谷歌和Meta，开始押注“下一颗药” AI制药有一个绕不过去的问题：模型给出的答案，实验室里到底能不能成立。 谷歌和Meta这次参与的项目，就是要补上这块短板。 10月7日，Biohub宣布扩大“虚拟生物学”计划，联合美国能源部、美国国立卫生研究院，以及Google DeepMind、Meta、Isomorphic Labs，建设用于训练AI的生物数据资源。 项目合计涉及约18亿美元投入，其中三家企业共同承诺3亿美元。18亿美元包含此前投入和既有科研数据资源，并非当天新增的现金。 美股投资网认为，这件事最值得关注的，是AI制药公司的竞争门槛正在变得更具体：谁能证明自己的模型减少了无效实验，谁才有机会获得药企持续付费。 你可以这样理解这个项目。 研究人员希望记录细胞在不同干预下的反应，再训练模型，让科学家先在电脑里预测实验结果，帮助选择更值得进入实验室验证的方向。这也是美国能源部公告明确提出的目标。 假如模型能提前排除一部分失败方向，药企就有机会节省实验时间和成本，把资源集中在更有希望的候选药物上。 但这里要分清两笔账：更快找到候选药物，与最终研发出安全有效、能够上市的药，之间还有很长的距离。实验预测做得更好，并不能替代后续验证。 这决定了我们该怎么看相关美股。 对 $GOOGL，我把这次合作看作长期研发投入。DeepMind参与建设数据资源，有机会提高生物模型的预测能力；如果这种能力后来能帮助药企提高研发效率，才可能形成新的商业收入。 现在就把它计入谷歌未来几个季度的利润，太早。更有价值的验证是：模型预测能否被实验重复证实，药企是否愿意扩大合作并持续付费。 对 $META，我的判断更谨慎。 Meta参与投入，与扎克伯格和陈慧娴支持的非营利机构Biohub，是不同主体。参与一个生物研究项目，也不能直接推导出Meta即将获得药品收入。 它可以拓宽Meta的AI研究能力，但就这条消息而言，我不会上调Meta的短期盈利预期。 真正可能受到更大影响的，是那些靠“我们有独家生物数据”获得高估值的AI制药公司。 这次合作的目标，是建设开放的生物数据基础。数据如果逐步向研究者开放，更多团队就有机会训练和检验模型。 这会提高整个行业的研究起点，也可能削弱部分公司的数据稀缺优势。投资者需要重新追问：它的数据有多少真正独特？模型比同行准确多少？这种优势有没有转化成实验结果和商业合同？ 所以，我更看好能不断完成“预测—实验—修正”的公司。 它们每做一次真实实验，就能检验模型哪里对、哪里错，再用结果改进下一轮预测。即使大家都能使用公共数据，实验能力、专有数据和研发执行仍然可能拉开差距。 这也是为什么我不会因为18亿美元这个数字，就追着整个AI医疗板块买。 这笔投入提高了AI制药取得进展的可能性，却没有替任何一家上市公司证明盈利能力。 接下来，真正值得给更高估值的，是能拿出证据的公司：同样的研发预算，找到了更多有效候选药物；同样的实验次数，获得了更高成功率；已有合作方愿意继续掏钱。 AI制药的故事，正在进入需要实验结果和收入兑现的阶段。只会展示模型的公司，估值会越来越难撑。 #美股#