“领涨者”百普赛斯：是什么产业逻辑，让它“勇冠三军”？

AI制药还没有带来一款真正意义上的超级新药，却已经先让一批生命科学工具企业获得了资金关注。8月10日早盘，百普赛斯快速封住20%涨停，药康生物、近岸蛋白、义翘神州、南模生物等公司也在同一时段活跃。8月11日，医药板块连续活跃，市场热度走向高峰。

几家公司并不属于同一个细分行业。百普赛斯和义翘神州主要提供重组蛋白、抗体等生命科学试剂，药康生物和南模生物的核心业务是模式动物与药效评价，近岸蛋白聚焦蛋白质工具和相关服务。把它们纳入同一个交易主题的，是市场对AI制药的共同想象。

现阶段，人工智能正在参与靶点发现、蛋白结构预测、抗体设计和候选分子筛选。资金沿着算法进入研发流程的路径寻找受益公司，却也碰到了一个更基础的问题：AI进入药物研发后，最先增加的究竟是什么？

答案未必是新药。

一、AI改变流程，增量从何而来？

百普赛斯主营重组蛋白、抗体、试剂盒等产品，并不训练大模型，也不直接面向患者提供药物。药企研究某个靶点，需要采购相应蛋白建立实验体系；研发团队筛选抗体，需要用抗原检测结合能力；细胞实验需要细胞因子和其他标准化试剂。公司卖的是实验材料，收入来自研发项目中的需求。

而AI改变的，可能是采购发生的频率。

过去，研发团队围绕某个靶点，从有限的化合物库或抗体库中挑选候选物，再安排实验验证。算法参与设计后，团队能够在更短时间内生成更多蛋白、抗体或小分子序列。算法不会让序列自动变成药物，却会把更多候选物送到实验室门口。

一条序列留在电脑里，只是一种猜想。它需要先合成为DNA，导入细胞表达成蛋白，再经过结合实验、细胞实验和动物药效实验逐层筛选。百普赛斯被纳入AI制药的想象空间，并不是公司突然获得了模型能力，而是AI设计出的每一批候选分子，都需要真实的蛋白、抗体和实验体系完成验证。

所以，市场交易的并不是“百普赛斯变成了AI公司”，而是另一个更具体的判断：算法提高候选分子的生成效率后，实验端会不会先出现增量。

AI制药最容易被误读的地方，是把“设计出分子”与“发现了药物”视为同一件事。

以抗体药物为例，模型可以依据靶点结构、蛋白数据库和既有实验数据，预测更可能与目标抗原结合的氨基酸序列，也可以根据功能要求生成新的抗体序列。候选物可能有数百条，甚至更多。但亲和力、稳定性、表达量、免疫原性和体内安全性，并不会因为模型给出高分便自动成立。

DNA合成完成后，研究人员要把序列导入细胞，通过表达系统生产蛋白或抗体；蛋白经过纯化，再进入结合实验、酶活实验或细胞功能实验。通过体外筛选的分子，还要进入动物模型，接受药效、药代和毒理评价。实验结果返回研发团队，模型再根据成功与失败的样本调整下一轮设计。

整个过程是：AI设计，基因合成与蛋白表达，体外筛选，动物药效验证，数据反馈，再进入下一轮设计。

AI提高的是设计效率，实验承担的是现实世界的筛选。算法运行得越快，研发团队越可能在相同时间内提出更多候选物；候选物增加，基因合成、蛋白表达和体外筛选需要处理的样本也会增加。研发链条的瓶颈，可能从“能否提出足够多的分子”，转移到“能否足够快地把分子做出来并完成测试”。

二、最先收益的，仍是基础设施

百普赛斯处在候选分子第一次接受现实检验的前端。公司过去披露，已经将人工智能辅助蛋白质设计技术用于耐高盐全能核酸酶、热稳定FGF-B蛋白、高活性IL-2等产品开发。相关产品距离AI新药仍然很远，却说明算法可以参与蛋白工具设计，最终产品仍需经过表达、纯化和功能验证。

公司2025年营业收入8.38亿元，同比增长30%；归母净利润1.66亿元，同比增长34%。2026年一季度营业收入2.36亿元，同比增长26.33%，新签订单同比增长超过30%。业绩说明研发客户和采购需求正在恢复，不过由于公司尚未单独披露AI相关订单，因而AI需求到底怎么影响了最终的商业化，其实不宜过多揣测。

实验服务商的变化，或许更容易说明问题。

传统DNA合成更接近一次性交付。客户提出序列需求，服务商完成合成，项目进入下一环节，交易便告一段落。AI辅助研发可能带来连续采购：模型先生成一批序列，实验结果返回后，研发团队依据数据调整参数，再生成第二批、第三批序列。每一批序列都需要合成、表达和测试。

美国DNA合成公司Twist Bioscience的Therapeutics业务，承接的正是计算端进入实验室后产生的工作：把生成的序列合成为DNA，并进一步开展蛋白工程、抗体发现和相关验证。近年来，Twist该业务增长较快，说明生物制药客户对于高通量DNA合成、蛋白表达与治疗研发服务的需求正在扩大。

Twist的案例不能证明AI制药已经形成大规模商业回报，却解释了基因合成和蛋白表达为何成为资金关注的早期环节。模型完成一轮设计，实验端便可能增加一轮合成和筛选；反馈越频繁，服务商获得重复订单的机会越多。

国内企业面对的也是同一个问题。金斯瑞同时覆盖基因合成、蛋白表达、抗体开发和功能检测，业务价值不在于产品介绍里是否出现“AI”二字，而在于能否缩短从序列到实验结果的时间。模型运行一轮可能只需数小时，蛋白表达和功能验证却需要数天。计算端不断提速，实验交付周期便更容易成为研发流程中的约束。

百普赛斯、义翘神州等公司提供的标准化重组蛋白和抗体，更接近研发链条中的通用材料。AI带来的需求还要经过客户项目增加、采购品类扩展和复购频率提升，才能转化为收入。行情中的AI标签，距离企业订单之间，仍隔着一段研发流程。

三、能否形成产业周期，取决于研发效率

候选分子继续向后推进，产业链传导便会减弱。体外实验回答的是分子能否结合靶点、能否产生预期功能；进入动物实验后，研发人员还要判断分子能否到达目标组织、能否维持药效、是否存在明显毒性。模式动物、药理药效和临床前评价服务，到了此时才会接上需求。

在这个环节，药康生物、南模生物的上涨，反映了市场对体内验证环节的联想。但AI生成更多候选物，并不意味着动物实验项目同步增加。大多数分子会在蛋白表达或体外筛选阶段被淘汰，真正进入动物实验的只是少数。前端筛选效率若没有同步提高，候选物增加也可能只是让早期实验变得更拥挤。

再向后，才是毒理、临床CRO和CDMO。药物进入临床前研究和人体试验后，单个项目金额提高，研发周期也随之延长。但从模型生成序列到临床项目，中间隔着多轮实验和筛选。前端实验服务最早感受到项目数量变化，后端临床服务则要等少数候选药物穿过层层淘汰。

一枚候选分子沿产业链推进，留下的不是一张同时扩张的企业名单，而是一串逐级减少、金额逐级提高的研发订单。百普赛斯处在最早的一段，市场能够较早把它与AI制药联系起来；早期环节订单增加，却不能推出后端临床和商业化必然繁荣。

AI制药能否从交易主题走向产业周期，仍要看算法设计出的分子能否进入真实研发流程，并在临床中证明价值。

Insilico Medicine开发的特发性肺纤维化候选药物Rentosertib，曾用名INS018_055，是较具代表性的案例。相关项目由生成式AI参与靶点发现和分子设计，并已经披露Ⅱ期临床研究结果。项目说明，AI参与发现的候选药物能够穿过计算、实验和临床前研究，进入人体试验。

但进入Ⅱ期临床，并不等于AI已经改写新药研发成功率。项目仍需接受更大规模、更长周期的临床验证，AI也没有绕开药物研发固有的失败风险。算法输出的结果已经开始接受人体数据检验，产业化结论仍需更多项目共同证明。

对于百普赛斯这样的上游企业，收入变化不必等待AI药物上市才会出现。只要药企把AI辅助研发纳入常规流程，并因此增加候选分子的设计、表达和筛选次数，实验材料需求便可能提前增加。前端实验变得更密集，却不意味着后端商业化规模同步扩大。

新药距离患者仍然很远，候选分子已经先抵达了合成、表达和筛选环节。模型负责提出更多问题，实验负责淘汰大多数答案。这是一条长期主义道路，唯坚持者可达终点。

来源：松果财经