编辑封面基于Multiply Labs公司照片制作；正文使用官网原始照片。

Chunyu Capital & AI｜春雨·资本与未来
Chunyu Zhang｜张春雨

2026年10月15日

AI找到药以后，谁来把药造出来？

Multiply Labs融资7500万美元，生物制造值得重新看一遍

春雨｜资本与未来

过去几年，AI制药最吸引眼球的问题是：模型能不能发现新靶点、设计新分子、缩短研发时间？

但作为一名长期关注医疗产业的投资人，我越来越在意后面的问题：

即使找到了一种好药，我们能不能稳定地生产出来，让患者真正用得上？

10月6日，旧金山机器人公司Multiply Labs宣布完成7500万美元B轮融资，由Patrick Soon-Shiong及其NantWorks领投，阿斯利康、Teradyne、Lingotto等参与。这家2016年成立、出自Y Combinator的公司，累计融资已超过1亿美元。融资公告

这笔融资让我关注的，不只是机器人进入制药行业，而是一个更大的变化：

当发现端越来越快，制造端的能力，可能成为决定创新价值能否兑现的关键。

一｜药物发现的进步，不会自动变成制造能力

一种疗法从实验室走到患者身边，需要的不只是科学发现。

它还需要稳定的工艺、合格的原材料、一致的产品质量，以及能够持续交付的生产体系。

尤其对于细胞与基因治疗，生产面对的是复杂的生物过程。相同的操作，由不同人员、在不同时间完成，都可能引入差异。

因此，制造不只是研发结束后的执行环节。它会影响一种疗法能否扩大供应、控制成本，以及形成可持续的商业模式。

我的判断是：AI可能提高发现机会的效率，但不会自动解决把机会变成产品的问题。

研发越快，越需要重新审视后面的承接能力。

二｜Multiply Labs更有意思的地方，是它如何进入药厂

Multiply Labs的路径，是用机器人集群连接药企现有仪器，承担生产流程中的重复操作。设备由药企自己拥有和运营，而不是把生产全部交给一家外包工厂。公司公告

我认为，这是一项值得研究的商业选择。

对药企来说，引入新技术的成本，不只是设备报价。还包括工艺适配、人员培训、质量体系衔接，以及生产中断的风险。

因此，一家公司能否进入真实生产环境，取决于它能否回答：

你带来的改善，是否足以覆盖采用你的成本？

围绕既有仪器和流程做自动化，可能降低迁移难度。但“尽量保留原工艺”，并不等于引入机器人以后无需验证。FDA的工艺验证框架强调，从工艺设计、确认到商业生产中的持续核查，都需要证据支持。FDA工艺验证原则

真正难的，是让自动化进入生产体系后，仍然保持可控、可追溯和可重复。

Multiply Labs官网公开设备照片：机器人集群内部。图片版权归Multiply Labs所有；用于本文相关产品分析，非作者现场拍摄。图片来源

三｜为什么药企既合作，又投资？

这轮融资中，我特别关注阿斯利康。

双方早在2026年1月就宣布合作，评估机器人系统用于商业规模细胞治疗制造的潜力。现在，阿斯利康又进入投资人名单。这里需要区分：评估合作与入股，都不能直接证明大规模采购已经完成。合作公告，2026年1月27日

但从产业角度看，这种关系仍然有意义。

采购解决的是眼前需求；股权投资还可能让产业方参与技术路线、产品开发和长期合作。

如果一种制造技术未来会影响产能和供应，药企就有理由提前了解、测试，甚至通过投资参与其中。

这是我的分析，并非阿斯利康披露的投资动机。

对于投资人，产业资本入场是一个值得重视的信号。但下一步仍要看：合作是否转成订单，试点是否转成复购，设备是否进入持续生产。

股东名单能帮助我们发现方向，客户行为才能帮助我们验证价值。

四｜比“降本74%”更重要的，是成本怎么算

公司产品页宣称，单剂成本可降低74%，单位面积吞吐量最高提高到100倍。这些是公司披露的性能口径，不能理解为所有药品、所有工厂都能取得同样结果。尤其“100倍”，不能写成所有生产步骤都快100倍。产品及性能口径

如果我研究这家公司，会继续追问：

这些结果对应什么疗法、什么工艺？基准是什么？成本是否包含设备折旧、耗材、维护和验证？提高产量以后，批次质量是否仍然稳定？

我更关心的指标，是：

每单位总投入，最终能交付多少符合质量要求的产品。

机器人运行得更快，如果质量放行、原材料或下游步骤仍然受限，整个生产系统未必同步提速。

Multiply Labs官网公开照片：操作人员使用流程控制系统。图片版权归Multiply Labs所有；用于说明生产执行与操作界面的关系。图片来源

五｜对中国企业的启示：先找到值得自动化的那一步

这也是我看中国医疗制造与实验室机器人企业时，会带着的问题。

不同公司的场景差异很大：科研实验室、生物药生产和医疗器械制造，不能直接画等号。

但它们有一个共同的经营问题：哪些重复工作既影响成本，又影响质量，而且有足够清晰的输入和输出？

对一家已有客户、工艺经验和质量体系的制造企业，我不会先建议建设一座宏大的“无人智能工厂”。

我会先找一个具体环节：

人工耗时是否足够高？偏差是否经常发生？自动化以后，能否用数据证明改善？这一方案能否在第二条线、第二个客户那里复制？

第一项价值，不是多了一台机器人。

而是把依赖熟练人员的操作，逐步转成可以记录、验证和复制的能力。

六｜春雨的判断：制造能力，也是创新资产的一部分

做医疗投资近二十年，我越来越不愿意把技术、制造和商业化分开看。

一项技术有潜力，不等于已经形成产品；形成产品，也不等于能够稳定供应。

Multiply Labs值得关注，是因为它试图承接这段距离。但它仍需要证明：复杂项目能否逐步标准化，交付成本能否下降，客户扩张能否带来持续收益。

制造过程中积累的数据也不天然属于设备商。数据权利、跨客户使用权限和质量责任，都会影响平台究竟能形成多大的壁垒。

对创业者、企业和投资人，我有三个具体建议：

第一，锁定一个真实瓶颈，先做小范围验证。 选择一个同时影响交付周期、批次一致性或人员成本的具体工序，记录当前人工时长、错误率、等待时间和合格产出，再用一个可控试点验证自动化是否真正改善结果。

第二，按“合格产品成本”而不是设备价格做完整测算。 把设备采购、工艺改造、验证、培训、维护、耗材、停机和质量放行等费用全部纳入模型，并连续跟踪至少一个完整生产周期，确认节省的是总成本，而不是把成本转移到了别的环节。

第三，把一次演示推进成可复制的商业证据。 明确试点转订单、订单转复购的时间表和指标，持续观察设备在真实生产中的运行时间、批次合格率、客户续购率，并在第二条产线或第二个客户现场复现结果。

真正值得下注的，不只是能发现新药的技术，而是能把新药稳定、合规、低成本地交付给患者的系统能力。

AI4Science的价值，最终需要经过实验、工艺和制造，才能抵达患者。

本文基于公开资料，供产业研究与交流，不构成证券买卖建议。公司披露的性能指标仍需结合具体工艺和实际部署验证。