斯坦福大学神经科学教授 Andrew Huberman 最近给出一个重磅判断：OpenAI、Anthropic 这些全球大模型巨头，最终都会转向生物技术。他所说的转型，主要指向神经科学与脑机接口，其中药物研发是当下最容易落地、商业空间最大、天花板也最高的赛道。把视线拉回国内，字节跳动、百度、腾讯、阿里四家头部互联网厂商，早就依托自家大模型低调进入生物医药，从提供工具服务起步，一步步摸到药物研发的核心环节。

从大方向看，这个判断有它的逻辑：大模型与生物技术的技术底座同构，大模型在 C 端付费的天花板有限，相比之下医药市场空间足够大。不过，时间上的预期和数据瓶颈这两点，仍存在争议。

01

这一预言并非只在海外流传，国内四大巨头已经悄然入场。

“不管 OpenAI 还是 Anthropic，都会变成生物科技公司。”这是 Andrew Huberman 在 2026年10月的公开播客里提出的论断。他在节目中说得很直接：“Meta、OpenAI、Anthropic，最终都会变成生物科技公司。这才是人工智能军备竞赛的真正本质。”

斯坦福生物医学数据科学教授 James Zou 团队的研究，同期拿出了技术层面的佐证。他们搭的多智能体虚拟实验室系统，能把靶点发现、分子设计到试验设计这一整条研发链路自主跑完；在纳米抗体设计任务里，AI 生成的候选分子经过实验验证，具备有效结合活性。

这番来自大洋彼岸的判断，落在国内并不算纸上谈兵。四家头部大模型厂商早就掏了真金白银，各自把路铺开。字节跳动将 AI 制药业务独立成公司，百度六年前动手孵化百图生科，腾讯在投了几十家 biotech 之后自己下场做分子设计，阿里走的是卖算力这条路。四条路看上去各不相同，指向却一致：从模型走向分子。

2026年6月，字节跳动把内部打磨了 5 年的 AI 制药业务整体剥离出来，成立独立公司 Anew Labs（中文名新生探途），核心团队、算法平台和已有的管线资产一并装入新主体。仅过三个月，这家公司就拿到 2.9 亿美元首轮融资，投后估值约 15 亿美元，红杉中国、IDG资本、高瓴共同参与，字节跳动则持有 56% 股份。

资料来源：Anew Labs

Anew Labs 接下的资产分三层。模型层，团队早前发布的分子结构预测模型 Protenix 已迭代到 v2 版本，另外还有面向药物研发决策的科学推理大模型 AnewMind。管线层，核心资产是一款全球首个全谱 IL-17 小分子抑制剂，能在小分子层面把 IL-17 家族的 AA、AF、FF 三个亚型全部阻断。组织层，国内总部设在上海杨浦，圣何塞与新加坡各有办公室，科学顾问委员会里包括信达生物原总裁刘勇军。

百图生科的起步更早，时间是 2020年8月，

资料来源：百图生科

这家公司的技术支柱是生命科学基础大模型 xTrimo V4，参数规模 2680 亿，想用 AI 去解码基因组、蛋白质、细胞这些生物系统的底层规律。产品 BioMap OS 已在超过 60 个 PoC 项目中得到验证，服务全球超 800 家机构用户，

它与赛诺菲的合作，首付款 1000 万美元，潜在总价值超 10 亿美元。市场公开消息显示，百图生科已启动港股上市筹备，若上市顺利，将成为李彦宏旗下第三个上市主体。

腾讯走的路和字节、百度都不一样。它没在内部孵化再拆分，而是靠投资跟行业头部玩家逐个绑定。晶泰科技、英矽智能、礼邦医药、维立志博、新景智源这些国内创新药赛道里最有声量的名字，几乎都在腾讯的投资组合里，覆盖范围从 AI 制药平台一直延伸到自免、肿瘤、代谢、细胞治疗。

不过腾讯不只是财务投资人。2026年，它亮出一份由 AI 设计的 GLP-1 短肽专利申请，说明其触角已经从投资端伸进自研药物分子设计的核心环节。从出钱到亲自参与，腾讯在 AI 制药上的布局正在起变化。

资料来源：腾讯生命科学实验室

阿里选的是另一条道，也最贴合它自己的家底。阿里云生命科学解决方案铺到基因测序、蛋白模拟、药物筛选这些场景，说白了就是给生物医药研发当算力供应商。它那套弹性高性能计算平台里，装了AI药物筛选模型、常规虚拟筛选系统，还有能并行跑的 AutoDock、Amber 这类生物物理计算工具，外加用于对接优化的自由能计算模块，靶点发现、化合物合成、临床前研究这几个环节的底层算力，都由它兜着。

不碰制药，不投药企，只卖算力。这步棋看着保守，实际上把产业链最上游的关口攥在了手里。

02

大模型公司为什么要一头扎进制药？

大模型最拿手的，是从海量数据里摸出复杂规律，在极高维空间里做生成和预测——这套本事跟生物学的底层逻辑对得惊人。蛋白质折叠，说到底是高维空间里的结构预测；分子生成，本质上是带多重约束的组合优化；靶点发现，则是多组学数据里的模式识别。

Anthropic 的 Claude 在蛋白质结构设计测试里，单次命中率做到 35.1%；而传统药物研发团队没有AI帮忙时，针对单个靶点的活动命中率一般就在 10% 到 15% 之间。也就是说，大模型公司不必从零学制药，现成的技术底座本来就适配生物领域的问题结构，迁移比重建便宜得多。

再一点，大模型公司在C端的商业天花板摆在那里，企业想长大，就得找第二增长曲线。

C端这门生意，远没有看上去那么美。a16z 依据美国电子收据样本的数据显示，截至 2026 年 8 月，为 ChatGPT、Gemini 或 Claude 掏钱买个人订阅的消费者只占 4.5%；付费人群内部还高度集中，前 1% 的用户撑起了约 19.5% 的消费级 AI 支出。更要紧的是，订阅制早期确实帮AI公司把模型成本收了回来，可它同时把普及的天花板压得很低。

医药赛道的天花板就完全是另一回事。全球处方药市场规模超过万亿美元，一款成功的创新药，年销售额能到数十亿甚至上百亿美元。前几年 AI 还只是药物研发的辅助工具，用在文献调研、分子筛选这类边缘环节；现在它已经扎进研发核心。放眼全球，已有数十款 AI 设计的候选药物进入临床阶段；国内这边，英矽智能的 AI 设计药物已在中国启动三期临床，字节、百图生科的管线也推到了临床前关键节点。

眼下生物医药研发已经踩进“算力密集型”的门槛。光是一个靶点筛候选分子，动辄要跑几十亿次模拟，能调动的算力大小，直接卡住研发的速度和天花板。大模型巨头手里攥着万卡乃至十万卡级的AI算力集群，把这套训练通用大模型的算力家底挪到药物研发上，等于拿工业级流水线去比手工作坊。

03

争议究竟落在哪，谁又会先感到压力？

这个判断方向上讲得通，可放到时间尺度和落地路径上看，得先画个问号。

讲得通的地方，是商业逻辑摆在那儿。C端付费率上不去、渗透率也有限，医药这边天花板够高、商业价值够大，大模型公司往生物技术里伸手，几乎是顺手的选择。更要紧的是，国内创新药行业眼下最头疼的正是研发效率太低。英矽智能披露的数据显示，其AI平台从立项走到候选分子确定，平均只花12至18个月，研发周期压掉50%至70%，研发成本从数千万美元掉到百万美元级，降幅80%至90%。这个痛点，AI恰好能直接接住。

讲不通的地方在时间预期。到2026年初，还没有一款AI设计的全新药物成功获批上市。AI制药的临床翻车案例已经冒头——BenevolentAI的BEN-2293在II期临床试验里没达到疗效终点，Recursion的REC-994在II期数据读出后也没能给出明确的药物疗效信号。AI能把早期发现提速，可临床阶段的成功率并没跟着明显往上走，进入临床开发的候选药物里，约90%仍然拿不到监管批准。

更深的争议卡在数据瓶颈上。大模型公司拿手的是通用能力，制药要的却是高度特异、经过湿实验验证的生物数据。有专家指出，Anthropic计划把年度经常性收入的3%至4%投进AI药物发现，其中60%至65%用于模型训练和虚拟仿真，35%至40%用于生物科技人才和湿实验室资产。这说明什么？即便在大模型公司内部，他们也明白：算力花钱能买，高质量的专属生物数据只能自己一点点攒。

争议归争议，只要大模型深度切入生物医药这股势头继续走下去，国内医药产业照样会挨一轮结构性冲击，最先承压的两类企业已经很清楚。

头一类是中小创新药企。AI平台能在12至18个月内跑完从靶点到候选分子的全流程，传统药企平均却要4至5年，那些既没有差异化靶点、也没有临床阶段领先优势的中小药企，管线价值会被系统性地重新估值。它们要面对的不是竞争，是被绕过去。

再说低端临床前CRO。这类公司过去日子好过，靠的多是信息不对称和大量重复性实验劳动。头部AI公司一旦具备“边设计、边验证”的一体化能力，这些轻资产、高附加值的智力活就会慢慢流向手里有算力、有模型的科技巨头。以化合物筛选、基础毒理测试为主业的中小CRO，在这轮洗牌里最先受到冲击。

04

合作而非竞争

芯流认为，“大模型巨头终局是生物技术公司”这个判断放到国内，不会走“彻底变成传统药企”的路子，而是会长出AI原生生物技术公司这种新的产业形态。

传统头部药企手里的数据、临床能力和合规经验，正是大模型公司最缺的；大模型公司的算力、模型和快速迭代的工程能力，又是传统药企短期内很难自己搭起来的。所以双方更多是合作，而不是竞争：药企要用大模型的技术和算力压缩研发周期，大模型公司则要借药企的数据和临床能力，完成从“找到分子”到“做出药”的跨越。

手里有大规摸湿实验数据、有临床阶段管线、又有和科技巨头深度合作能力的公司，这轮洗牌中会过得更好。大模型公司的终点不是成为药企，而是成为药企最离不开的那个合作者。