本文来自微信公众号： 资本不熬夜 ，作者：不熬夜研究院
过去两年，AI最激烈的战场一直在办公室。
写代码、做PPT、回邮件、整理会议纪要、做客服。再往前一步，是Agent接管浏览器、手机和企业工作流。
人类花了数千亿美元买GPU、建数据中心，最终却把大部分注意力放在同一件事情上，怎么让一个人干更多的活，怎么让一家公司少用一些人。
这当然是一场生产率革命，但问题也慢慢暴露出来。
程序员开始担心饭碗，客服、设计、运营不断被AI改造；与此同时，真正做大模型的公司自己，却还没有从这场效率革命里赚到足够的钱。
The Information披露的内部预测显示，Anthropic预计2026年亏损约110亿美元，2027年仍将亏损约85亿美元，预计到2028年才实现现金流转正；2026年至2029年的模型训练成本，内部预计可能超过1000亿美元。
OpenAI烧得更多。2026年一季度，公司收入约57亿美元，现金消耗37亿美元，仅一个季度的营业亏损约93亿美元。净亏损，更是超过213亿美元。
一边是人被AI替代，一边是AI公司还在继续亏钱。
于是，过去两年的AI竞赛于是出现了一个有些讽刺的局面。办公效率提高了，算力需求爆发了，GPU、存储、数据中心先赚到了钱；而站在最前面的模型公司，还在寻找能够承载这些算力成本的商业场景。
现在Anthropic开始带领Claude开辟另一个赛道。
路透社近期确认，公司已经在旧金山湾区建立实体湿实验室，开始进行真实的生物学实验。Anthropic生命科学负责人Eric表示，生物学最终还是要把答案交给实验。公司既会在自己的设施里开展实验，也会交给外部合作伙伴，并探索让Claude参与控制实验机器人，把模型提出的假设交给物理世界。
Claude走进湿实验室之后，大模型与生命科学的结合，开始指向一个比效率更远的目标。
人类制造工具，是为了节省时间；研究生命，则是为了把时间本身延长。
当AI开始介入疾病、衰老和生命机制，它面对的就不只是成本和效率，而是人类延续了几千年的愿望：少一点疾病，晚一点衰老，把健康的生命再往后延长。
“永生”今天仍然属于想象，但如果技术终有一天能够不断推迟疾病和衰老，那么AI最值得期待的终点，或许不是替人工作，而是帮助人类向生命的极限再往前走一步。
01
AI卷了两年，战场仅局限于办公室
过去两年的AI竞赛，看起来每天都在改变世界。但把应用场景摊开，战场并没有走多远。
微软把Copilot塞进Office，Google把Gemini放进Workspace，腾讯做WorkBuddy和CodeBuddy，阿里推出千问办公，各家公司又把Agent接进客服、广告、设计、编程和企业流程。
大家争来争去，解决的还是同一件事，让一个人干更多人的活。
程序员写代码慢，就让AI写；客服成本高，就让Agent接电话；设计师一天做三张图，就想办法让他做三十张。一家公司过去需要十个人完成的工作，AI来了以后，希望留下六个、五个，甚至三个。
裁员也随之发生。
路透社今年统计，仅科技行业美国已有约12万个岗位被裁，包括Meta、Amazon等公司；微软、汇丰、渣打等企业也都曾把AI应用列入人员调整的背景。不过招聘机构Adecco提醒，不能把所有裁员都算到AI头上，企业重组和经营压力同样存在。可以确定的是，AI已经开始首先冲击客服、初级程序员、后台运营等标准化岗位。
问题也从这里冒出来了。
员工在被替代，企业却还在为AI交学费。2026年的几张财报，这种反差已经写进了数字。
腾讯二季度收入2048亿元，同比增长11%，毛利1184亿元，同比增长13%。而资本开支达到528亿元，同比增长176%；自由现金流转为负138亿元。
公司明确表示，开支包括为混元模型、WorkBuddy、CodeBuddy、微信AI以及云业务采购算力。更值得注意的是，腾讯自己披露，新AI产品拖累了约105亿元非国际财务报告准则经营利润；剔除这些新AI产品后，经营利润同比增幅会从9%提高到19%。
换句话说，AI已经在帮助腾讯卖广告、卖云，也已经开始赚钱，但建设下一代AI的账单比收入跑得更快。
阿里的账更直观。2026年第二季度，阿里收入2689.53亿元，同比增长9%，但经营利润下降57%，净利润下降75%。阿里给出的解释里，科技投入就是原因之一，并且部分科技投入已经被云业务经营改善和其他业务效率提升所抵消。如果没有云业务做抵消，那亏的更多。
同一个季度，阿里资本开支达到676.78亿元，同比增长75%，开支主要用于AI基础设施。
小米也一样。今年二季度研发费用从78亿元增加到92亿元，同比增长18.9%，公司明确提到AI基础设施投入增加。同时，小米“智能汽车、AI及其他新业务”的毛利率从去年同期26.4%下降到19.2%。这里面既有车型结构、零部件成本的影响，也包括AI业务成本上升，不能全部算在大模型头上。
美团二季度研发投入也达到77亿元，同比增长22.5%，占收入7.3%。它同样在把AI塞进零售、商家经营和内部工作流。
于是一个问题越来越难绕过去，这场AI竞赛，到底是谁先赚到了钱？
至少到现在，答案并不是做大模型的人，也不是第一批开展AI竞赛的公司。
Anthropic的收入正在增长，但路透Breakingviews今年8月仍将Anthropic描述为尚未盈利的公司；它和OpenAI都需要持续购买芯片、云计算和数据中心资源。
更关键的是，The Information获得的OpenAI财务预测显示，2026年全年OpenAI现金消耗预计约250亿美元；2027年可能进一步达到570亿美元。2026至2030年累计负自由现金流可能达到2780亿美元，主要用于算力和基础设施。
可当应用公司还在讨论订阅费、Agent收费和企业席位时，卖铲子的人已经先把订单拿走。
今年第二财季，卖DRAM、HBM和数据中心内存的美光，收入238.6亿美元，而去年同期只有80.5亿美元；毛利率从36.8%升到74.4%，净利润达到137.9亿美元。
同样的事情，也正在中国发生。
今年7月上市的长鑫科技，旗下核心经营主体就包括长鑫存储。2026年上半年，公司实现营业收入1503.10亿元，同比增长873.64%；归母净利润达到776.05亿元，上年同期还处于亏损状态；经营活动现金流净额达到1311.56亿元，同比增长2985.64%。
长鑫科技在半年报中把原因写得很直接：AI算力需求增长叠加全球DRAM厂商产能调配，DRAM供给趋紧，价格上涨，公司产销规模和产能利用率同步提升。
另一边，卖AI算力芯片的寒武纪也开始跨过盈利门槛。
2026年上半年，寒武纪实现营业收入59.96亿元，同比增长108.13%；归母净利润23.11亿元，同比增长122.61%，半年利润已经超过2025年全年20.59亿元的归母净利润。同期公司毛利率为55.25%，研发费用7.02亿元，同比增长29.63%。
一个卖存储，一个卖AI芯片。业务不同，吃到的却是同一笔钱，即互联网公司和大模型公司不断往算力基础设施里砸下去的资本开支。
这可能是过去两年AI产业最具反差的一幕。办公室里的程序员开始担心自己的饭碗、互联网公司开始一年几百亿元往AI里面投、模型公司为了追下一代模型继续买算力。而这场战争里，最先把利润装进口袋的，是GPU、HBM、DRAM、服务器和数据中心。
所有人都在讨论AI怎么淘金，只有卖铲子的人先赚到了钱。
问题不在于办公AI没有价值。而是人类投入如此多资本之后，如果最后得到的答案只是少几个客服、几个程序员。
可AI真正的价值，仍然被锁在劳动生产率这张报表里。
02
大模型开始换战场
这并不是Anthropic一家公司的兴趣转移，OpenAI已经先一步走到AI医药旁边。
今年4月，OpenAI推出GPT-Rosalind，专门用于生物学、药物发现和转化医学，覆盖药物化学、蛋白工程、基因组学和实验工作流。
更早之前，OpenAI已经和Red Queen Bio做真实湿实验。
GPT-5负责提出分子克隆实验改进方案，人类在实验室执行。OpenAI公布的结果显示，模型设计的方案将一项分子克隆流程的效率提高了79倍。
Google在这一领域研究得更深。DeepMind做出AlphaFold之后，Alphabet在2021年成立Isomorphic Labs，把AI从蛋白结构预测继续往药物设计推进。
2025年，Isomorphic Labs获得6亿美元首轮外部融资；今年，公司仍在推进药物项目进入临床，不过首个临床试验时间已经推迟到2026年底。
这股转向也不是美国科技公司的独角戏。中国的大厂已经沿着不同路线往同一个方向挤。
先看华为，其走的是“算力底座+药研平台”。
盘古药物分子大模型早已进入分子生成、属性预测、生物活性预测和分子优化等药物发现环节。到了2026年3月，华为又联合望石智慧、华鲲振宇发布AI药研解决方案，把昇腾算力、小分子研发平台和药企真实场景接在一起，希望覆盖从苗头化合物发现到临床前优化。8月，华为医疗业务负责人进一步表示，公司计划扩大与国内药企的AI合作，把范围推进到药物研发和临床实践。
腾讯走的是另一条路。
它的云深iDrug已经把AI、腾讯云和量子计算能力接进临床前新药发现，覆盖小分子和大分子药物，包括虚拟筛选、药物分子生成、成药性预测和抗体优化。腾讯自己披露，iDrug已经与多家生物医药企业开展商业合作，并采用干湿实验结合的方式验证模型结果。
相比前两家，字节跳动的动静似乎也更大。
今年，字节把内部AI制药业务拆分成Anew Labs。9月完成2.9亿美元首轮外部融资，投后估值15亿美元，字节融资后仍持有56%。这家公司已经拥有生物分子结构预测、抗体设计和药物发现平台，并直接推进自己的药物管线。
一个提供算力和药研平台，一个卖AI药物发现服务，一个开始自己做管线。
路线不同，但都指向同一个方向：中国互联网和科技巨头，也不满足于让AI继续困在搜索框、办公软件和广告系统里。
原因也不难理解。过去的办公AI主要替企业省工时、提升效率；进入药物研发以后，效率可以让一个靶点少走几年弯路、少筛几轮错误分子、减少一次临床失败，背后对应的是节省几年时间和数亿元研发投入。
所以药企开始愿意为这类能力付钱。9月16日，诺和诺德宣布与Anthropic合作使用Claude加速药物发现；早在4月，诺华CEO Vas Narasimhan已加入Anthropic董事会。
过去几年市场反复讨论的GPU、HBM、服务器和数据中心，这些更像是AI赛道里的高速公路，是提升效率的基础建设。
现在大模型竞赛已经明显出现了重新调整的信号。未来的AI竞赛该前往哪里，至少生命科学已经提前给出下一个目的地。
03
下一场AI战争，可能不只争GPU
走进生命科学之后，所有的AI大模型面对的是一套和办公室完全不同的规则。
在数字世界里，模型可以同时生成一万段代码、一万份报告、一万个方案。但到了实验室，一万个假设最终都要落到分子、蛋白、细胞和动物身上，一个个接受验证。
算得快，不等于做得出来。预测得准，也不等于药能成。
所以AI进入生命科学之后，竞争开始从单纯的模型能力，延伸到另一种能力：谁能把计算世界里的假设，更快地交给现实世界验证，再把现实产生的结果送回模型。
一些AI制药公司已经提前走到这里。
美国Recursion把自己的体系称为“湿实验室和干实验室进入闭环”，即模型预测，自动化实验室执行，结果重新进入模型。
公司披露，其平台每周最多进行约200万次实验，并由此建立超过50PB的专有数据。
insitro现在甚至直接把自己的平台称作“物理世界里的AI闭环”。它用自动化实验室制造细胞和表型数据，再交给机器学习模型寻找疾病机制，模型提出下一轮问题，实验室继续产生数据。
中国也已经出现同一路线。
晶泰科技最早做晶型预测，之后把业务延伸到小分子、抗体、肽和其他生物药，并建设机器人实验室。
它把AI作为“大脑”，负责预测和实验设计；机器人作为“手”，完成实验执行，再把结果重新送回模型，形成干湿实验循环。公司披露，其机器人实验平台已经能够7×24小时运行。
Anthropic现在走进湿实验室，本质上也绕不开这条路。Claude可以读遍论文，可以整理数据库，可以在几分钟内给出一批实验方案。但生命科学。必须由生命本身给出答案。
这也让AI的竞争逻辑开始发生变化。下一轮AI竞争。未必比拼谁有更多GPU、更多的模型参数。而是谁能提出问题，谁能做实验，谁能拥有别人没有的数据。
因为互联网的数据终究是有限的。论文可以共同阅读，公共数据库可以共同训练，公开知识迟早会被模型学完。但一家公司做过的十万次失败实验，不会自动出现在竞争对手的训练集里。
模型提出一个假设，机器人完成实验，结果回到模型，模型再设计下一轮实验。循环一旦跑起来，实验室就不再只是药企的一间房子，而是AI的数据工厂。
这也是为什么Anthropic走进湿实验室，比再发布一个办公Agent更能引发全世界关注，并能掀起创新药、AI+医疗股的爆发。
过去两年，全世界最有实力的公司都在研究AI如何取代程序员、设计师、客服和白领，这条路或许没有跑偏。但如果花费数千亿美元训练出的人工智能，最后只是为了回答“还能少雇多少人”未免太肤浅。
比起替代多少人，AI更思考的是它能把人类带到有多高、有多远......
当AI开始从“替代劳动”转向“理解生命”和“造福生命”，商业化讨论的价值高度，也会随之改变。