卡位三大入口！华大智造，成了AI4S时代的隐蔽赢家

AI赋能生命科学的产业边界，正在被真实商业化成果拓宽。

Moderna个性化mRNA癌症疫苗III期试验顺利落地，成为业内首个AI深度参与研发、走完完整研发流程、直面商业化的创新疗法。

停留在实验室阶段的AI for Science，正式得到了产业端的实打实验证后，一条反直觉的行业规律也更加明显：AI跑得越快，湿实验缺口越大。

传统科研的研发效率往往受限于人的时间和经验；但AI模型可轻松生成数万级别的候选方案，上游设计效率被无限拉高，实验验证却无法同步无限扩张。

于是，AI也在重新定义产业链上的供需关系，上游AI能力越强，下游真实实验、数据产生和验证能力就越稀缺，直接承接第一波红利的就成了上游的“卖水人”和“卖铲人”。

在国内市场上，华大智造是观察这套产业逻辑的绝佳范本，因为它既生产AI需要的数据，也提供AI进入物理实验世界所需要的基础设施。

过去，市场对华大智造的认知依旧停留在测序设备和生命科学工具供应商。但放在AI4S产业中，其价值早已不止硬件设备，而是稀缺且关键的生命科学智能底座。

它是全球极少数、国内唯一同时集齐AI4S“数据—执行—连接”三个关键入口的企业。这种三位一体的完整闭环，恰好补齐了当前AIforBio最核心的落地短板，也是其能持续承接AI4S产业红利的核心底气。

生命科学的上游，正在掀起一波淘金热

把视野拉到全球产业链上，AI4S上游的淘金潮早已拉开序幕。

海外DNA合成龙头Twist的业绩就是绝佳案例。2026财年第三季度，公司收入1.184亿美元，同比增长23%，连续14个季度实现营收环比增长。股价也从今年以来暴涨346%。

甚至传统测序巨头Illumina也在主动向AI基础设施靠拢。今年7月扩大十亿细胞图谱（Billion Cell Atlas）联盟，高调引入AI原生药物研发公司Formation Bio等成员。

这批公司用最简单的话来讲，就是生命科学上游的卖铲人和卖水人。前者提供硬件设备、实验平台、整套基础设施，是科研与产业的工具底座；后者对应试剂耗材、持续实验与数据服务，是随实验持续消耗、复购的业务。

而华大智造有意思的地方，是它同时站在“卖水”和“卖铲”两边，从全球产业链来看，它某种程度上相当于把海外几类硬件公司的能力，集中到了同一家公司的产品体系里。

相较于Illumina和PacBio等负责测序，Twist负责DNA合成，10X Genomics做多组学工具，而华大智造是目前全球唯一同时覆盖"全读长测序+多组学+智能自动化+AIAgent"全栈能力的平台提供商。

这意味着，当AI4S进入物理世界验证的深水区，别人卖的是单把铲子，而华大智造占据了“数据—执行—连接”三个关键入口，提供的是整套基础设施。

AI4S越往前走，越离不开「数据入口」

华大智造的核心主营业务测序，本身就是生命科学领域最基础、最成熟的「数据入口」。

以核酸为基础的生命科学信息想要从物质世界跨越到数据层，第一步都必须经过测序。DNA序列、RNA 表达、基因突变、肿瘤异质性，所有上层分析的源头都在这里。

以Moderna的癌症疫苗为例，医生切除患者的肿瘤后，第一件事不是设计mRNA序列，而是测序。再与正常细胞序列进行对比，找出癌细胞里独有的突变，再进一步找到抗原并设计药物。

没有测序这一步，连靶点都无法确定。AI再强，也需要高质量的数据输入。

这个数据入口的规模究竟有多大？以全球最大的公开基因组数据库英国生物数据库（UK Biobank）为例，其储存着50万名患者的信息，数据量已经是Meta开发的开源大语言模型LLaMA 3.1 405B的27倍。

而中国也有已经进行了21年长期随访的大规模人群队列研究“中国慢性病前瞻性研究（CKB项目），这是一项与UK Biobank齐名的数据宝库。

华大智造作为该项目的合作方之一，其αLab™ Studio实验室智能管理平台作为研究从构想走向现实的“核心引擎”，驱动测序平台及自动化设备，在约半年内完成约50万例全基因组测序（WGS）的超级工程挑战。

这也是为什么，过去几年测序技术不断提升通量、降低成本之后，生命科学的数据量开始快速增长。ARK Invest甚至提出了一个很直白的判断：Biological Data Is Big Data（生物数据就是大数据）

这里面的“Big”，不仅是样本多、文件大，更在于每个样本都同时携带着基因、表达、变异、细胞状态等多维信息，不像互联网数据可以被低成本地复制、传播和再利用，生物数据是必须要通过一次次实验和测量重新获得的。

也就是说，生命科学的数据规模最终受制于一个非常现实的问题：谁有能力持续把真实世界里的样本，稳定、标准化地转化成数据？

在测序这一生命科学数据的第一道入口上，华大智造已经有了一个相对扎实的基本盘。

其拥有覆盖长短读长的“全读长测序”（SEQALL）工具矩阵，高通量测序产品在国内公开招标市场占有率超70%。旗舰机型T7+单台24小时数据产出超过14.4Tb，是中国目前最强大的标准化生物数据生产平台。

再往下看ARK Invest这份报告，测序是当下生物科学数据的主力，但如果把时间线拉长，AI4S需要的数据显然不会永远停留在“序列”这一层。

报告中把生命科学数据分为“序列-结构-系统”三个层次，这和AI4S的发展路径基本对应。

从AlphaFold推动蛋白质结构预测，到AI生成和优化抗体序列，再到更前沿的虚拟细胞研究，AI处理的对象正在从“一维序列”逐步走向“三维结构”，再进一步延伸到对细胞状态和细胞间相互作用的理解。

研究对象越往上走，单一维度的数据就越不够用。每一个层级的跃升，都要求更多维度、更立体的数据输入。只去追求更高通量的测序设备是远远不够的，能成为AI4S底盘的企业需要拥有一套能够持续生产、处理和关联不同类型生物数据的工具体系。

而这恰好对应了华大智造正在补齐的另一块拼图：从测序向智能自动化和多组学延伸，形成覆盖「全读长测序+智能自动化+多组学」的产品布局。

其中比较有代表性的是自研的时空组学Stereo-seq技术，做到了全球领先的500纳米超高分辨率与13×13厘米超大视野，可以同时解析转录、蛋白和空间原位信息。

该板块2026年上半年平台收入同比增长41.34%，细胞组学平台收入更实现了94.29%的同比增长，接近翻倍。

商业成绩同样耀眼。首先在生命大模型领域，已有多家机构利用时空组学的全组学能力开展生命大模型训练，包括与华南理工大学共建数基生命时空计算创新研究平台。

还在脑科学领域与上海脑科学与类脑研究中心等单位形成标杆性合作案例；病理研究与AI药物发现领域也已经与中山大学附属第六医院、中南大学芙蓉实验室等机构落地成功案例。

在此之外，华大智造还在单细胞、空间组学、蛋白组学等方向持续扩展产品和技术能力，并将数据采集的边界进一步延伸到医学影像等场景。

如果说测序解决的是生命数据的“深度”，那么多组学解决的就是数据的“维度”，两者叠加，华大智造覆盖的就不再只是一个测序设备市场，而是覆盖了整个生命科学的数据入口。

Physical AI 入局，将想法变成现实

无论是蛋白质设计、抗体生成还是mRNA抗原筛选，分子设计的终点始终是药物，最后都必须回到物理世界。

过去实验室自动化更多是把人已经设计好的实验流程交给机器执行：合成、移液、孵育、检测，机器人按照预设Protocol完成标准化操作。

华大智造的智能自动化GLI（Generative Lab Intelligence）板块作为「执行入口」已经具备了一定的成熟度，在测序、分子育种、临床样本处理等多个场景实现了商业化落地，创造了上亿元的业务收入。

在该业务的实际应用中，三亚崖州湾深海微生物平台通过自动化提升实验通量；联川生物搭建了日处理1500个样本的自动化产线；北京脑科学与类脑研究所也已经探索无人值守的“黑灯实验室”。

这些案例背后的共同点很简单：AI负责提出一个想法，实验室需要有一套真实存在的设备和流程，把这个想法变成可以执行的动作。

但问题也恰恰出在这里。

今天大多数实验室是专为人类设计，仪器面板等没有变成机器可理解的信号，不同设备使用不同的软件和协议，数字世界和物理实验世界之间，仍然隔着一层接口。

为此，聚焦Physical AI（物理智能）在生命科学场景中的落地，进一步引入Agent，打造连接数字世界与实验室的「连接入口」。

以其全资子公司涌生智能为例，该公司推出了一套ProtoPilot自进化多智能体系统，在上层由Alpha Brain理解实验需求、生成和编排实验流程。

下面接aLab Studio、PrepALL、aLabRobot等软硬件，分别负责实验室资源调度、具体实验执行和物料转运。

目前该公司已经与鹭江创新实验室共建OceanBioX FutureLab 1.0，先从海洋生物自动化产线切入。

其核心思路，是让AI不只停留在提出实验方案，而是进一步参与实验流程：规划实验、调用设备、执行Protocol、感知实验状态、处理异常，再根据实验结果决定下一步做什么。

过去市场对华大智造GLI的理解更多停留在机器人、移液工作站、样本处理设备和实验室调度软件层面，这个理解没有错，但已经不足以解释它现在的方向。

实际上华大智造走的是一条逐渐覆盖物理AI入口的路径：先有设备和实验经验，再把自动化变成可编程的实验环境，最后让Agent进入其中承担规划和决策。

此外，华大智造还推出了行业首个全流程Agent评测体系BioLabBench。随着实验Agent越来越多，设备、软件、Protocol和Agent之间也需要形成统一的接口和评价方式。华大智造从自动化设备向Agent和评测体系延伸，本质上是在争取成为这个接口层的一部分。

另一方面，和可快速迭代、复刻的算法模型不同，物理世界的设备制造、工程积累与失败案例库，都无法通过模型蒸馏复制，这是华大智造这套AI4S底座最硬核的物理壁垒，也是纯AI公司无法跨界的门槛。

商业化拐点已至，AI4S的故事已经兑现

故事讲得再漂亮，也得落到真实的财务数据上才有说服力。华大智造2026年半年报给出了最直观的验证。

上半年，华大智造实现营收13.66亿元，同比增长18.91%。公司主营业务包括全读长测序、智能自动化和多组学为核心的三大板块，均实现了不同程度的增长。

作为华大智造业务的基石，全读长测序业务收入10.62亿元，同比增长17.64%。其中，试剂耗材收入6.45亿，同比增长16.28%。

设备是一次性收入，而试剂耗材则意味着持续使用、持续采购和更强的客户黏性。两者叠加，华大智造“卖铲+卖水”的属性更加明显。

智能自动化则聚焦AI生命实验室的智能化升级，同比增长4.05%。多组学业务收入1.62亿元，同比增长44.91%，直接对应AI辅助诊断、AI药物研发、AI虚拟细胞等数据需求。

可以说，华大智造兼具确定性和成长性，这也是上游底座公司的魅力所在。

或许对一个还在亏损的公司谈“确定性”似乎有点矛盾。但这一判断的依据是：确定性不来自利润表转正的那一天，收入结构和现金流的改善，往往会更早发生。

首先，经营现金流净额3亿元，连续三个季度为正，对于一家仍处于业务扩张期的科技企业而言，充分体现了公司自我造血能力的实质性修复。

其次是产业端需求正在加速。

其中，华大智造正靠着全栈矩阵产品进一步夯实龙头地位，深入覆盖临床诊断、药物研发、科研基础设施、生物制造四大场景。

不管AIfor Science这个故事讲得多大，底层的基础设施只有少数玩家能建。

更有意思的是收入的结构。财报显示，上半年来自药厂及药检领域的收入同比增长114.94%，实现三位数增长。

这说明，AI for Science已经不只是资本市场讲述的未来故事。随着AI真正进入药物研发流程，相关的数据、测序和实验设备需求，已经开始转化为药企真实的采购订单。

这恰恰解释了为什么“卖水人”和“卖铲人”的故事是可以同步推进的。

未来，AI模型越强，需要的生命数据越多，测序需求就越大；需要完成的实验越多，自动化设备的需求就越大；对Agent调度设备、形成干湿闭环的需求越强。也就是说，提供整套“数据+执行+连接”的协同方案就越不可替代。

华大智造十余年积累的自研技术、真实实验数据积累、真实实验场景和PhysicalAI能力，恰好站在了这个需求的交叉点上，恰好在这个时间窗口开始被重新定价。

华大智造的生态位，绝对不是成为下一个更强的illumina，而是成为生命科学领域的光刻机。

我们不妨重新思考：当AI4S越来越向前，生命科学的数据和实验需求会不会越来越大？

如果答案是肯定的，那么华大智造便不再只是一个测序设备厂商，而是加速向生命科学AI时代的基础设施平台迈进。

这便是华大智造应当被重新定价的根本。故事不再停留于未来，逻辑已经在现实中展开。

—The End—