“2026年，創(chuàng)投圈的浪潮再次翻涌：AI從技術(shù)概念走進(jìn)產(chǎn)業(yè)深水區(qū)，硬科技創(chuàng)業(yè)從“小眾賽道” 變成“主流共識”，年輕的創(chuàng)業(yè)者們正在用代碼和雙手，重新定義中國創(chuàng)新的未來坐標(biāo)。

每一年，由36氪 · 暗涌主辦的WAVES大會，都是中國創(chuàng)投圈的年度風(fēng)向標(biāo)。今年的 WAVES 2026以“今年盛夏”為主題，落地廣州番禺良倉新造創(chuàng)意園，在兩天的時間里，我們匯聚了頂級投資人、產(chǎn)業(yè)領(lǐng)袖、新銳創(chuàng)業(yè)者，用14場深度圓桌、數(shù)十場獨立演講，拆解 AI、硬科技、出海、醫(yī)療等核心賽道的底層邏輯，見證那些“少數(shù)人” 的堅持，如何匯聚成改變行業(yè)的浪潮。”

6月17日下午，WAVES2026新浪潮大會進(jìn)行了一場圓桌對話，主題為「生命的新算法——AI+醫(yī)療圓桌」。

以下為對話內(nèi)容，經(jīng)36氪整理編輯：

胡香赟｜36氪醫(yī)療作者（主持）

周杰龍｜望石智慧 創(chuàng)始人兼CEO

趙宇博士｜哲源科技 聯(lián)合創(chuàng)始人

周鑫丨弘暉基金 執(zhí)行董事

胡香赟：大家下午好！歡迎來到36氪WAVES“AI醫(yī)療——生命的新算法”圓桌論壇。 “生命的新算法”，其實是一個比較宏大且富有哲思的話題，之所以以此命名這場圓桌，是因為我們現(xiàn)在也處在這樣一個轉(zhuǎn)折點上。AI For Science已成為全球新一輪科技革命的重要支撐，而在醫(yī)療這個相對傳統(tǒng)、且既往被認(rèn)為比較難被算法改造的領(lǐng)域里，AI也變得不可或缺。研發(fā)層面的靶點發(fā)現(xiàn)、分子設(shè)計已不必多談。產(chǎn)業(yè)層面，一些AI制藥公司的IPO進(jìn)程也在加速；BD出海的熱潮里面，AI公司的身影也越來越多。

所以，今天非常榮幸能邀請到三位來自產(chǎn)業(yè)界和投資界的嘉賓，和我們分享一下他們的觀察。請大家依次做個簡單的自我介紹，比如您的公司在用AI做哪些事情；或者，您所在的投資機(jī)構(gòu)在投資AI制藥/AI醫(yī)療項目時更關(guān)注哪些問題？

周杰龍：主持人好，非常感謝36氪的邀請。我是望石智慧的創(chuàng)始人跟CEO周杰龍，望石智慧是一家用人工智能驅(qū)動新藥研發(fā)的科技公司，我們正在打造的是一個以微觀世界模型為底座、多智能體協(xié)作的AI制藥系統(tǒng)。我們現(xiàn)在有兩個基礎(chǔ)平臺，一個是以微觀世界模型為基礎(chǔ)，我們稱之為3D小分子生成模型的AI平臺；還有一個是以多智能體串聯(lián)醫(yī)藥早研的全鏈條智能體系統(tǒng)。這兩個系統(tǒng)其實都依托于我們多年積累的豐富的數(shù)據(jù)資產(chǎn)，以及完全自研的模型。

目前，我們和國內(nèi)外數(shù)百家醫(yī)藥機(jī)構(gòu)和科研機(jī)構(gòu)都有合作，也推動了多條管線進(jìn)入臨床。今年5月，我們和廣藥、華為達(dá)成了三方戰(zhàn)略合作，共同落地AI藥研解決方案。

趙宇：大家好，很感謝擁有一個機(jī)會來到年輕人的世界。我們是哲源科技，一家面向生命科學(xué)的團(tuán)隊。生物學(xué)模型可以簡單理解為：我們搭建了一套認(rèn)知生命的全新技術(shù)體系，不同于業(yè)內(nèi)常見的循證醫(yī)學(xué)、結(jié)構(gòu)生物學(xué)研究思路，我們走的是計算醫(yī)學(xué)技術(shù)路線，依托組學(xué)數(shù)據(jù)搭建人工智能體系，解析生命與基因疾病，探索疾病發(fā)病的底層邏輯、人體患病機(jī)制、靶點擾動對疾病產(chǎn)生的干預(yù)效果等。我們的核心技術(shù)“生命功能的數(shù)字孿生技術(shù)”曾拿到首屆國家科技部“全國顛覆性技術(shù)”認(rèn)定。

這些年，我們產(chǎn)出多項落地成果。比如，我們完成了一項前瞻性虛擬臨床試驗，該臨床試驗現(xiàn)已迭代至第五個版本；此外，我們針對胰腺癌的1類創(chuàng)新藥PR00012已對外披露臨床一期數(shù)據(jù)，完成了上百個靶點的虛擬驗證。

我們認(rèn)為，從第一性原理推導(dǎo)，AI 制藥的底層邏輯應(yīng)當(dāng)是先理解疾病，再挖掘有效靶點，最后指導(dǎo)分子生成，這也是我們團(tuán)隊的核心工作方向。

周鑫：弘暉基金是一家聚焦醫(yī)療+科技領(lǐng)域的風(fēng)險投資機(jī)構(gòu)，已經(jīng)成立12 年，目前管理規(guī)模接近300億元、累計投資約200家企業(yè)，醫(yī)療賽道是我們的重倉板塊，其中，創(chuàng)新藥相關(guān)被投企業(yè)60家。現(xiàn)階段，AI制藥是我們的核心布局方向，從早期靶點發(fā)現(xiàn)、分子設(shè)計、分子優(yōu)化、分子篩選，再到后期AI賦能臨床試驗等，整條產(chǎn)業(yè)鏈我們都在持續(xù)挖掘、布局，今天很榮幸能和各位行業(yè)從業(yè)者交流。

胡香赟：今天三位嘉賓聚焦的領(lǐng)域整體還是不太一樣的，接下來的問題想先給兩位創(chuàng)業(yè)者。我們很好奇，在企業(yè)真實落地的場景中，對比傳統(tǒng)研發(fā)模式，AI究竟改變、顛覆了哪些原有流程或研發(fā)思路？杰龍總，望石智慧深耕小分子早期研發(fā)智能體，搭建了靶點、分子到濕實驗的完整閉環(huán)，先請您分享。

周杰龍：望石智慧一直聚焦藥物早期研發(fā)，所以我結(jié)合早研環(huán)節(jié)分享實際落地感受。

藥物早期研發(fā)過程通常都遵循所謂的“DMTA 循環(huán)”，即設(shè)計、合成、測試、分析四大環(huán)節(jié)。實際上，不論技術(shù)如何迭代，這套流程框架始終是保留的。只不過，傳統(tǒng)模式完全以人為核心驅(qū)動。傳統(tǒng)研發(fā)完整流程中，行業(yè)專家依靠自身經(jīng)驗完成分子設(shè)計，再憑借經(jīng)驗初步評估分子活性、成藥性、可合成性，最后交由合成團(tuán)隊開展合成與生物測試，全流程依靠人工銜接各環(huán)節(jié)。

這套傳統(tǒng)模式存在三大核心痛點：第一，分子設(shè)計完全依托經(jīng)驗與直覺。當(dāng)前行業(yè)競爭激烈，極易出現(xiàn)專利沖突、專利創(chuàng)新性不足的問題；第二，環(huán)節(jié)鏈條冗長，全人工流轉(zhuǎn)模式下，每一環(huán)節(jié)也容易出現(xiàn)斷層，極度割裂；第三，數(shù)據(jù)孤島問題嚴(yán)重。行業(yè)已經(jīng)沉淀了海量的研發(fā)數(shù)據(jù)，但受人工流轉(zhuǎn)、標(biāo)準(zhǔn)不統(tǒng)一影響，各環(huán)節(jié)數(shù)據(jù)格式、標(biāo)準(zhǔn)不統(tǒng)一，數(shù)據(jù)冗余企業(yè)積累的數(shù)據(jù)資產(chǎn)也無法轉(zhuǎn)化為核心競爭力。

針對以上痛點，我們搭建了依托智能體的全棧式智能研發(fā)體系：首先針對分子設(shè)計痛點，研發(fā)出結(jié)合語言模型與幾何模型的大模型基座的多模態(tài)AI 3D小分子生成平臺，輔助專家完成分子設(shè)計，規(guī)避經(jīng)驗帶來的創(chuàng)新缺陷；此外，我們落地了包含多智能體體系，依靠智能體自主串聯(lián)全研發(fā)環(huán)節(jié)，實現(xiàn)數(shù)據(jù)自動化管理、流程自主執(zhí)行。第三，這些研發(fā)全過程數(shù)據(jù)全部可以沉淀到智能體中數(shù)字羅盤系統(tǒng)。過往，多數(shù)藥企項目周期漫長，研發(fā)數(shù)據(jù)分散存儲在PPT、Excel、PDF等各類文件中，數(shù)據(jù)無法統(tǒng)一沉淀，甚至出現(xiàn)核心研發(fā)成果被競品搶先申請專利的風(fēng)險，基于這個數(shù)字羅盤，藥企就可以統(tǒng)一沉淀其全部數(shù)字資產(chǎn)。

總結(jié)來說，我們改造、升級了行業(yè)原有模式，把 “研發(fā)思路存儲于人腦、流程依靠人工溝通銜接”，轉(zhuǎn)變?yōu)锳I深度融合研發(fā)設(shè)計邏輯，依靠智能體自主驅(qū)動完整研發(fā)流程，實現(xiàn)數(shù)據(jù)持續(xù)沉淀、反向迭代模型的范式。

胡香赟：簡單總結(jié)，AI能夠盤活行業(yè)長期積累的海量真實研發(fā)數(shù)據(jù)。接下來請趙博分享。

趙宇：這個問題中有兩個核心關(guān)鍵詞，AI對行業(yè)的改變，以及研發(fā)范式顛覆，我結(jié)合第一性原理展開分享。

在生物醫(yī)藥行業(yè)，研發(fā)一款新藥價值巨大，但傳統(tǒng)模式下，大量藥物針對同一靶點重復(fù)開展臨床試驗，持續(xù)消耗臨床資源，這也是當(dāng)下AI for Science落地的核心意義。

很多人覺得AI for Science概念空洞，實際并非如此。人類的核心優(yōu)勢是使用工具，生命本質(zhì)是跨尺度、非線性的復(fù)雜數(shù)據(jù)集合。依靠人類大腦很難完整解析這套復(fù)雜系統(tǒng)，普通人智商上限有限，頂尖科學(xué)家智商也存在天花板，單純依靠人腦解析高維生命系統(tǒng)的時代已經(jīng)過去。

AI for Science本質(zhì)是依托機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，搭建遠(yuǎn)超人類認(rèn)知上限的高維分析模型，彌補(bǔ)人類認(rèn)知短板，挖掘生命科學(xué)全新規(guī)律、洞見與發(fā)現(xiàn)。可以類比具身機(jī)器人，機(jī)器人是人類肢體機(jī)能延伸，AI模型則是人類認(rèn)知、大腦的延伸。

回歸生命科學(xué)研究，人類對生命的認(rèn)知程度等同于人類對宇宙的認(rèn)知，兩者都存在大量未知領(lǐng)域。我們不能持續(xù)依靠行業(yè)專家主觀猜測、重復(fù)實驗開展研究。醫(yī)學(xué)本身屬于實驗科學(xué)，但生命系統(tǒng)復(fù)雜度遠(yuǎn)超人類現(xiàn)有認(rèn)知，不能依靠簡單線性實驗推導(dǎo)全部疾病機(jī)制。

分子研發(fā)是藥物實現(xiàn)疾病干預(yù)的載體，但研發(fā)分子前，必須先吃透疾病底層邏輯，才能精準(zhǔn)定位靶點。靶點位于細(xì)胞內(nèi)部，適配小分子藥物；靶點在細(xì)胞膜表面，適配大分子藥物；無明確靶點，則考慮細(xì)胞治療。單純優(yōu)化分子只能提升分子篩選效率，無法改變傳統(tǒng)研發(fā)底層邏輯。

當(dāng)前，全球藥物研發(fā)通用范式是 “先寫答案，后找題目”，也就是依托已知靶點研發(fā)具備專利保護(hù)的分子，分子研發(fā)完成后，再反向?qū)ふ疫m配疾病。這種模式分為兩條路徑，第一條是仿制，過去30年，中國都屬于仿制藥大國，以復(fù)刻海外成熟藥物靶點與分子，重復(fù)開展臨床試驗為主；第二條是自主探索，無可參考靶點時，將研發(fā)分子逐一投入臨床試錯，藥物研發(fā)、臨床試驗、倫理審批都需要極高成本，試錯成本難以承受。

我們依托第一性原理搭建全新研發(fā)范式，先完整解析疾病，鎖定適配靶點，再針對性選擇藥物形態(tài)，同步規(guī)劃臨床適用人群、疾病亞型。以我們的胰腺癌管線為例，完整拆解所有胰腺癌亞型后鎖定專屬靶點后，我們的1B期臨床數(shù)據(jù)可以對標(biāo)行業(yè)2A期成熟臨床研究。藥物研發(fā)初期，我們就明確該藥物除胰腺癌外，還可用于結(jié)直腸癌、結(jié)石障礙相關(guān)治療，臨床入組首位受試者時，即可預(yù)判藥物適用范圍。這就是 “先確定題目，再書寫答案” 的全新研發(fā)邏輯。

人體擁有25000個編碼區(qū)基因，每個人攜帶300-500處基因缺失、擴(kuò)增、變異，個體基因差異是疾病差異化發(fā)病的核心誘因。我們需要通過模型解析個體基因變異對全身生命功能的全局影響，這也是哲源科技核心研究方向。

胡香赟：相當(dāng)于過去行業(yè)聚焦研發(fā)First in class（FIC）分子，現(xiàn)在行業(yè)思路正在轉(zhuǎn)變，轉(zhuǎn)向First in disease（FID），從疾病根源切入研發(fā)。

兩位企業(yè)創(chuàng)始人分享了全新產(chǎn)業(yè)視角，接下來把問題交給周總。到2026年，AI醫(yī)療、AI制藥的市場情緒明顯與前兩年不同，甚至有投資人說能駕馭好AI的團(tuán)隊才能融到資。從資本視角，您怎么判斷當(dāng)前AI醫(yī)療或AI制藥賽道所處的行業(yè)階段？投資機(jī)構(gòu)愿意長期持有的標(biāo)的，通常具備哪一兩個核心特質(zhì)？

周鑫：這其實也是我們內(nèi)部長期思辨持續(xù)探討的核心命題。我先回答賽道發(fā)展階段問題：AI 制藥和其他行業(yè)AI落地節(jié)奏進(jìn)程一致，目前已經(jīng)來到行業(yè)發(fā)展關(guān)鍵轉(zhuǎn)折點。

我們基金從2016年開始系統(tǒng)跟蹤AI及相關(guān)賽道，十年前，AI制藥成熟項目極少，當(dāng)時市場主流仍聚集在AI醫(yī)學(xué)影像診斷，比如肺結(jié)節(jié)識別。當(dāng)年我們調(diào)研超過40家相關(guān)企業(yè)，最終沒有落子，核心原因并非是AI技術(shù)能力不足，而是配套監(jiān)管、產(chǎn)業(yè)落地條件不成熟。直至去年，我們切實感知AI技術(shù)已經(jīng)具備成熟落地能力，即便在 “先分子、后適應(yīng)癥” 的傳統(tǒng)研發(fā)范式中，AI也能釋放真實的產(chǎn)業(yè)價值。自此，我們決定加大AI制藥賽道投資布局。

再談長期陪伴企業(yè)的篩選標(biāo)準(zhǔn)：能夠穿越周期的企業(yè)，必須具備構(gòu)建高壁壘護(hù)城河的核心能力。AI賽道護(hù)城河分為算力、算法、數(shù)據(jù)三大維度，其中數(shù)據(jù)是核心壁壘。

企業(yè)必須具備：第一，獨家且足量自有數(shù)據(jù)；第二，自研算法迭代能力，能夠自主優(yōu)化模型，修補(bǔ)開源算法存在的固有缺陷；第三，充沛的算力支撐，算力本質(zhì)對應(yīng)資金實力，企業(yè)需要具備持續(xù)融資能力，完成A 輪、B 輪、C輪等多輪融資，支撐千萬乃至上億美元研發(fā)投入。這也是我們篩選項目的核心考量維度。

胡香赟：也就是說，AI技術(shù)已經(jīng)到你們覺得值得出手的階段，它可以落地真實研發(fā)場景。

其實，實現(xiàn)這一目標(biāo)后，大家長期關(guān)注的另一核心問題是，AI制藥如何實現(xiàn)可持續(xù)商業(yè)化。復(fù)盤生物醫(yī)藥產(chǎn)業(yè)發(fā)展歷程，跨國藥企（MNC）一直承擔(dān)著新技術(shù)落地、迭代的關(guān)鍵作用。前兩年，業(yè)內(nèi)的主流探索路徑之一是BD出海，依靠產(chǎn)品、技術(shù)平臺授權(quán)穩(wěn)定現(xiàn)金流；但從去年年末到今年上半年，這一合作模式已逐漸升級、轉(zhuǎn)向醫(yī)藥基礎(chǔ)設(shè)施共建，例如禮來/英偉達(dá)、默沙東/谷歌云，交易金額都達(dá)到10億美金級級別。今年，望石智慧也和華為、廣藥達(dá)成同類三方合作，想請您分析行業(yè)BD合作模式的變化，以及望石智慧做這項合作的考量。

周杰龍：我們確實關(guān)注到這個行業(yè)在發(fā)生一些根本性的變化。去年年末至今年上半年，海外頭部藥企重磅合作密集落地，比如禮來與英偉達(dá)達(dá)成10億美金級別算力合作、默沙東聯(lián)合谷歌合作搭建全棧式AI研發(fā)體系、百時美施貴寶（BMS）與Anthropic合作研發(fā)Claude醫(yī)藥大模型等。除此以外，輝瑞還聯(lián)合Boltz搭建AI分子親和力預(yù)測平臺，禮來與多家AI CRO 類企業(yè)達(dá)成合作等，相關(guān)合作的金額規(guī)模均達(dá)到較高水平。

這類合作釋放的統(tǒng)一信號是，AI模型已經(jīng)具備一定規(guī)模化商用能力，醫(yī)藥行業(yè)基礎(chǔ)模型授權(quán)或?qū)⒊蔀槿律虡I(yè)范式。

從望石智慧自身來說，我們就是定位在醫(yī)藥AI基礎(chǔ)設(shè)施服務(wù)商，對外輸出基礎(chǔ)模型、全鏈條智能體整套服務(wù)，屬于行業(yè)全新的商業(yè)業(yè)態(tài)，和傳統(tǒng)分子授權(quán)、CRO 服務(wù)模式存在本質(zhì)區(qū)別。

我們與廣藥、華為三方戰(zhàn)略合作，底層邏輯和海外頭部藥企算力合作具備共通性，三方形成互補(bǔ)共生體系。比如，廣藥提供真實藥物研發(fā)落地場景，華為提供全棧國產(chǎn)化算力，支持私有化部署，保障藥企核心研發(fā)數(shù)據(jù)安全；望石智慧輸出全套AI基礎(chǔ)設(shè)施，包含3D小分子生成平臺、全鏈條智能體平臺、干濕實驗一體化研發(fā)平臺等。

此前，廣藥提出五年“再造一個新廣藥”戰(zhàn)略，整體新藥研發(fā)體系將全面依托AI平臺落地，三方合作打通場景、算力、AI 技術(shù)完整產(chǎn)業(yè)鏈。這次合作就是一個全新的樣板，后續(xù)，我們也會持續(xù)復(fù)制這套三方共生合作模式，拓展更多產(chǎn)業(yè)合作伙伴。

胡香赟：感謝杰龍總。接下來轉(zhuǎn)向哲源科技，我們知道公司已經(jīng)落地了多項AI+醫(yī)藥的交叉技術(shù)探索，比如虛擬臨床試驗“數(shù)字人吃數(shù)字藥”的想法就備受行業(yè)關(guān)注。請趙博介紹虛擬臨床試驗定義、企業(yè)對外合作模式，以及你們在落地過程中看到的新機(jī)會。

趙宇：首先，澄清大眾對虛擬臨床試驗的認(rèn)知誤區(qū)。它的核心定位不是為監(jiān)管機(jī)構(gòu)提供輔助工具。計算醫(yī)學(xué)所有技術(shù)落地，核心目標(biāo)是挖掘疾病底層科學(xué)認(rèn)知、全新研究洞見，AI 虛擬模型相當(dāng)于高算力、高認(rèn)知的超級大腦，不能簡單等同于監(jiān)管輔助工具。

我們和北京腫瘤醫(yī)院合作的虛擬臨床試驗現(xiàn)已迭代至第五個項目，實現(xiàn)了“數(shù)字孿生人體服用虛擬藥物”的前瞻性預(yù)判。可以類比氣象預(yù)報、地質(zhì)勘探行業(yè)，我們團(tuán)隊依托計算醫(yī)學(xué)實現(xiàn)人體用藥反應(yīng)預(yù)判。首個前瞻性試驗納入8名受試者，模型僅用4周就輸出了全部用藥預(yù)判結(jié)果，臨床8周完成揭盲，模型預(yù)判結(jié)果與真實臨床數(shù)據(jù)100%匹配。另有未對外公開的跨病種、跨藥物虛擬臨床試驗項目，落地效果同樣達(dá)到預(yù)期。這只是我們落地成果之一。

我們所處的核心賽道是計算醫(yī)學(xué)，區(qū)別于計算生物學(xué)，所有模型推演結(jié)論均會在人體臨床試驗中完成驗證，例如我們和廣州合作開展乳腺癌疾病預(yù)判研究，全部項目具備完整科研負(fù)責(zé)人與真實臨床數(shù)據(jù)，相關(guān)成果均可公開求證。

再分享商業(yè)化路徑。我們不做傳統(tǒng)CRO外包服務(wù)。大家都知道，跨國藥企管線依靠外部收購，自研管線產(chǎn)出占比極低。此前，行業(yè)內(nèi)的一部分BD合作更接近工程層面的成果復(fù)刻，缺少原創(chuàng)底層科學(xué)突破，這是因為國內(nèi)藥企過去長期深耕仿制藥，對疾病底層生物學(xué)機(jī)制解析能力存在一定短板。

我們采用IT Function商業(yè)化模式，針對胰腺癌等疾病搭建標(biāo)準(zhǔn)化計算醫(yī)學(xué)功能模塊，逐步對外落地授權(quán)，有望給合作藥企帶來更高的研發(fā)價值。

以我們從事的一項罕見病研究為例。初期，我們共納入9例罕見病患者生物樣本，針對每例受試者構(gòu)建個體化人體數(shù)字孿生模型，通過匹配上萬例健康人群及其他腫瘤患者的公共/內(nèi)部數(shù)據(jù)集構(gòu)建大規(guī)模虛擬對照隊列，開展批量虛擬對照試驗。在算力資源充足的前提下，本模型可并行完成上萬組虛擬臨床試驗分析。

初步分析結(jié)果表明，在9例患者樣本中識別出1條顯著異常信號通路，相較于萬人級對照隊列，該通路組間差異的檢驗P值趨近于0。為驗證上述發(fā)現(xiàn)的穩(wěn)健性，我們進(jìn)一步擴(kuò)充樣本量，累計納入100例新增受試者樣本，總隊列規(guī)模達(dá)109例。擴(kuò)大樣本后，該信號通路組間差異的檢驗P值低至10的負(fù)49次方。現(xiàn)有通用統(tǒng)計學(xué)判定標(biāo)準(zhǔn)中，這即表示組間差異具有統(tǒng)計學(xué)顯著性，通路具備極強(qiáng)的臨床區(qū)分效能。

該信號通路對應(yīng)一款已獲批上市干預(yù)藥物，但臨床應(yīng)用存在副作用，業(yè)內(nèi)專家判斷無法單獨推進(jìn)臨床。我們僅耗時一周，依托虛擬臨床試驗鎖定這條核心信號通路。這套新模式可以把傳統(tǒng)醫(yī)學(xué)海量臨床試錯流程前置，依靠模型完成前期預(yù)判，把經(jīng)驗化的醫(yī)學(xué)探索轉(zhuǎn)化為標(biāo)準(zhǔn)化工程體系。

我們團(tuán)隊內(nèi)部沒有傳統(tǒng)生物學(xué)科研人員，全部為工程研發(fā)人員，目標(biāo)打造標(biāo)準(zhǔn)化輸入輸出體系，擺脫依靠科研人員靈感、經(jīng)驗開展研發(fā)的傳統(tǒng)模式。

胡香赟：感謝趙博。周總，我們能看到這一代生物醫(yī)藥創(chuàng)業(yè)者們基本都在項目初期就同步規(guī)劃起AI落地路徑和商業(yè)化方案。但是，市場上的AI制藥落地故事魚龍混雜，AI 與醫(yī)藥交叉學(xué)科的門檻又很高。從投資視角，如何分辨真AI 企業(yè)與偽AI項目，從而找到那些具備長期發(fā)展?jié)摿Φ恼鎸嵚涞芈窂剑?/p>

周鑫：AI在新藥研發(fā)全鏈條均有落地場景，覆蓋靶點發(fā)現(xiàn)、分子設(shè)計、分子優(yōu)化、高通量篩選、臨床加速等全流程。比如，趙老師提到的從疾病切入研發(fā)的FID與傳統(tǒng)分子優(yōu)化兩條路徑，AI其實都能創(chuàng)造實際價值。

我們的判斷標(biāo)準(zhǔn)是，全流程各環(huán)節(jié)能夠依靠AI實現(xiàn)量級提升，即為真AI落地項目。對我們來說，單純依靠最終分子成果，的確很難區(qū)分分子是AI生成還是人工設(shè)計，尤其是針對那些長期僅有單一管線推進(jìn)的企業(yè)來說，存在人工手搓分子的可能性，辨別難度較高。

所以，我們判斷真?zhèn)蔚暮诵倪壿嬍牵鸾馄髽I(yè)全研發(fā)環(huán)節(jié)，核查AI產(chǎn)出是偶發(fā)特例，還是批量穩(wěn)定輸出；同時對比AI研發(fā)團(tuán)隊規(guī)模與傳統(tǒng)藥企完成等量工作所需人力與周期。如果企業(yè)依靠遠(yuǎn)低于傳統(tǒng)藥企的人力、資金成本，產(chǎn)出同等數(shù)量新藥候選分子，實現(xiàn)研發(fā)效率數(shù)量級提升，我們便認(rèn)定這是具備真實AI能力的優(yōu)質(zhì)企業(yè)。此前，我們調(diào)研過同類項目，有的AI團(tuán)隊僅消耗傳統(tǒng)企業(yè)1/10人力，就能產(chǎn)出同等數(shù)量候選藥物，是典型真AI落地案例。

趙宇：我來補(bǔ)充一個角度。第一，區(qū)分信息化與數(shù)字化，二者屬于兩次技術(shù)迭代，行業(yè)普遍混淆。日常產(chǎn)業(yè)落地90%相關(guān)工作僅停留在信息化層面，距離數(shù)字化存在巨大差距，單純擁有數(shù)據(jù)不等于完成數(shù)字化轉(zhuǎn)型。第二，區(qū)分AI模型底層邏輯。企業(yè)是依托人類已知生物規(guī)則搭建小型統(tǒng)計程序，還是依托超高維參數(shù)大模型自主挖掘全新規(guī)律；模型是企業(yè)完全自研，還是直接調(diào)用開源大模型簡單部署。跨學(xué)科認(rèn)知存在天然壁壘，生物醫(yī)藥從業(yè)者、IT技術(shù)人員互相存在認(rèn)知盲區(qū)，不能簡單籠統(tǒng)看待交叉學(xué)科落地問題。

胡香赟：剛剛，我們梳理了AI現(xiàn)有落地場景、未來發(fā)展方向。最后一個問題聚焦行業(yè)未來，想請3位嘉賓用簡短兩句話分別概括，未來1-2年，AI制藥賽道需要跨越的核心瓶頸、待解決的關(guān)鍵問題。

周杰龍：生物醫(yī)藥行業(yè)最大瓶頸仍是數(shù)據(jù)。干濕實驗結(jié)合的落地案例很多，但單分子合成成本高昂，十萬級分子濕實驗成本高達(dá)十幾億，現(xiàn)有的實驗數(shù)據(jù)規(guī)模不足以支撐高精度模型訓(xùn)練。所以，行業(yè)需要依托超算、微觀世界基礎(chǔ)模型，從第一性原理仿真生成海量模擬數(shù)據(jù)，結(jié)合真實濕實驗數(shù)據(jù)訓(xùn)練模型，不能只停留在概念層面。因此，總結(jié)下來核心瓶頸是數(shù)據(jù)、數(shù)據(jù)、數(shù)據(jù)。

趙宇：討論數(shù)據(jù)必須綁定配套算法，不同技術(shù)路線對數(shù)據(jù)類型需求完全不同。比如，我們團(tuán)隊側(cè)重臨床數(shù)據(jù)，周總團(tuán)隊側(cè)重分子結(jié)構(gòu)數(shù)據(jù)，兩類數(shù)據(jù)就很難通用，脫離方法學(xué)單純討論數(shù)據(jù)沒有實際意義。

我認(rèn)為，未來1-2年，最大阻礙是行業(yè)跨學(xué)科認(rèn)知壁壘，多數(shù)生物醫(yī)藥從業(yè)者缺少機(jī)器學(xué)習(xí)專業(yè)基礎(chǔ)，難以理解非線性、跨尺度生命模型，對新技術(shù)天然存在保守心態(tài)，生物醫(yī)藥行業(yè)需要主動接納AI模型帶來的全新認(rèn)知工具。

周鑫：我也認(rèn)為，核心問題在于數(shù)據(jù)，但是要加一些限制定語：真正的核心壁壘是足量的、與方法學(xué)匹配的、有正面和負(fù)面雙向反饋的、干凈且準(zhǔn)確的數(shù)據(jù)。

胡香赟：感謝三位。今天的討論基本接近尾聲，從“算法”到“生命”，科學(xué)的研發(fā)道路注定周期漫長、挑戰(zhàn)重重，但國內(nèi)已經(jīng)涌現(xiàn)出大量優(yōu)質(zhì)AI制藥創(chuàng)業(yè)者，因此，中國AI制藥賽道一定有望逐步實現(xiàn)從跟跑向領(lǐng)跑跨越，持續(xù)產(chǎn)出突破性研發(fā)成果。

感謝三位嘉賓的完整分享，感謝現(xiàn)場、線上的所有觀眾。