金斯瑞牵手礼来TuneLab：为AI药物发现平台提供湿实验服务，把预测转成生物学验证数据

干实验跑得太快，湿实验跟不上了：礼来TuneLab为什么需要一家中国试剂公司

影响分析 · 医院信息化与临床医生 ｜ 行业观察

2026年9月16日，金斯瑞生物科技股份有限公司宣布与礼来公司（Eli Lilly and Company）的AI/机器学习药物发现协作平台Lilly TuneLab达成合作。根据协议，金斯瑞将向TuneLab的参与企业提供湿实验服务，助力其快速生成实验数据，把AI预测转化为生物学验证数据，加速候选药物评估。一句话概括：AI负责猜，湿实验负责证明，而证明的产能正在成为瓶颈。

一句话看懂：AI负责猜，湿实验负责证明

AI制药（AI-Driven Drug Discovery, AIDD）里有两个世界。干实验一侧是模型、算力与数据，负责提出假说、生成分子、排序优先级，算力可以横向扩展，产出随投入近似线性增长。湿实验一侧是移液枪、培养箱与动物房，负责把预测变成可测量的生物学事实，产能受制于设备、人员与实验周期，很难靠加钱快速翻倍。

过去五年，绝大多数资源与掌声都给了干实验。模型迭代速度越来越快，单次设计输出的候选分子数量从几十个涨到成千上万个。但当这些分子需要被真实合成、表达、纯化并测出活性时，队列就开始堵了。

这次合作的意义在于，产业资本第一次明确为湿实验这一段单独付费、单独签协议。它不是一次药物授权，也不是一次模型采购，而是一次产能采购。

合作拆解：金斯瑞在TuneLab生态里的位置

Lilly TuneLab是礼来搭建的AI/机器学习药物发现协作平台，其逻辑是把礼来积累的研发数据与模型能力开放给生态内的生物技术公司使用，参与者借此获得原本只有大药企才负担得起的发现工具。

金斯瑞进入的位置，是这个生态的下游。它不提供模型，也不分候选分子的权益，而是提供湿实验服务：把参与企业用AI算出来的候选序列与分子，变成表达、筛选、药效、药代、毒性等一系列可判读的实验数据。

这个定位有几层含义。第一，金斯瑞把自身的身份从试剂与基因合成供应商，进一步推向实验服务商。第二，它的客户不再是单一药企，而是TuneLab生态里一批规模不大、自建实验室能力有限的生物技术公司。第三，它接入的是一个由跨国药企定义的流程标准，这意味着其数据交付格式与质量标准需要对齐全球研发体系。

为什么是现在：模型产出的候选分子已经堵在实验队列里

金斯瑞集团轮值首席执行官邵炜慧在宣布此次合作时表示，AI不断拓展分子设计的边界，而如何以更高效率、更大规模地完成实验验证，是推动这些创新走向研发实践的关键。这句话几乎可以作为这次合作的注脚。

时间点的选择也与产业周期吻合。据国家药品监督管理局数据，2026年上半年我国共批准38款创新药上市，其中国产创新药31款，占比超过80%；创新药对外技术授权交易额已超过1000亿美元。跨国合作同步升温，石药集团与阿斯利康达成17.7亿美元合作，英矽智能与武田制药敲定超6亿美元战略合作。

交易活跃意味着管线变多，管线变多意味着需要被验证的分子变多。中银证券对这条链路的描述是：AIDD通过模型大幅提高靶点发现、预测和分子结构设计等前端研发环节的效率，再通过湿实验完成候选序列的表达、筛选、药效、药代和毒性等指标验证，之后把湿实验所得数据反馈给模型，不断迭代优化，形成设计、构建、测试、学习的研发闭环。

闭环里最容易被忽视的，恰恰是构建与测试这两步。

产业链账：实验验证扩张会拉动哪些上游

按丁香园Insight数据库行业报告，全球AI制药市场规模从2021年的7.9亿美元增长至2025年的24.1亿美元，复合增长率约32%。市场扩张叠加干湿闭环的产能需求，会沿着产业链向上传导。

具体受益的环节可以这样拆：

• 基因合成：候选序列无论来自生成模型还是定向设计，最终都要落到可合成的DNA片段上，序列数量与合成订单量直接正相关
• 蛋白表达与纯化：大分子候选药物必须先被表达出来才能被测试，这是湿实验中最难压缩工期的环节之一
• 培养基：细胞与菌体的培养是表达与筛选的基础，用量随实验通量线性增长
• 检测试剂：活性、结合力、毒性等读数依赖试剂体系，检测项目越多、试剂消耗越大
• 实验耗材：孔板、移液耗材、层析柱等属于高通量实验的刚性消耗品
• 模式动物：进入体内验证阶段的候选分子，最终仍要依赖动物模型完成药效与安全性评价

这份清单的共同特征是：它们都是按次计费、随通量增长的耗材型需求，而不是一次性设备投资。因此实验验证需求扩张对上游的拉动更接近持续性收入，而非周期性订单。

冷静观察：服务型角色在中国AI制药版图里的天花板

湿实验之所以不可替代，是因为传统新药的成本结构就需要被它改变：一款新药从发现到上市平均耗时超过10年、平均开发成本超10亿美元，并受制于每九年翻倍的倒摩尔定律（Eroom 定律）；临床试验成功率低于15%，约50%的药物发现失败源于ADMET特性不佳。改善ADMET这类性质，只能靠实验数据喂养模型，没有捷径。

但需要冷静的是服务型角色的位置。实验服务是一门按项目计费的生意，收入随通量增长，却很难分享药物成功后的巨大收益。它不承担研发风险，也就不享受研发溢价。

对金斯瑞这样的公司而言，这次合作真正的价值可能不在服务费本身，而在于两点：一是接入跨国药企的生态位，锁定一批高成长的生物技术客户；二是持续积累高质量的实验数据资产，这才是干湿闭环里越用越值钱的东西。

判断是明确的：AI制药的竞争单元正从单一模型能力，转向数据、模型与实验能力的综合体系。湿实验从后台走向前台，是这一轮产业分工调整中最确定的一条线索。

原文链接：腾讯新闻

---

千方医数集编辑部 出品