药物研发指的是从靶点发现、化合物筛选到临床试验的整套新药创造流程，传统上耗时十年以上、耗资数十亿美元。2026年初，AI 正从辅助工具演变为这一流程的直接参与者：模型公司自建实验室、政府注入巨额资金、中国团队承接海外订单，药物研发的组织形态和地理分布都在被重新划分。
AI 公司亲自下场做药物研发
2026 年 1 月，Anthropic 宣布在旧金山湾区建成生物湿实验室，由 Claude 指挥机器人完成药物实验操作，并明确瞄准大型药企因利润有限而回避的罕见病领域（Anthropic 在湾区建湿实验室；Anthropic 宣布进军药物研发）。同期，Isomorphic Labs 成为 Virtual Biology Initiative 创始成员，该计划试图用计算方式替代部分体外实验（Isomorphic Labs 成为创始成员）。模型公司从卖工具转向自己做实验，是这一轮最显著的变化。
美国 50 亿美元投向慢性病与研发提速
2026 年初，美国宣布投入 50 亿美元，用 AI 攻克慢性病并加速药物研发（美国投 50 亿美元用 AI 攻克慢性病）。这笔资金的投向不是单一模型，而是数据、算力和实验验证环节。与此同时，OpenAI 公开了 AI 研究实习生项目，向科研岗位输送具备模型能力的人员（OpenAI 公开 AI 研究实习生项目）。资金与人才同步加码，说明药物研发被当作 AI 落地的高价值场景。
中国 AI 制药承接西方订单
据 Rest of World 报道，中国团队正用 AI 加速新药设计，西方药企数十亿美元规模的订单持续流入（中国用 AI 加速新药设计）。这一格局与欧美模型公司自建实验室形成互补：一方提供分子设计与筛选效率，一方掌握靶点和临床资源。药物研发的全球分工正在从外包化学合成转向外包计算与早期发现。
方法层：图检索与生成模型继续迭代
在方法层面，AWS 提出用 BYOKG 与 GraphRAG 支撑制药研究中的知识检索与推理（GraphRAG 与 BYOKG 助力智能药物研发）；arXiv 上的 Andromeda 2 则报告在配方性能上取得提升（Andromeda 2 提升配方性能）。这些工作不直接产生新药，但决定模型能否在真实研发数据上稳定工作。
当前焦点与观察点
药物研发的争议集中在验证环节：AI 提出的分子和配方能否在湿实验中复现，以及罕见病等低利润领域能否形成可持续商业模式。观察点有三：Anthropic、Isomorphic 等自建实验室的产出节奏；50 亿美元投入的分配与阶段成果；中国团队承接的订单是否从设计延伸到临床前验证。