Eine neue Veränderung in der aktuellen Marktbewegung innovativer Arzneimittel: „Nasses Experiment“ entwickelt sich zu einem zentralen Kernvermögen im Zeitalter der KI-gestützten pharmazeutischen Forschung und Entwicklung.

Im Juni veröffentlichte Anthropic Claude Science, baute selbst ein physisches Feuchtlabor und kaufte für 400 Millionen Dollar Coefficient Bio, ein KI-Pharmazeutik-Startup, das erst acht Monate zuvor gegründet worden war. Ein Unternehmen, das sich auf Modelle spezialisiert hatte, brachte alles zu Ende, was ein Modellunternehmen tun konnte, und wandte sich dann dem Kauf von Bechergläsern und Abzügen zu.

Im September unterzeichnete Novo Nordisk mit Orbis Medicines eine Kooperation im Wert von bis zu 1,4 Milliarden Dollar. Erworben wurde eine geschlossene Maschineneinheit des Zyklus „KI-Entwurf – automatisierte Synthese – experimentelles Feedback“ sowie die von ihr erzeugten experimentellen Daten, die in der öffentlichen Welt überhaupt nicht existieren.

Die beiden Nachrichten liegen drei Monate auseinander und weisen auf dieselbe Erkenntnis hin: In dieser Runde der KI-Pharmazeutik sind Modelle Verbrauchsmaterialien, Daten Treibstoff, und der Ort, an dem Daten erzeugt werden – das Feuchtlabor – wandelt sich gerade von einer Kostenstelle zu dem solidesten Vermögenswert in der Bilanz.

01

Warum sind Fehtexperimente zu einem Kernvermögenswert geworden?

I. Verlagerung des Engpasses: Überangebot an Modellen, Mangel an Validierung

Lassen Sie uns zuerst die Begriffe klären. Trockenexperimente beziehen sich auf Vorhersagen, Screening und Moleküldesign, die auf Computern durchgeführt werden; Fehtexperimente beziehen sich auf praktische Synthese, Kultivierung, Tierversuche sowie Analyse und Detektion in der realen Welt. Der ideale geschlossene Zyklus der KI-Pharmazeutik besteht aus dem Wechsel zwischen trockenen und feuchten Experimenten: maschineller Entwurf, experimentelle Validierung, Datenrückfluss und Modelliteration.

Industrial Securities hat im letzten Jahr eine sehr aufschlussreiche Beurteilung abgegeben: Der geschwindigkeitsbestimmende Schritt der aktuellen KI-gestützten Arzneimittelentwicklung liegt nicht darin, wie schnell das Modell läuft, sondern darin, wie schnell Fehtexperimentdaten erzeugt werden.

Der Grund ist leicht verständlich:

Auf der Modellseite herrscht ein Markt mit vollständigem Wettbewerb. Die AlphaFolds haben die Grenzkosten der Strukturvorhersage auf fast Null gedrückt, Generierungsmodelle können täglich Millionen von Kandidatenmolekülen ausgeben, und die Basismodelle, auf die alle zugreifen, sind sich sehr ähnlich, sodass keine echte Differenzierung möglich ist.

Auf der Datenseite herrscht jedoch ein Markt mit extremem Mangel. Die experimentellen Daten in der öffentlichen Literatur sind von Natur aus einseitig: Veröffentlicht werden nur erfolgreiche Fälle, und über fehlgeschlagene Daten wird kaum berichtet; die Bedingungen verschiedener Labore sind nicht kompatibel; öffentliche Daten zu zukunftsweisenden Richtungen wie Makrozykluspeptiden und kovalenten Inhibitoren sind fast leer. Der CEO von Orbis drückte es noch deutlicher aus: KI-Modelle sind nur nützlich, wenn sie mit echten experimentellen Daten gefüttert werden, also müssen wir die Daten selbst erzeugen.

Damit hat sich der gesamte Engpass verschoben. Sie können 100 Millionen Moleküle entwerfen, aber das Labor kann nur fünfzig pro Woche synthetisieren. Modelle werden wertlos, die Daten, die Modelle intelligent machen, werden wertvoll, und die Fähigkeit, Daten zu erzeugen – wie automatisierte Labore, Hochdurchsatz-Synthese und -Screening, standardisierte Datenerfassung usw. – wird zu dem knappsten Glied in der Kette. Der Kauf des Feuchtlabors durch Anthropic zielt im Wesentlichen darauf ab, die eigene Kontrolle über die Datenproduktion aufzubauen.

II. Zwei kontraintuitive Erkenntnisse: KI reduziert Experimente nicht, sondern verstärkt sie

Die erste kontraintuitive Erkenntnis besteht darin, dass die Allgemeinheit annimmt, dass die Effizienzsteigerung durch KI zu einem Rückgang des Bedarfs an Experimenten führt, aber die Rechnungslegung der Branche ergibt das Gegenteil.

KI hat die Grenzkosten des Moleküldesigns auf fast Null gedrückt. Das Ergebnis ist nicht weniger Experimente, sondern eine um mehrere Größenordnungen höhere Anzahl von Kandidatenmolekülen, die in die Validierungspipeline gelangen. Früher gab es in einem Projekt nur drei bis fünf Moleküle, die sich für Experimente eigneten, heute warten in jedem Projekt Hunderte bis Tausende von Molekülen auf die Synthese, die Aktivitätsmessung und die Sicherheitsbewertung. Je billiger der Entwurf, desto teurer die Validierung.

Aus diesem Grund ist der Kernindikator beim gemeinsamen Aufbau von Labors durch NVIDIA und Eli Lilly nicht die Modellgenauigkeit, sondern „eine Iteration alle zwei Stunden“ – die Drehzahl des geschlossenen Zyklus zwischen trockenen und feuchten Experimenten, nicht die punktuelle Geschwindigkeit des Trockenexperiments.

Die zweite kontraintuitive Erkenntnis betrifft die Evolution des Geschäftsmodells.

KI-Pharmazeutik-Unternehmen wechseln von „Geschichten erzählen, um Finanzmittel zu beschaffen“ zu „Plattformen gegen Meilensteine eintauschen“: Orbis hat insgesamt 133 Millionen Dollar an Finanzmitteln aufgenommen und einen Meilensteinrahmen von bis zu 1,4 Milliarden Dollar erhalten, was einem Hebel von mehr als dem Zehnfachen entspricht. Aber jede Auslösung eines Meilensteins ist an ein Molekül gebunden, das durch Fehtexperimente validiert wurde.

Mit anderen Worten: Die Monetarisierungsfähigkeit der KI-Plattform ist physisch durch den Durchsatz der experimentellen Pipeline hinter ihr begrenzt. Wer den geschlossenen Zyklus zwischen trockenen und feuchten Experimenten schneller dreht, lässt seine KI zuerst zu Einnahmen werden.

III. Drei Kriterien zur Beurteilung von Feuchtlabor-Vermögenswerten

Nicht alle Labore gelten als Vermögenswerte. Nach der industriellen Logik dieser Runde haben wir drei Beurteilungskriterien zusammengefasst:

Erstens: Durchsatz. Die Datenproduktion manueller Labore reicht nicht aus, um Modelle zu versorgen. Nur automatisierte, standardisierte Produktionslinien können Daten erzeugen, die Modelle verarbeiten können. Beurteilungsindikatoren sind überprüfbare Angaben wie die Anzahl der Roboterarbeitsplätze und der wöchentliche experimentelle Durchsatz.

Zweitens: Datenzugehörigkeit. Wenn Sie Projekte für Kunden durchführen und die Daten dem Kunden gehören, ist das Labor nur eine Produktionskapazität. Wenn Sie auf einer selbst aufgebauten Plattform eigene Daten erzeugen, können die Daten zu Unternehmensvermögen angesammelt werden. Obwohl es sich um dasselbe Fehtexperiment handelt, unterscheiden sich die rechtliche Zugehörigkeit und damit die Bewertungslogik völlig.

Drittens: Geschlossener Zyklus. Trockene und feuchte Experimente müssen sich im selben Feedback-Zyklus befinden, statt in zwei getrennten Bereichen zu agieren, wo die KI-Abteilung den Entwurf macht und die Experimentierabteilung die Aufträge entgegennimmt. Das Kriterium ist, ob die Modelliteration und die Experimentplanung organisatorisch miteinander verzahnt sind. Dies ist das schwierigste Kriterium und auch das Glied, das Anthropic unbedingt durch eine Übernahme ergänzen wollte.

02

Was sind die Kernvermögenswerte chinesischer Feuchtlabore?

Nach ihren Fähigkeiten werden sie in drei Kategorien unterteilt: geschlossene Plattformtypen, experimentelle Kapazitätstypen und vorgelagerte Versorgungstypen.

I. Geschlossener Plattformtyp: Selbst Daten erzeugen

Jingtai Holdings ist derzeit das Objekt mit der höchsten Plattformreinheit an den A- und H-Märkten. Es verfügt über zwei Grundpfeiler: Quantenphysikalische Berechnungen und KI-Modelle für Trockenexperimente; ein Roboterlabor mit mehr als 300 automatisierten Arbeitsstationen für Fehtexperimente, die Synthese, Kristallisation und Formulierungstests abdecken. Jingtai hat die traditionelle Experimentieriteration von drei bis vier Wochen auf etwa sechs Tage reduziert, führt eigenständig mehr als zehntausend Experimente pro Woche durch und sammelt monatlich mehr als 200.000 Reaktionsdaten an, von denen 80 % fehlgeschlagene negative Stichproben sind, die in der Literatur nicht zu finden sind.

Seine Kunden umfassen 17 der 20 weltweit größten Pharmazieunternehmen. 2025 war das Jahr des Beginns der skalierbaren Einnahmen: Der Gesamtjahresumsatz betrug 803 Millionen Yuan, was einem dreifachen Anstieg gegenüber dem Vorjahr entspricht; der Umsatz mit Arzneimittelentdeckungslösungen belief sich auf 538 Millionen Yuan, was einem Anstieg von mehr als dem Vierfachen gegenüber dem Vorjahr entspricht.

Man muss aber auch die nüchterne Realität erwähnen: Der kumulierte potenzielle Betrag seiner Kooperation mit DoveTree beträgt etwa 6 Milliarden Dollar, aber das ist der Gesamtrahmenwert einschließlich der Meilensteine für Forschung und Entwicklung, Klinik und Vertrieb, und kein Cent ist bisher in die Gewinn- und Verlustrechnung eingegangen. Bei der Verfolgung dieses Unternehmens kommt es vor allem auf die Wiederkaufrate der Kunden und den tatsächlichen Eingang der Meilensteinzahlungen an.

Chengdu Leadgene geht einen anderen geschlossenen Zyklus ein: Es verlässt sich nicht auf Roboterarmeen, sondern auf chemische Bibliotheken. Sein Kernvermögenswert ist die DEL-Technologie, bei der jede riesige Menge an Verbindungen mit einem DNA-Barcode versehen wird, um eine Billionen-Einheiten umfassende Bibliothek von Molekülen zu erstellen, die parallel gescreent werden können, ergänzt um FBDD/SBDD-Strukturbiologie-Screening. Dieses Modell erzeugt von Natur aus Daten: Jeder Screening-Vorgang erzeugt ein vollständiges Bild der Wechselwirkungen zwischen Zielstrukturen und Billionen von Verbindungen, und das Unternehmen hat bereits Hunderte von Zielstrukturen angesammelt.

2025 erwarb es durch einen Fonds, an dessen Gründung es beteiligt war, die Mehrheitsbeteiligung an Moshu Intelligent – das Unternehmen hat mehr als 100.000 Datenquellen integriert, um eine strukturierte pharmazeutische Datengruppe aufzubauen; im April 2026 baute es gemeinsam mit dem Chengdu Supercomputing Center eine Rechenkapazitätsbasis auf.

Laut seinem Bericht belief sich der Umsatz 2025 auf 526 Millionen Yuan, der den Aktionären zuzurechnende Nettogewinn auf 110 Millionen Yuan, die Bruttomarge auf 54,24 %, wobei DEL und Struktur-Screening zusammen etwa 77 % ausmachten, und die Meilenstein-Einnahmen werden nun bestätigt. Seine Fähigkeitsgrenzen müssen weiter beobachtet werden: Die selbst entwickelten Pipelines befinden sich noch in einem frühen Stadium, und die Verlängerungsrate von Aufträgen großer ausländischer Pharmazieunternehmen ist der entscheidende Erfolgsfaktor.

Hopewell Pharma liegt zwischen Plattform und CRO. Es hat das große DiOrion-Arzneimittelentwurfsmodell und das PR-GPT-Tool selbst entwickelt und behauptet, den geschlossenen Zyklus von „KI-Entwurf bis zur Synthese und Prüfung im eigenen Labor“ realisiert zu haben. Es hat insgesamt 65 Kandidaten-Arzneimittelmoleküle geliefert (davon 57 als First-in-Class) und bedient 53 CADD/AIDD-Kunden. Das Ausmaß seiner Fehtexperimente ist nicht mit dem der beiden vorherigen Unternehmen vergleichbar, und das Unternehmen selbst gibt zu, dass KI derzeit die Rolle eines „ermächtigenden Werkzeugs zur Steigerung der Serviceeffizienz und Lieferfähigkeit“ spielt.

Es wird in die Kategorie der Plattformen eingeteilt, weil es über die organisatorische Form eines geschlossenen Zyklus verfügt. Es muss noch beweisen, ob KI sich von einem Effizienzwerkzeug zu einem eigenständigen, erkennbaren Einnahmenposten entwickeln kann. Die Beobachtung dieses Unternehmens bedeutet die Beobachtung, ob die Spezies des „KI-verstärkten CRO“ erfolgreich sein kann.

II. Experimenteller Kapazitätstyp: Laborausmaß zum Wettbewerbsvorteil machen

Plattformunternehmen erzeugen Daten, um ihre eigenen Modelle zu versorgen. Die Logik der Kapazitätstypen ist einfacher: Wenn die Flut von KI-Molekülen hereinkommt, ist die experimentelle Kapazität selbst das Recht, Miete zu erheben.

WuXi AppTec ist der Gigant in dieser Kategorie. Im Jahr 2025 belief sich der Umsatz aus fortgeführten Geschäftsbereichen auf 43,4 Milliarden Yuan, und die Auftragsbestände zum Jahresende betrugen 58 Milliarden Yuan, was einem Anstieg von 28,8 % gegenüber dem Vorjahr entspricht – egal ob die Pipelines der KI-Unternehmen erfolgreich sind oder nicht, diese Aufträge werden zu Einnahmen aus Synthese, Screening, Prüfung und Produktion. Zwei seiner Feuchtlabor-Vermögenswerte werden oft unterschätzt: Erstens eine der weltweit größten privaten chemischen Datenbanken mit mehr als 6,5 Millionen Verbindungsstrukturen und ihren Reaktionsaufzeichnungen, eine natürliche Anhäufung von jahrzehntelanger experimenteller Kapazität; zweitens die Produktionslinie „KI-Entwurf – Robotersynthese – intelligente Validierung“ im Wuhan-Standort, die täglich Tausende von chemischen Reaktionen durchführen kann. Der Umsatz des TIDES-Geschäfts belief sich auf 11,37 Milliarden Yuan, was einem Anstieg von 96 % gegenüber dem Vorjahr entspricht, und liegt genau in den beiden Bereichen GLP-1 und Nukleinsäurearzneimittel, die den größten Bedarf an Feuchtlabor-Kapazität haben.

Es hat zudem in Jingtai und Insilico Medicine investiert und früher ein Joint Venture mit Schrödinger gegründet. Fähigkeitsgrenzen: KI hat keinen unabhängigen Posten in seinem Bericht, und die Zuschreibung des Auftragswachstums an KI ist eine übermäßige Interpretation. Seine richtige Positionierung ist das „Versorgungsnetz für Wasser, Strom und Gas im KI-Zeitalter“.

Pharmaron ist strukturell ähnlich wie WuXi, aber mit geringerem Umfang. Seine differenzierende Maßnahme besteht darin, die Mehrheitsbeteiligung an dem KI-Unternehmen für Onkologie Haixin Zhi Hui zu erwerben und qualitativ hochwertige, konforme Patientendaten in das klinische Dienstleistungssystem zu integrieren. Mehr als 20.000 Forschungsmitarbeiter sind eine andere Form von Feuchtlabor-Vermögenswerten. Schlüsselwörter für die Beobachtung: Die Reserven von ausländischen Biotech-Kunden – die ersten Zahler der KI-Pharmazeutik sind genau die algorithmischen Unternehmen, die keine eigenen Labore haben.

Medicilon ist ein Beispiel im Bereich der vorklinischen Validierung. Pharmakologie, Toxikologie und Sicherheitsbewertung sind die gesetzlichen Kontrollpunkte, an denen KI-Moleküle vorbeikommen müssen, und jede Charge von KI-entworfenen Molekülen wird hier einer Sicherheitsprüfung unterzogen. Das Unternehmen hat eine MAIDD-Plattform aufgebaut, eine KI-Plattform für vorklinische Forschungsdienste in Shanghai gegründet und ergänzt diese um neue Methoden wie Organoide. Insgesamt wurden mehr als 650 von ihm begleitete Forschungsprojekte mit einer IND-Genehmigung abgeschlossen. Wenn die KI-Pharmazeutik in die Phase der klinischen Validierung eintritt, wird ihre Auftragsstruktur direkt erweitert.

Joinn Laboratories soll besonders erwähnt werden: In diesem Jahr hat es eine strategische Kooperation mit Insilico Medicine unterzeichnet, um eine Gemeinschaft für nicht-klinische Forschung, die Sicherstellung von Versuchstierressourcen und den Aufbau von KI-Modellen für die Biowissenschaften zu bilden. Sicherheitsbewertung und Modelltiere sind der