AI制药行业正在经历一个反直觉的瓶颈转移：模型侧的生产力已经爆炸，但湿实验数据产出远远跟不上。AlphaFold让结构预测成本几乎归零，生成模型每天吐出百万个候选分子，但实验室合成验证的速度仍以周和月为单位。这种「前快后慢」的结构意味着，决定一家公司上限的关键，已经从『谁的算法更强』变成了『谁的干湿实验闭环转得更快』。英伟达与礼来的联合实验室、晶泰科技的自动化机器人平台，都是在解决同一个问题——把验证速度从月级压缩到小时级。

AI设计药物在I期临床试验中的成功率高达80%到90%，远超传统药物的40%到65%，但从I期走到最终获批的整体成功率仍然只有约10%。摩根士丹利将其拆解为化学模型与生物模型的差异：前者解决『如何成药』，AI已验证效率；后者解决『往哪走』，全球不足三成AI制药企业投入人体疾病生物学研究。第一批AI设计药物的临床溃败——Exscientia、BenevolentAI的管线相继受挫——表明『更好的分子』不等于『更好的药物』，临床转化才是真正的死亡之谷。

文章点出了行业最核心的观测节点：2027到2029年，全球将迎来AI设计药物的临床数据集中读出期。英矽智能的Rentosertib已于2026年启动III期试验，钟南山院士联合牵头，预计2027年末至2028年读出关键数据；Moderna与默沙东的个性化mRNA癌症疫苗III期大获全胜。如果这些管线中的任何一个走完全程，整个赛道的估值逻辑将从『平台叙事』彻底坍缩到『管线兑现』。更大的变量在于：这将迫使所有按平台估值的企业，重新面对管线本身的价值检验。

字节保留Anew Labs 56%的控股权，表面上是『保留控制权与财务上行空间』的精心设计。但真正值得追问的，不是股权结构本身，而是字节的耐心周期。字节历史上在教育、游戏等长周期业务上都经历过快速的战略收缩。56%既可以是长期承诺，也可以是下一次战略调整时最先被变现的资产。判断这家公司命运的，不是融资轮次有多豪华，而是当第一个临床数据不如预期时，母公司给的是资金补仓还是资产剥离——这个答案目前只在字节内部的战略讨论桌上。