硅谷AI巨头布局Lab in the Loop，重塑创新药研发与全球竞争格局
随着AI编码渗透趋饱和，OpenAI、Anthropic和谷歌等硅谷巨头正密集转向创新药研发，通过构建“Lab in the Loop”闭环系统，将湿实验室自动化与AI模型迭代深度融合。这一趋势不仅旨在降低药物发现成本，更试图通过掌控实验数据回流环节，削弱中国CRO/CDMO企业的传统优势，并可能引发针对中国参与者的技术壁垒。
事件概述
在AI编码领域渗透率趋于饱和的背景下，硅谷前沿AI企业急需寻找新的万亿级资本回报场景。2025年，GLP-1类药物（如替尔泊肽、司美格鲁肽）的合计营收约710亿美元，远超主要AI公司的年化收入运行率（ARR）。为此，OpenAI、Anthropic、谷歌及英伟达等巨头正加速布局“Lab in the Loop”范式，即打通从AI假设生成、自动化湿实验执行到数据反馈优化模型的全链条，试图重塑医药研发竞争力。
核心信息与技术突破
1. 基础设施标准化：解决数据孤岛
当前Lab in the Loop的最大瓶颈并非机器人硬件，而是模型对实验室状态的感知及设备间的数据互通。各厂商正致力于建立统一标准：
- Anthropic提出MHS（模型硬件标准），旨在通过统一接口让智能体发现仪器、读取状态并协调操作；同时开放Instrument Data to Allotrope技能，提升不同系统间的互操作性。
- 英伟达联合赛默飞（Thermo Fisher Scientific）和丹纳赫（Danaher），布局面向Lab in the Loop的新一代科研基础设施。
- 谷歌推出VERID框架，作为湿实验室的数字孪生，可实时追踪设备布局、试剂库存及物理状态，允许AI在执行前模拟流程并记录完整轨迹。
2. 最小闭环验证与降本成效
多家机构已跑通“设计—测试—分析”的最小可行闭环：
- OpenAI将GPT-5接入合成生物企业Ginkgo Bioworks的自动化实验室，经六轮循环测试超3.6万种反应组合，使无细胞蛋白质合成成本降低约40%。
- Anthropic与Adaptyv Bio合作，通过API直接传递数据，发现并验证了一种类似CRISPR的新酶系统。
- 谷歌利用自有湿实验室完成适配体设计的闭环实验，AI智能体根据真实结果修正非特异性结合问题。
值得关注：地缘竞争与产业转移风险
1. 冲击中国CRO/CDMO优势
过去中国创新药的崛起部分依赖于高效率的研发执行体系（CRO/CDMO）。Lab in the Loop的成熟可能导致原本外包给中国的实验任务回流至美国本土自动化实验室。更重要的是，核心“学习”环节和数据价值将转移至掌握AI模型的科技巨头手中，而非传统的实验执行方。
2. 潜在的技术壁垒与排他性
Anthropic近期启动的蛋白质设计竞赛明确将中国等国家与地区的参与者排除在外，显示出前沿AI能力可能形成新的准入门槛。中国本土虽也在拥抱AI，但面临长期跟随式创新的挑战，若无法在关键窗口期缩小差距，可能在新一轮AI制药范式中处于被动地位。