AI基础设施2026-06-18

截至2026-06-18，我支持前序研究的方向：AI驱动药物研发不再只是软件提效叙事，而是在转化为高性能GPU、高密度机柜、高速互联、科学数据平台以及电力保障型数据中心容量的长期需求来源。关键投资判断在于规模边界：AIDD本身不是 hyperscaler capex 的最大驱动，但它能提升需求质量和持续性，因为它把高价值企业、主权科研和生物医药工作负载接入了同一套 AI factory 基础设施。

核心判断

AIDD通过四层工作负载传导至算力。第一，生物基础模型和结构模型需要在蛋白、基因组、化学、影像、文献和实验数据上训练及微调；AlphaFold 3采用 diffusion-based architecture，可预测蛋白、核酸、小分子、离子和修饰残基等复合物的联合结构 [S3]。第二，随着湿实验室大规模筛选靶点、化合物和蛋白设计，推理需求会扩大；AlphaFold DB已经开放超过200 million个蛋白结构预测 [S4]。第三，药企部署正在把模型输出与专有数据和实验室自动化连接起来，NVIDIA在2026年1月扩展BioNeMo时提到 Lilly、Thermo Fisher、Chai Discovery、Basecamp Research、Boltz 等生态合作方 [S9]。第四，临床开发智能体和软件把需求延伸到发现阶段之后；Sanofi、Formation Bio 和 OpenAI 在2024-05-21宣布，将在药物开发生命周期中结合数据、软件和 tuned models [S19]。

临床证据仍处早期，但正在增强。Insilico 的 rentosertib 研究发表于 Nature Medicine，报告了一项针对特发性肺纤维化的 phase 2a、多中心、双盲、随机、安慰剂对照试验，药物为 first-in-class、AI-generated TNIK inhibitor [S2]。Isomorphic Labs 在2026年5月 Series B 融资中新增 $2.1 billion，用于扩展其 AI drug-design engine 和候选药物管线 [S1]。这些信号不能立即证明AIDD会系统性提高全行业药物研发产出率，但它们说明资本正在从概念验证转向需要持续算力的平台化建设。

向GPU和数据中心的传导

最直接的传导路径是专用科学AI基础设施。Recursion 的 BioHive-2 是清晰样本：NVIDIA称其为 DGX SuperPOD，包含504块H100 GPU、Quantum-2 InfiniBand，并提供2 exaflops AI性能 [S5]。丹麦 Gefion 是第二种样本：Novo Nordisk Foundation披露，DCAI系统获得DKK 600 million资助，使用1,528块NVIDIA H100 GPU，面向包括制药、生物科技和蛋白设计在内的大规模AI项目 [S6]。随后 Novo Nordisk 通过多年协议成为 Gefion 客户，NVIDIA称相关工作覆盖定制模型、agents、single-cell models、drug-like molecule design 和 biomedical large language models [S7]。

第二条路径是云和预留容量需求。多数药企不会自建 hyperscaler 级别集群，但会购买GPU集群、主权AI中心或AI云伙伴的确定性访问能力。Recursion 与 Roche/Genentech 的合作自2022年以来已生产超过1 trillion个 hiPSC-derived neuronal cells，交付6个 phenomaps，收到50 million upfront payment，并且每个成功开发及商业化的项目可能为Recursion带来超过$300 million里程碑付款 [S8]。这种数据和合作结构更像重复训练、验证和推理，而不是一次性模型运行。

第三条路径是基础设施组合。H100 SXM GPU 的 configurable TDP 最高为700W [S17]。因此，一个BioHive-2规模的504块H100部署，仅GPU板卡TDP就约为0.353MW，不含CPU、网络、存储、冷却、冗余和利用率影响 [S5][S17][自测算: 504 x 700W = 352,800W]。如果把同样504块GPU数量映射到GB200 NVL72 rack-scale infrastructure，则需要7个机柜，每柜72块GPU，机柜功率合计约0.84MW，且尚未计入机房级PUE开销 [S18][自测算: 504 / 72 = 7; 7 x 120kW = 840kW]。保守假设25个头部药企、techbio和主权科研生态各运行一个Recursion级别等效集群，则对应12,600块H100级GPU、8.82MW GPU板卡TDP，或按同一简单等效方法约21.0MW GB200 NVL72机柜功率 [S5][S17][S18][自测算: 25 x 504 = 12,600; 12,600 x 700W = 8.82MW; 25 x 0.84MW = 21.0MW]。这相对 hyperscaler 园区不大，但对企业级HPC已经很可观，而且工作负载专业、复用率高、替代性较低。

资本开支含义

hyperscaler capex 已经证明AI基础设施正在从周期性服务器更新转向长期容量争夺。Microsoft称 FY2026 Q3 capital expenditures 为$31.9 billion，其中约三分之二为短寿命资产，主要是GPU和CPU [S11]。Alphabet在Q1 2026资本开支为$35.7 billion，并称2026年将相较2025年显著增加 technical infrastructure 投资，包括服务器、网络设备和数据中心 [S12]。Meta将2026年资本开支指引，包括 finance-lease principal payments，上调至25-145 billion，高于此前15-135 billion，原因包括更高组件价格和额外数据中心成本 [S13]。Amazon的Q1 2026公告显示，当季 property-and-equipment purchases 为$44.203 billion，过去12个月净 property-and-equipment purchases 同比增加$59.3 billion，主要反映AI投资 [S14]。NVIDIA截至2026-04-26的Q1 FY2027季度收入达到$81.6 billion，同比增长85%，仍处于同一轮AI基础设施周期 [S10]。

对AIDD而言，重点不是医药行业单独承担下一轮万亿美元AI资本开支，而是生命科学需求验证了AI factory在消费者聊天和代码工作负载之外的使用场景。生物模型需要加速器、高带宽内存、低延迟网络、大容量存储、安全数据治理、流程软件，以及与自动化实验室的连接。这套栈在云端资本开支很重，在药企、techbio、主权AI和托管数据中心环境中也越来越资本密集。

瓶颈与投资映射

电力是最硬约束。IEA base case预计全球数据中心用电量到2030年翻倍至约945TWh，接近全球总用电量的3%；accelerated-server electricity consumption 年增速为30%，并贡献全球数据中心用电净增量的近一半 [S15]。EPRI更新后的美国情景预计，到2030年数据中心将消耗美国9-17%的电力，高于当前4-5%；美国 nominal IT capacity 到2030年达到56-132GW，而2024年为35-44GW [S16]。Alphabet也披露，扩张技术基础设施越来越受到 power、water 和 land 的制约，全球能源供给因AI compute用电需求上升而受限 [S12]。

因此，可投资链条不止GPU。第一层受益者是 accelerator vendors、HBM、advanced packaging、networking、liquid-cooling components、server ODMs 和 AI-cloud capacity providers。第二层受益者是 grid interconnection、gas turbines、substations、transformers、power-management equipment、renewable PPAs，以及已锁定电力的数据中心托管平台。需要负面筛选的是电力密度不足的企业数据中心：AIDD工作负载可能从云端起步，但湿实验数据、受监管健康数据和知识产权控制会推动部分客户走向 private 或 sovereign clusters，而这只有在电力密度和冷却能力已解决的地点才可行。

支持判断的风险

临床验证仍是最大不确定性。phase 2a信号不是商业化药物批准，药物开发在早期临床之后仍有高淘汰率 [S2]。如果AI设计分子不能体现差异化成功率，药企可能只把AIDD视为效率工具，而非战略算力平台。

第二个风险是模型效率。更好的算法、更小的专用模型和定制推理芯片会降低单次实验的GPU强度。不过在科学工作负载中，效率提升往往会扩大实验数量，而不是降低总算力，尤其是 lab-in-the-loop 系统持续产生更多假设和专有数据时。

第三个风险是基础设施节奏。GPU供应、HBM可得性、液冷改造、许可审批和电网接入都会延后容量，即使需求真实存在。因此最强的capex信号不只是GPU订单，而是GPU、电力已锁定的数据中心站点、长期租约和科学工作流锁定的组合。

交接

建议下一位分析师：semiconductors-analyst [primary]。下一步未解问题是：AIDD带来的增量需求是否会改变AI硬件栈中的半导体暴露，包括H100/Blackwell级GPU、HBM、先进封装、networking ASICs和国产替代标的。触发条件：本报告片提出的是具体芯片供应链问题，而不是泛泛的行业观点。

元数据页脚

工作日期：2026-06-18，Asia/Singapore。共享工作区说明：brief中列出的live files在本次运行的工作区内缺失，因此本报告片使用用户提供的 Session Brief Snapshot 和上文引用资料完成。

资料来源 / Sources

[S1] Isomorphic Labs, "Isomorphic Labs announces Series B investment round" — https://www.isomorphiclabs.com/articles/isomorphic-labs-announces-series-b-investment-round

[S2] Nature Medicine, "A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial" — https://www.nature.com/articles/s41591-025-03743-2

[S3] Nature, "Accurate structure prediction of biomolecular interactions with AlphaFold 3" — https://www.nature.com/articles/s41586-024-07487-w

[S4] EMBL-EBI / Google DeepMind, "AlphaFold Protein Structure Database" — https://alphafold.ebi.ac.uk/

[S5] NVIDIA Blog, "Drug Discovery, STAT! NVIDIA, Recursion Speed Pharma R&D With AI Supercomputer" — https://blogs.nvidia.com/blog/drug-discovery-recursion-supercomputer/

[S6] Novo Nordisk Foundation, "Danish Centre for AI Innovation" — https://novonordiskfonden.dk/en/projects/danish-centre-for-ai-innovation/

[S7] NVIDIA Newsroom, "NVIDIA Partners With Novo Nordisk and DCAI to Advance Drug Discovery" — https://nvidianews.nvidia.com/news/nvidia-partners-with-novo-nordisk-and-dcai-to-advance-drug-discovery

[S8] Recursion, "Partners" — https://www.recursion.com/partners

[S9] NVIDIA Investor Relations, "NVIDIA BioNeMo Platform Adopted by Life Sciences Leaders to Accelerate AI-Driven Drug Discovery" — https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-BioNeMo-Platform-Adopted-by-Life-Sciences-Leaders-to-Accelerate-AI-Driven-Drug-Discovery/default.aspx

[S10] NVIDIA Newsroom, "NVIDIA Announces Financial Results for First Quarter Fiscal 2027" — https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-first-quarter-fiscal-2027

[S11] Microsoft Investor Relations, "Microsoft Fiscal Year 2026 Third Quarter Earnings Conference Call" — https://www.microsoft.com/en-us/investor/events/fy-2026/earnings-fy-2026-q3

[S12] Alphabet, "GOOG 10-Q Q1 2026" — https://s206.q4cdn.com/479360582/files/doc_financials/2026/q1/GOOG-10-Q-Q1-2026.pdf

[S13] Meta Platforms, "Meta Reports First Quarter 2026 Results" — https://s21.q4cdn.com/399680738/files/doc_financials/2026/q1/Meta-03-31-2026-Exhibit-99-1_final.pdf

[S14] Amazon Investor Relations, "Amazon.com Announces First Quarter Results" — https://ir.aboutamazon.com/news-release/news-release-details/2026/Amazon-com-Announces-First-Quarter-Results/default.aspx

[S15] International Energy Agency, "Energy demand from AI" — https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

[S16] Electric Power Research Institute, "Powering Intelligence: Updated U.S. Data Center Scenarios" — https://restservice.epri.com/publicattachment/97025

[S17] NVIDIA, "H100 GPU" — https://www.nvidia.com/en-us/data-center/h100/

[S18] NVIDIA Docs, "Hardware - NVIDIA DGX GB Rack Scale Systems User Guide" — https://docs.nvidia.com/dgx/dgxgb200-user-guide/hardware.html

[S19] Sanofi, "Sanofi, Formation Bio and OpenAI announce first-in-class AI collaboration" — https://www.sanofi.com/en/media-room/press-releases/2024/2024-05-21-05-30-00-2885244