Twist 首席执行官兼联合创始人艾米丽 · 勒普鲁斯特（Emily Leproust）在财报电话会上表示，公司 DNA 合成、蛋白质解决方案和新一代测序业务的需求共同推动了业绩增长，其中人工智能药物研发正成为重要增长驱动力。
综合各机构观点来看，随着 AI 加速渗透生物制药行业，AIDD（人工智能药物发现与设计）正成为驱动创新药上游产业链需求增长的核心因素。
具体而言，AIDD 通过模型在靶点发现、分子 / 抗体设计等前端环节大幅提升候选生成效率，再依赖大量湿实验完成表达、筛选、药效、药代、毒理等验证，并将真实数据持续回流模型，形成 " 设计—构建—测试—学习 " 的闭环迭代。
例如，Twist 承接中间 " 构建—测试 " 实验环节。中邮证券判断，其客户利用 AI 在计算机内虚拟生成、优化海量候选 DNA 序列。Twist 做高通量 DNA 合成和蛋白表达，产出实验测定数据，而后将实验检测数据回传给客户，指导下一轮 AI 设计。每一轮迭代驱动客户复购 Twist 的合成服务，形成持续重复订单，是商业模式核心。
国联民生证券指出，AI 提升药物研发设计效率，湿实验仍是候选分子从计算预测走向真实药物不可缺少的验证环节。AI 正在加速靶点发现、分子生成和候选筛选，但模型输出的候选序列或分子仍需经历 " 设计—构建—测试—学习 " 循环，计算预测最终仍需通过蛋白结合、生化活性及细胞功能等湿实验验证，高质量试剂与 CRO 需求有望增长。
该机构强调，随着设计端提速，药物研发有望由低频、串行试错向更高频的计算—实验迭代演进，为生命科学上游 " 卖水人 " 创造新的需求来源。AI 的核心影响未必体现为单个项目无限增加候选数量，而更可能体现为扩大可探索空间、提高项目并行度并缩短迭代周期，按照各个湿实验链条环节分类，具体逻辑与相关标的如下表所示：
除此之外，上述机构也对潜在风险作出提示：
若 AI 药物设计在候选生成、分子优化及临床转化等环节的提效效果低于预期，或下游药企对 AIDD 平台的应用进度较慢，可能影响相关产业链需求释放；
AI 有望提升候选设计效率和研发迭代频率，但若算法进步显著减少实体合成及实验筛选数量，或实验验证环节效率同步大幅提升，则生命科学上游实际需求增量可能低于预期。
