ALS 中，FUS 突变占比约 43%–52%。

三、重点案例拆解

Anthropic：把"AI 做科研"从口号推进到有边界的结果

Anthropic 的路径值得单独拆开看。2025 年 10 月推出 Claude for Life Sciences，2026 年 6 月推出整合数据库、代码环境与计算资源的 Claude Science，随后组建专门生命科学研究团队并自建分子生物学实验室。它的战略意图非常清晰：不满足于做科研效率工具，而是要做发现主体。

但报告在这一点上保持了克制——明确指出当前能够确认的是 Claude 发现了一个此前未被认识的"重复阵列—逆转录酶—专用伴生蛋白"系统，而不是已经发现一种新的基因编辑工具。ART 阵列与 CRISPR 在结构上相似，均由重复序列与可变间隔序列交替组成，但 ART 的间隔序列明显更长，附近也不存在 cas 基因。逆转录酶是否具有活性、这些 RNA 是否作为其底物、整个系统的生物学功能，目前均未确定。

我的判断是，这个"尚未确定"恰恰是本轮周期的真实起点。发现一个系统与证明一个工具的临床价值之间，通常隔着数年时间与数次失败。市场若把 ART 直接对标 CRISPR 的商业化路径，节奏上会过于乐观；但若因此低估 Anthropic 自建实验室的战略含义，则会错过更重要的信号：AI 公司正在为自己配备湿实验能力，这等于把"验证权"握在自己手里。

Basecamp Research：绕开红海，从数据源头切入细胞治疗

与多数 AI 制药公司从靶点发现或分子设计切入不同，Basecamp 选择从自然界重新采集生物数据起步。两位联合创始人 Glen Gowers 与 Oliver Vince 均来自英国科研体系，早期曾携 Oxford Nanopore MinION 进入冰岛冰盖，在完全离网环境中现场完成宏基因组测序，由此形成了那个核心判断：限制生物基础模型能力的，首先是训练数据的广度与进化多样性。

基于 BaseData 训练的 EDEN 系列模型参数规模最高达 280 亿，主要学习跨物种进化基因组数据而非人类临床数据。效果层面有两个可验证的结果：EDEN 设计的 33 个抗菌肽中有 32 个在实验中显示活性，其中一个候选物未经进一步优化即在小鼠模型中达到与末线抗生素相当的效果；在基因插入方面，模型通过学习自然界大量蛋白—DNA 相互作用设计重组酶，可将较大 DNA 载荷插入指定基因组位点。2026 年 3 月，公司启动 Trillion Gene Atlas，计划将数据规模扩大约 100 倍，采集超过 1 亿个物种的基因组数据。

这里的关键不是融资额，而是纵向一体化：从自然环境原始采样，到专有基因组数据库，再到生物基础模型，最后到治疗性 DNA 设计管线。落地的首个重点方向是 in vivo cell therapy——绕开传统细胞治疗复杂的体外制造流程，但要面对体内精准递送、特定细胞靶向、持久且安全的基因写入这些高难度环节。

🔮 AI 分析洞察
Basecamp 的数据策略与 Anthropic 的模型策略构成了两种截然不同的 AI4S 路径：前者相信"数据的进化多样性决定模型上限"，后者相信"智能体流程与推理能力决定发现上限"。这两种信念在未来两三年内很难被证伪，因为它们各自都有成功案例。但从产业组织的角度看，两者正在收敛到同一个终点——自建湿实验能力。Anthropic 建了实验室，Basecamp 把管线推进临床，本质都是不希望自己的假设交由第三方验证。这提示我们：AI4S 领域未来可能会出现"重资产化"趋势，纯软件公司的估值逻辑将面临重新审视。

第一三共 × Turbine：把 ADC 研发的搜索空间交给计算

2026 年 9 月 24 日，第一三共与虚拟生物学公司 Turbine 宣布扩大 ADC 研发合作。在可行性项目完成后，Turbine 的 vLab 平台已应用于第一三共自有 ADC 项目。Turbine 称其已部署项目可将决策周期由 12–18 个月缩短至约 2 个月，并减少超过 50% 的湿实验。

vLab 的工作流是：以自有、授权及公开数据构建 Virtual Cell，叠加合作伙伴数据与 simulation-guided data generation；在 Virtual Cell 上运行 Virtual Assays，模拟不同干预下的细胞反应；验证结果反馈至计算流程，形成 lab-in-the-loop 闭环。Turbine 将其定义为 compounding learning effect——每一轮实验产生的新数据都会强化后续预测所依赖的知识基础。

ADC 领域选择最佳有效载荷、组合、适应症与生物标志物策略本就是巨大挑战，新型有效载荷类别进一步提高了复杂度，而传统实验方法只能处理该搜索空间的一小部分。这才是虚拟实验真正的价值所在：它不是替代实验，而是筛选出值得做实验的少数候选。 40%–50% 量级的湿实验削减，在 ADC 这类高成本、长周期领域具备直接的财务意义。

Natera 与 GRAIL：数据入口的价值被重新定价

行业脉动层面，2026 年 9 月 18 日至 25 日，A 股 486 只医药医疗股涨幅 Top20 中，生命科学工具与湿实验相关标的维持强势，同时 IVD 板块明显扩散，诺唯赞、贝瑞基因、透景生命、浩欧博等进入涨幅前列。美股方面，MRD 检测公司 Natera 与肿瘤早筛公司 GRAIL 分别上涨 11.7% 与 57%。

Natera 的推进是三条线同时展开的。临床证据上，9 月 18 日公布肺癌领域迄今规模最大的 Signatera MRD 数据集，纳入 1129 例 I–Ⅲ期可切除非小细胞肺癌患者，随访期 MRD 阳性患者复发或死亡风险约为阴性患者的 5 倍；产品能力上，Signatera 靶向 16 个或更多患者特异性突变，可检测低至 0.01% 的变异等位基因频率；监管落地上，9 月 22 日获日本 PMDA 批准作为肌层浸润性膀胱癌辅助 Tecentriq 治疗的伴随诊断，是日本首个获 PMDA 批准、用于 MRD 指导治疗的伴随诊断，也是三个月内第二项 PMDA 批准。经营数据上，2026 年第二季度临床 MRD 检测量环比增加 3.4 万例，为历史最大单季增量；季度收入 7.53 亿美元，同比增长 37.7%，并将全年收入指引中值上调 1 亿美元。

GRAIL 方面，9 月 23 日 FDA 医疗器械咨询委员会就其 Galleri 的 PMA 申请投票，安全性 10:0、有效性 6:4、获益风险 7:2 并有 1 票弃权，目前仍需等待 FDA 最终批准。

🔮 AI 分析洞察
MRD 与多癌种早筛看似是两条独立的投资线索，但放在 AI4S 框架下它们是同一种资产：纵向的、标准化的、经临床验证的疾病数据流。当 AI 模型越来越依赖连续数据来提升预测能力时，谁掌握了从诊断到复发监测的纵向数据入口，谁就掌握了模型迭代的燃料。这也解释了为什么 A 股资金本周从实验材料、测序设备进一步延伸至 IVD 与分子检测——市场开始为"数据入口"而非"数据生产能力"付费。需要警惕的是，这类资产的价值兑现高度依赖支付方与临床指南的接纳速度，节奏上可能慢于资本市场预期。

四、趋势与预判

趋势一：AI 的角色由"预测既有规律"转向"发现新规律"。

报告指出，Claude 从已知逆转录酶附近识别出此前未被认识的重复阵列关系并提出 ART 新型酶系统，EDEN 以原生态生物数据切入 in vivo 细胞治疗，ESM3 等模型则开始反向设计天然体系中不存在的蛋白和生物合成路径。

独立分析： 这一转变的关键不在模型能力的跃升，而在任务定义的跃升——从"给定答案空间选最优"变成"定义什么是可能的答案".前者的评价标准是准确率，后者的评价标准是新颖性与可验证性，后者更难量化，也更难被基准测试覆盖。这意味着未来 AI4S 的竞争壁垒将更难通过公开 benchmark 判断，投资判断需要更多依赖湿实验产出的真实数据，行业的信息不对称程度可能上升而非下降。

趋势二：生命科学数据持续向更细颗粒度下沉。

630 万脑细胞图谱将脑病研究推进至单细胞尺度。PsychAD 队列纳入 1494 名供体，样本来自 MSSM、HBCC、RADC 三个组织库，第一篇论文识别出 8 大细胞类型、27 个亚类和 65 个功能亚型；第二篇对 334689 个基因—细胞亚类组合拟合年龄变化模型，从 135120 个具有显著年龄相关变化的组合中识别出 10 类典型生命周期转录轨迹。个性化 ctDNA MRD 则进一步下沉至患者特异性分子信号。报告认为，数据入口正在从组织和疾病标签转向细胞与个体分子层级。

独立分析： 分辨率提升带来的不只是更精确，还有统计功效的重新分配。过去基于整块组织平均信号的阴性结果，在单细胞分辨率下可能被证明是细胞类型混合导致的稀释效应。这意味着大量历史阴性研究需要重新审视，也意味着过去被判定"无靶点"的疾病可能重新进入研发视野。对产业而言，这既扩大了机会池，也提高了数据基础设施的进入门槛。

趋势三：可探索空间扩大后，实验与临床验证的重要性上升。

FDA 于 2026 年 9 月 21 日发布 direct final rule，更新人用药品和生物制品法规中的非临床测试表述，明确在适当情况下可采用非动物方法支持药物进入人体试验前的安全性评价，列举方法包括人体细胞、器官芯片、计算模型等。报告强调，此次调整不要求采用特定方法，也不改变 FDA 现有证据标准，而是在监管文本层面为新方法学（NAMs）进入药物开发流程提供空间。叠加上此前启动的 IND 滚动审评，美国正在同时压缩非临床验证、IND 准备、首次人体试验等多个环节的时间与流程成本。

独立分析： 监管文本的措辞变化往往领先于产业实践一到两年。这次调整最直接的受益者可能不是药物开发者，而是提供人体相关实验系统的工具与平台公司——因为监管一旦明确了接受路径，药企就需要采购可被监管采信的数据。真正值得跟踪的指标是：FDA 是否会在具体审评案例中引用 NAMs 数据、以及是否形成可参考的先例。在出现首个完整以非动物方法支持 IND 获批的案例之前，这一趋势仍应被视作期权而非确定性。

五、总结 — 核心判断

判断 1： AI4S 的分水岭已经从"模型能提出多少候选"转向"谁能更快把计算假设转化为可重复的实验结果和临床证据"，验证能力将成为下一阶段估值差异的主要来源。

判断 2： AI 发现能力的可靠性目前仍高度依赖输入质量与流程设计——10 次重复运行中因未读取上游 DNA 而全部漏检，说明现阶段 AI 是放大器而非替代者，人类的任务定义能力仍然关键。

判断 3： 数据层的竞争正在从"规模"转向"多样性"与"颗粒度"，公共数据库的物种集中问题（68% 来自 5 个物种）与单细胞、患者个体化信号的兴起，共同指向专有数据源的长期价值。

判断 4： 监管与产业链正在同步为验证环节让路——FDA 的 NAMs 新规、Turbine 减少超过 50% 湿实验的闭环、类器官与器官芯片的监管入口，共同构成了一个以"验证效率"为核心的新基础设施层，值得持续跟踪而非短期博弈。

---

免责声明： 本文基于公开研究报告进行分析解读，不构成任何投资建议。市场有风险，投资需谨慎。文中观点仅代表个人分析，不代表任何机构立场。数据引用力求准确，但不保证完整性，请以原始报告为准。

---

📄 研报来源

• 研报名称： 《医药行业产业研究周报：Claude发现酶系统，FDA新规推进动物试验替代方案》
• 作者： 赵海春、甘坛焕
• 发布单位： 国金证券股份有限公司
• 发布日期： 2026-10-01

---