文章核心观点 - 文章为2026年11月2日至11月8日当周大事件梳理，覆盖金融监管会议、国际峰会、科技企业财报、半导体行业会议及宏观经济数据等日程安排 [1][2] - 当周市场焦点集中于美股科技巨头财报（苹果、AMD、高通）及半导体产业链动态（Marvell洽谈收购Lumentum、苹果智能接入阿里千问）[2][3][4] 金融与监管事件 - 金融管理部门将召开会议 [2] - 第五届国际金融领袖投资峰会（香港）于11月2日举行 [2] - 2026世界互联网大会乌镇峰会于11月2日当周举行，涉及AI人工智能主题 [2] - 美国中期选举投票于11月3日进行 [2] 半导体与芯片行业 - Marvell洽谈收购Lumentum，最快11月2日当周宣布 [2] - AMD发布2026财年第三季度财报 [2] - 高通发布2026财年第四季度财报 [2] - 第二十四届中国半导体封装测试技术与市场年会于当周举行 [3] - 港股关注华虹半导体财报 [4] - 美股财报涉及Lumentum、Coherent等半导体相关公司 [4] 消费电子与苹果产业链 - 苹果发布2026财年第四季度财报 [2] - 苹果Apple智能接入阿里千问，开放测试 [3] - 苹果产业链为当周关注主题之一 [2] 新材料与制造业 - 第七届中国新材料产业发展大会于当周举行，涉及新材料行业 [3] - CeMAT Asia 2026亚洲国际物流技术与运输系统展览会举行，涉及物流、智能装备 [3] 消费、医疗与文旅 - 第九届中国国际进口博览会于11月5日举行，涉及消费、医疗领域 [3] - 第九届中国非物质文化遗产博览会于11月6日举行，涉及文旅 [3] 宏观经济数据 - 美国10月失业率及季调后非农就业人口数据于11月6日公布 [3] 其他事件 - 力箭二号遥二发射（计划）于11月3日进行 [2] - 俄罗斯愿在11月4日后恢复俄美乌三方谈判 [2] - A股三季报已收官 [4]

文章核心观点 - Twist Bioscience获得公司历史上金额最大的单笔采购订单，客户来自AI药物发现领域，2025财年AIDD贡献约2,500万美元订单增量，占全年订单增量约38% [2] - AI订单从2025年约2,500万美元量级出发，2026年有望达到约5,000万美元，2027年进一步指向1亿美元，两年四倍增长 [2] - 订单爆发已有实际经营数据支持，但爆发之后能留住多少尚未被证明，关键在于模型训练大单与常规药物发现需求能否完成交接 [4][12] - 第一轮增长很大程度上依赖少数客户的大额采购，未来持续性取决于日常药物发现能否接过模型建设的增长接力棒 [41][42] 订单结构与增长数据 - 2025财年公司整体订单同比增加约6,600万美元，其中AI药物发现贡献约2,500万美元，占比37.9%，其他业务贡献约4,100万美元，占比62.1% [6][8] - 2025年11月Twist披露公司历史上最大的单笔采购订单来自AIDD客户；2026年1月管理层承认AI业务仍集中在少数客户和项目 [9] - 2025财年约2,500万美元的AI订单已全部完成交付，大部分集中于2026财年第一季度，第二季度已基本不再受这批旧订单影响 [9] - 2026财年前三季度Therapeutics行业客户收入由上年同期8,010万美元增至1.184亿美元，同比增长47.9% [10] - 同期DSPS业务收入约1.609亿美元，同比增长约31.4%，季度同比增速从第一季度的27.4%提高到第三季度的38.7% [10] - Therapeutics包括传统和AI药物发现客户，DSPS包含不同用途的DNA和蛋白服务，两种分类相互交叉，公司未单独披露AIDD收入，也未区分训练订单与日常研发订单 [11] AIDD需求分类与采购逻辑 - 基础模型训练数据需求：用于建立或显著升级蛋白设计、结合预测、可开发性预测模型，特征为大批量、项目式、金额可能较高，阶段性较强 [16] - 模型迭代与专项数据补充：补足新靶点、新模态、新实验条件的数据，多轮采购，金额及频率不稳定，与模型更新周期相关 [16] - 常规AI药物发现：使用模型针对具体疾病靶点发现和优化候选药物，以项目为单位持续采购DNA、蛋白和实验数据，随活跃研发项目数量变化 [16] - 训练阶段大单更集中，常规药物发现订单更小、频率更高，两者节奏可能完全相反，中间还穿插模型更新和专项数据补充采购 [16] - 早期客户采购路径：先用约10万美元量级试点订单验证交付能力，再扩大到数百万美元级别模型训练采购，随后进入数据处理和模型建设等待期，最后针对具体靶点开展常规药物发现 [16] 客户案例与需求持续性线索 - Chai Discovery被介绍为没有自有湿实验室的客户，模型开始设计真实候选抗体后仍需不断检验结合能力、表达量、稳定性、黏度等指标，针对不同靶点需重新购买DNA并开展实验验证 [24] - Chai案例说明模型练成之后采购关系不一定结束，但公司未披露Chai向Twist的年度采购金额，无法判断从大额训练订单切换到常规研发后客户总支出是增加还是减少 [24] - GSK旗下Elsie Bio科学负责人认为未来3至7年高通量实验数据需求仍有增长空间，现有ASO、siRNA项目需继续优化，其他新的RNA模态存在大量数据空白 [26] - 特定模态数据积累到一定程度后实验需求可能下降，但老模态逐渐成熟、新模态不断提出新问题，数据需求有机会在不同任务之间接力 [27] 平台化采购流程 - 2026年5月7日AWS介绍Amazon Bio Discovery实验服务协作流程，平台客户可比较不同CRO的实验服务、价格与交付周期，Twist作为可选择的供应商之一 [29] - 2026年9月16日Twist宣布加入礼来TuneLab，参与企业可按规定的实验方案向Twist采购抗体表征服务，用于AbLab等模型的验证和优化 [30] - 进入研发平台意味着实验服务开始嵌入可反复启动的采购流程，客户每切换一个靶点、开展一轮新的抗体设计，都有机会再次调用相关实验能力 [30] - 实验服务有机会从少数客户的大项目走向不同平台上的日常研发活动，但Twist必须持续证明自己的服务值得客户反复选择 [30] AI技术进步对实验需求的影响 - AI模型越来越强，可能让药企开展更多项目，也可能让每个项目需要测试的候选分子越来越少，两股力量同时作用，最终实验需求未必一路增长 [33] - Chai介绍较早期方法实际获得结合抗体的比例可能低至约0.1%，而Chai-2在其发表的任务中达到约16%的结合成功率，提示AI可用更少设计找到足够多有效分子 [33] - AWS相关技术文章指出实验反馈能提高模型筛选候选分子的能力，减少后续实验迭代 [33] - 假设AI让活跃研发项目数量翻倍、同时让每个项目需测试的候选分子数量下降一半，其他条件不变情况下Twist需完成的实验总量实际没有增长 [33] - 真正决定需求的是活跃项目数量、单项目验证工作量、迭代次数、单项服务价格和公司承接份额共同作用后的结果 [33] 敏感性情景分析 - 假设2027年Twist实现1亿美元AI订单，其中75%来自阶段性模型建设、25%来自常规药物发现，若2028年模型建设订单下降30%，常规药物发现订单必须增长90%才能抵消减少部分 [37] - 反过来若2027年已有75%的AI订单来自常规药物发现，即使模型建设订单下降50%，常规业务只需增长约16.7%总订单即可保持不变 [38] - 同样是1亿美元，背后的业务质量天差地别，关键信息缺口在于Twist未披露训练与常规研发的订单占比，也未披露客户完成训练后下一年的平均采购额 [39]