硅谷的AI巨头们终于发现，把代码变成救命药，最大的敌人不是算力不够，而是实验猴不够用了。

Twist Bioscience 预计其AI相关订单在2026和2027财年将连续实现三位数暴增；金斯瑞（GenScript）的AI制药业务上半年直接翻倍，日均验证产能正从4000个一路飙升至年底的16000个。

熟悉半导体交易的朋友对这个戏码绝不陌生：GPU不够抢GPU，GPU够了抢HBM，显存够了抢光模块，最后发现全网都在抢变压器和电网。如今，这套“瓶颈转移交易”完美复制到了AI制药（AIDD）领域。

算法几秒钟就能生成上万个新蛋白序列，但生物学不相信纯数字。DNA合成、蛋白表达、高通量筛选、临床前毒理——每一个环节都在被暴涨的实验需求挤爆。

更深层的变化在于：AI不仅需要成功案例，它更饿极了要吃“失败数据”。

此前 Anthropic 用 Claude 设计了1320个蛋白结合体，送到湿实验室实测，最终只有354个成功结合。搁在传统制药时代，那966个失败品就是打水漂的几百万美金；但在AI时代，这966个失败品是极其宝贵的“负面训练标签”。

这导致DNA和蛋白合成机构直接升级成了硅谷算法的“生物数据工厂”。传统制药问“这个分子能不能成药”，AI制药问“这个实验能给模型喂多少有效数据”。

当合成产能被拼命拉满后，产业链的下一个挤压点已经非常明确：临床前动物实验。

目前实验猴的价格已重回历史高位，CRO（合同研究组织）的产能日趋紧张。在全球每年3000亿至4000亿美元的庞大研发预算支撑下，算法画饼的速度，已经远远超越了灵长类动物的繁殖周期。

有人质疑：“哪怕筛选再快，后端的二三期临床试验依然需要几年时间，瓶颈根本没变。”

但这种声音忽略了一件事——在2028到2030年AI设计药物迎来真正的临床二三期考验之前，所有处于“卡脖子”位置的上游卖铲人，订单早就排到了几年之后。

碳基生物的生理极限，成了硅谷算力最难逾越的一道墙。但在算法彻底打破这道墙之前，那些在实验室里日夜不停合成基因、测序数据、给实验猴打针的企业，早已在这场硅谷造神运动里赚得盆满钵满。