Moderna的癌症疫苗成功，为什么让华大智造“躺赢”了？

一个超常规的成功故事，正在唤醒一条产业链的奇迹。

8月19日，Moderna与默沙东联合宣布，个体化mRNA肿瘤疫苗intismeran autogene联合帕博利珠单抗，在黑色素瘤患者的无复发生存期上达到主要终点。这是全球第一个走完III期验证的个体化癌症疫苗。

简单来说，未来这个病症将有望靠“一人一药打疫苗”的方式治疗，且有可能将类似方法复制到其他疾病领域。

因此，个体化疫苗的成功，验证的是一人一药这种全新制药范式在大规模临床中的可行性。而任何一种生产范式的切换，都会重新定义整条产业链的价值分布。这则消息推动A股大量生物医药公司股价大涨，有一道工序被推到了制药流程的最前端：基因测序。

从科学流程来看，每一位患者的疫苗，都始于对其肿瘤样本的基因解读。测序仪读出的碱基序列，很多时候是后续所有环节——包括但不限于新抗原筛选、mRNA序列设计、制剂生产——的重要“图纸”。测序，才能让药更精准。

而当原本的诊断工具变成制药起点，它所蕴含的市场预期也就变了。正因为如此，在mRNA技术平台之外，掌握基因测序相关技术，且正在转型为“全链条生命科技工具平台”的华大智造，也迎来了高光时刻。

一、“一人一药”的世界，需要一张完整的基因图纸

众所周知，传统药物的生产方式，是设计一次，复制千万份，主要针对人类共性的靶点或者生理机制。而个体化疫苗的生产方式，相当于每一位患者单独设计一次，这就需要对患者肿瘤基因组的解读。

而这个新的解读任务，则包含几个可能的步骤：

第一步是测序，比对肿瘤组织和正常组织的基因序列，找出肿瘤特有的突变。第二步是筛选，从成千上万个突变中挑出最可能被免疫系统识别的新抗原。第三步是合成，把新抗原信息编码成mRNA序列并制备成疫苗。

这三步里的后两步，本质上都是计算问题和制造问题，依赖的是AI算法和合成工艺的持续进化，Moderna便是利用深度整合的AI算法从海量突变中挑选出最多34个最具免疫杀伤威力的“新抗原”，而后编写mRNA序列。而第一步的数据采集问题，其实显著影响后续计算的输入质量。

所以，市场有了一则思考：什么样的测序能力，才能支撑“一人一药”的规模化落地？

肿瘤突变图谱的完整性，直接决定新抗原筛选的质量。如果测序只能捕获单碱基突变和小片段的插入缺失，那么由结构变异、基因融合、大片段重排所编码的新抗原就会被漏掉。这些被漏掉的新抗原，可能就是免疫系统本可以识别的那部分。

这就好比一份通缉令上只画了一半嫌疑人的特征——免疫系统拿着残缺的线索，抓捕效率必然打折。

而行业对这个问题给出的答案，就是“短读长”和“长读长”的组合使用。“短读长”测序负责高通量、低成本地扫描点突变，这是新抗原的主要来源；“长读长”测序负责识别复杂结构变异，补齐短读长读不到的基因组暗区。两条技术路线就像同一张图纸的两套制图工具，有效搭配、干活不累。

在测序仪行业，同时拥有“短读长”和“长读长”两条商业化产品线的厂商，全球只有这一家。短读长平台的DNBSEQ技术承担大规模突变筛查，长读长平台的CycloneSEQ技术补充复杂结构解析。而且这两条产品线都已经进入市场交付阶段。

假设个体化疫苗真正进入产业化阶段，形成对测序深度和测序广度的需求，那么华大智造提供的基础设施，将助力其获得更完整的肿瘤突变图谱。

此外，从医学角度考虑，个体化疫苗的商业化窗口是有限的——患者术后需要尽快接种，等待时间越长，复发风险越高。测序是整条流程的第一步，它的速度影响后续环节效率。那么，测序效率的提升就不只是成本问题，而是疗效问题。

过去二十年，测序成本以远超摩尔定律的速度下降，为个体化疫苗从概念走向临床提供了经济前提；而这次业界III期成功之后，适应症向肺癌、结直肠癌等大癌种扩展的预期，又会反过来推动测序需求放量，进一步摊薄成本。上游工具商的增长确定性，或许真的即将接近拐点。

二、从卖设备到卖能力：闭环生态的商业纵深

单讲测序，还不足以完整理解华大智造的机会窗口。行业规律告诉我们，测序仪本质上是一台设备，设备有生命周期，有竞争，有价格天花板。所以在大多数赛道，真正决定一家工具商长期价值的，往往还是围绕设备构建起来的层层能力。

华大智造是怎么看待这个问题的？华大智造2025年年报把业务梳理为三大板块：全读长测序、智能自动化、多组学。它们各自对应的都是生命科学工具市场的细分赛道，合起来看则构成了一条覆盖“读、做、理解”的完整能力链。

2025年，华大智造测序仪销售量超过1470台，同比增长16.15%，其中销往临床终端的设备接近900台，增长67.54%，显示装机结构正在从科研市场向临床市场迁移。而临床市场对工具商意味着什么？意味着更高的试剂消耗强度。

一台放在三甲医院检验科的测序仪，其试剂使用频率显然远高于科研实验室里按课题周期运行的设备。其数据显示，试剂与设备的收入比值从上一年的1.4提升到1.7。这个比值衡量的是装机设备被真正使用的程度。

智能自动化板块致力于推动实验室从“人工经验依赖”向“数据驱动决策”的范式跃迁。放在当前讨论的领域，当“一人一药”从临床试验走向海量患者的常规治疗，样本处理量会呈数量级增长。医院不是测序实验室，不可能配备大量的分子生物学专业人员去手工完成文库制备。从样本提取到上机测序的每一个环节，都需要自动化接管。

从移液平台到建库测序一体机，从实验室管理软件到样本存储系统，华大智造的布局主要是为了回答一个问题：当测序需求从科研场景溢出到临床场景，谁来承接流程标准化的工程难题？

对应的，多组学板块则是更长远的布局：测序给出的基因序列，如何转化为对疾病更完整的理解。单细胞测序、时空组学、蛋白组学，这些技术平台把读基因延伸为读生命活动的多维状态。2025年，该项业务收入为2.76亿元，同比增长47.83%。

把这三个板块的联动关系想清楚，就能理解设备+试剂+软件+自动化+多维数据这套闭环的真正含义。它不是产品线的简单叠加，而是一种商业模式的纵深构造：设备建立标准，试剂创造持续收入，软件沉淀工作流，自动化打开规模化场景，数据推动迭代升级。这是产业链价值分配的流程。

三、寻找生命科学基础设施的下一个形态

于市场而言，华大智造还有一个巨大的优势，是AI4S方面的布局。

仍然从这次Moderna的进展来看，个体化疫苗的出现，让生命科学实验第一次面临罕见的规模化“定制”压力——每位患者都需要一次从样本到制剂的完整流程，且流程之间的差异足以让传统的手工实验模式崩溃。

制药行业吃过很多“苦”，唯独没体会过这种奇特的工作流程转变，原先的实验执行方式目前看来还不足以适应，理论上，一个更自动化的流程是必要的：

实验设计可以由算法完成，实验操作可以由机器人执行，实验结果可以自动回流并驱动下一轮优化。用行业黑话来说，这叫“干湿闭环”——“干”是计算和设计，“湿”是物理世界的真实实验，闭环意味着两者之间人的劳动负担大幅减轻，最终目的则是提效。

有意思的是，2026年3月，华大智造成立了子公司涌生智能，专注AI For Science赛道（AI4S），并由首席AI官杨梦博士出任CEO。这家公司是华大智造迈向“全链条生命科技工具平台”的重要落子。

2026年7月，涌生智能发布了真实实验室场景驱动的自进化多智能体系统ProtoPilot，以及生命科学领域全球首个全流程Agent评测体系BioLab Bench。

ProtoPilot系统的功能就是把自然语言的实验意图翻译成可执行的实验方案，再转换为设备代码，由自动化设备执行真实的湿实验，最后把结果反馈回系统。BioLab Bench则建立了一套面向真实实验任务的评测体系，衡量标准不再是模型答得对不对，而是系统能不能在真实设备上跑通。

在行业视角下，今天AI对生命科学的渗透大多停留在算的层面——预测蛋白质结构、筛选候选分子、分析组学数据。但真正限制产业效率的瓶颈，恰恰在做的层面——真实实验的吞吐速度。

一个AI模型或许可以在几小时内生成一万个候选分子，但实验室一天能验证多少个？一百个可能都难。干湿闭环要解决的，就是让做的速度跟上算的速度。当这个瓶颈被打通，生命科学的迭代周期将从以年计压缩到以天计。所以在此前发布新产品时，华大智造便迎来过一轮股价反弹。个体化疫苗这类依赖快速流程化的产品，只是再次体现了闭环流程的价值，所以驱动市场热情再度提升。

对华大智造而言，这可能不是一种偶然，缜密的布局与现实世界的突破共振，让外界看到了它把公司的能力边界从提供工具推向了提供基础设施。

工具和基础设施的差别在于，工具的价值总是随单次使用计价，而基础设施的价值随生态繁荣程度增长。当越来越多的实验室、医院和药企开始依赖一套干湿闭环系统来运转他们的实验流程时，这套系统的提供者就占据了生态中最难被替代的位置。

归根结底，概念爆发的时点之所以是现在，是因为做出这种突破需要的不仅是硬件和AI，还有对生命科学实验流程的深层理解——什么样的SOP可以被机器执行，什么样的实验环节可以用AI替代，什么样的失败反馈对系统进化有价值。唯有真实实验场景，是它们的养料。

多年来，华大智造都在埋头这个领域。今日抬头，是因为看见了个体化疫苗照来的一束光：药物治疗正在从标准化制造走向数据驱动的个性化制造，而这条路径的地基，是过去积累的各项能力。

来源：松果财经

​