AI能改變生技股敍事嗎？
「AI 將顛覆生物科技，治癒癌症。」
過去幾週在市場，有一個有趣的現象：那些原本漲上天的 AI 硬體股（晶片、伺服器）突然不太動了。
技術還是在不斷發展，問題在於該講的宏大敘事都講得差不多了。市場需要休息，龐大的資金也感到「無聊」，它們必須找到下一個去處。
就在這個時候，8 月 19 日，Moderna 宣布了癌症疫苗三期成功的歷史性消息。
於是，一個完美的新敘事誕生了：「生物科技是最佳的AI受益股」
這個敘事聽起來極其合理，甚至讓人熱血沸騰。不是不對，但也不完全是對的。
要看懂接下來生技股的投資邏輯，避免買在敘事最高點，我們必須先拆解一個核心問題：
AI 到底在生技產業裡，扮演的是「發明家」，還是「工程師」？
▋ 第一種：AI 作為「發明家」（幫忙研發新藥）
這是媒體最喜歡的故事：AI 能在極短時間內，運算出能消滅癌細胞的全新藥物結構。
現實的數據比較微妙。過去兩年，AI 設計出的分子在第一期臨床的成功率大約在八到九成，明顯高於傳統研發的約五成。這說明 AI 確實更擅長做出「像藥的分子」。
但到了第二期，成功率掉回大約四成，跟傳統研發差不多。
原因在於，電腦可以精準預測分子的結構，卻無法完全模擬它進入人體後，肝臟如何代謝、免疫系統如何反應。人體是一個高度複雜的混沌生態系。
換句話說，AI 目前比較會做「看起來像藥的東西」，但還沒有證明能穩定降低「進了人體後到底有沒有效」這層失敗。
▋ 角色二：AI 作為「工程師」（優化與加速流程 / Engineering）
這才是 Moderna 這次成功的關鍵。
一位黑色素瘤患者的腫瘤中，可能有數千種基因突變。Moderna 的演算法必須判斷：哪些突變最可能被這個病人的免疫系統呈遞、最可能激發 T 細胞攻擊。這本身是一種「在已知機制裡做篩選性發現」。
同一條產線，如果選錯了 34 個目標，做出來的疫苗就是廢的。 所以演算法的品質，直接決定了臨床成敗。
但關鍵在於，這件事的科學基礎是已知的（新抗原、免疫檢查點、mRNA 遞送），瓶頸不在於「發現新機制」，而在於時間。
過去若仰賴人類科學家比對，可能需要好幾個月，而且準確度參差不齊。
Moderna 的 AI 演算法，能在短時間內從龐大的數據中，精準篩選出最關鍵的 34 個基因特徵，轉化為 mRNA 序列並送交製造。
它把「幾個月的人工比對」壓縮成「幾天的自動化篩選」，讓整個流程在臨床窗口內變得可行。
▋ 真正的商業突破：從「手工藝」走向「規模化生產」
因此，Moderna 這次的里程碑，證實的核心在於：「為每位病患量身定制的個人化藥物，已經有能力在幾週內穩定交貨」，而非單純的「AI 能造藥」。
這正是這門生意真正的含金量。當 AI 解決了「時間」與「規模」的瓶頸，生技業的商業模式也隨之改變：
傳統藥廠最大的風險是「專利懸崖」，一旦專利到期，利潤就會被廉價的學名藥侵蝕。
但個人化藥物因為每個人的配方都不同，目前學名藥廠沒有標準答案可以抄襲。
真正的護城河，變成了一整套系統：GMP 一人一批的產能網絡、檢體冷鏈物流、隨臨床數據不斷自我迭代的演算法、以及跟 Keytruda 深度綁定的治療路徑。
▋ 投資人的篩選標準
未來當我們看到「AI 醫療」的相關標的時，可以先問一個問題：這家公司的核心業務是 Discovery（發明），還是 Engineering（工程）？
- 若公司主要訴求是透過 AI 「發明」全新結構的藥物，在實際臨床數據出爐前，應抱持保守態度。
- 若公司是運用 AI 來優化篩選流程、壓縮等待時間，並讓「客製化藥物」具備規模量產的能力，這類企業才真正具備將技術轉化為穩定現金流的潛力。
當然，這套商業模式最大的挑戰，是單劑製造成本依然極高。
最後能否帶來實質獲利，關鍵不在於 AI 模型有多先進，而是取決於後端工廠的產能、良率，以及成本曲線能不能隨著時間降下來。
當市場資金因為「AI 敘事」大量湧入生技板塊時，我們必須看清：誰真正掌握了這套交貨系統的核心？誰又只是跟風炒作？
生技對大多數人來說是一個陌生的領域。術語艱澀、數據複雜、失敗率高得驚人，很多人看到新聞熱一下就過去了，根本不知道從哪裡下手。
我在最新一期的深入分析中，把這條產業鏈徹底拆解了一遍。
不講複雜的估值模型，但看完後你會理解這次癌症疫苗突破真正的底層邏輯。
- KP