GSK不是又买了一个AI概念，而是在扩建一套能连续生产细胞扰动数据的实验体系。最高1.1亿美元把一个容易被忽略的稀缺环节推到台前：算法会越来越便宜，可信的生物数据不会。
大模型公司还在比榜单，大药企已经开始往实验室里投钱。7月30日，GSK扩大与Relation的合作：双方将生成大规模人类细胞扰动数据，并把它们用于MORGAN等模型训练。Relation可获得的预付款与成功里程碑款，潜在上限为1.1亿美元。
这不是GSK已经一次性支付1.1亿美元，也不是花钱买一个聊天机器人。这笔交易买的是一条能不断提出问题、做实验、再把答案喂回模型的数据生产线。
图一：最高1.1亿美元为预付款及成功里程碑的潜在上限；数据生产与MORGAN训练构成闭环。
钱投向哪里
模型不再最稀缺，实验答案才是文本模型吃的是网上现成的书，AI制药吃的却是实验室刚做出来的答案。每一条细胞扰动数据背后，都要消耗细胞、试剂、仪器、实验协议、质控和时间；疾病模型选错、批次偏差过大，数据再多也只是在放大误差。
所谓“生物数据工厂”，不是把实验室做得更大，而是把同一套实验稳定地重复成千上万次，并让模型挑选下一轮最有信息量的实验。模型负责缩小搜索范围，湿实验负责把猜测变成证据。
这条产线至少要过三关：实验协议一致，换一批细胞和人员仍能复现；测量口径统一，不让批次差异冒充药效；疾病场景真实，不能只在最容易出结果的细胞系里漂亮。任何一关失守，模型学到的都可能是实验室习惯，而不是生物规律。
为什么是现在
药企开始为“可复现”单独付费GSK与Relation在2024年已经启动过两项合作，这次属于继续加仓。另一条独立线索也在靠近：7月22日，GSK、Boltz、Cradle等参与成立Atlas实验数据联盟，创始成员规划每年各贡献约2800万次抗体亲和力测量。两个项目不能混为一谈，但方向一致——模型公司与药企都在向上游补标准化实验数据。
图二：Relation扩展合作与Atlas联盟为两个独立项目，均反映AI4S竞争向实验数据上游移动。
这也解释了为什么AI不会让实验室变得清闲。候选靶点和分子生成得越快，后面的细胞实验、药效、毒理和临床验证越容易排队。Nature Biotechnology今年提醒，部分转录组扰动模型甚至跑不过简单基线；数据量不能替代疾病相关性和可复现性。
工厂的价值不在于把数据做多，而在于把误差做小。否则更强的模型，只会更快得到一个看似精确的错误答案。
即使模型筛出的候选物在细胞实验中有效，也可能在动物毒理、人体安全性或临床终点上失败。AI改变的是命中概率和试错成本，不会降低药监标准。由此看，前端模型越普及，能把结果一路送到IND和临床读出的验证体系越有价值。
A股怎样看
不是所有AI制药和CRO都能一起算A股可以按三块拼图观察。药明康德、康龙化成、美迪西对应湿实验与数据生产能力；成都先导、泓博医药对应计算设计和筛选平台；昭衍新药、益诺思对应临床前安全性验证。这里只是产业位置，不代表已获得GSK或Relation订单。
图三：按实验数据生产、计算筛选和临床前验证拆分研究样本，不构成受益排序。
判断谁能把AI4S写进利润表，顺序很朴素：先看平台收入和客户复购，再看实验订单、周转效率与产能利用率，最后看项目能否走到IND和临床。没有稳定回款和项目转化，模型能力仍然只是研发选项。
这三类公司也不会平均受益。计算平台可能最早获得项目，但议价能力要靠复购证明；湿实验企业拥有产能，却要防止价格竞争吃掉效率红利；临床前公司离最终验证更近，收入确认又更受项目节奏影响。产业位置只是起点，经营兑现才决定利润。
最后判断
AI4S没有消灭实验室，反而抬高了实验室的地位AI模型会继续迭代，药企也会同时使用多套工具。较难迁移的，是多年积累的实验流程、可追溯样本和连续反馈数据。下一轮AI4S竞争，大模型负责提出更好的问题，“生物数据工厂”负责给出不能糊弄的答案。
主要资料来源：Relation与GSK扩展合作公告（2026-07-30）；GSK官方合作伙伴页面；A-Alpha Bio：Atlas实验数据联盟公告（2026-07-22）；Nature Biotechnology：生物学AI模型的验证边界（2026）。
风险提示：本文仅基于公开资料进行产业研究，不构成证券投资咨询、个股推荐、买卖建议或收益承诺。最高1.1亿美元受付款条件、里程碑和研发结果约束；联盟测量规模为规划口径。AI项目、实验订单、临床节点和公司经营数据均可能变化，请以公司公告、监管披露和临床登记为准，独立判断并自行承担风险。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。