十年后，AI能为生物医药做什么？

剂泰科技联合创始人、执行董事兼首席运营官王文首期待AI打通临床数据壁垒，让药物从发现到上市缩短至两三年，成本降低十倍乃至百倍；镁伽科技联合创始人兼高级副总裁张琰畅想构建成熟的AI闭环基础设施，实现自主药物发现，"机器做实验，人晒太阳"；百奥赛图董事长兼CEO沈月雷则是期盼人类对人体每一个细胞、每一个分子了如指掌，消除疾病，实现长寿。松禾资本创始合伙人罗飞将这一展望的本质归结为一句话：AI服务于生命科技，为人类健康和长寿赋能。

2026年8月6-7日，AI FOR PHARMA 生物制药人工智能峰会圆满举办。开幕论坛上，由罗飞主持的圆桌讨论《AI落地药企的真实战场：从"用了AI"到"被AI改变"的距离有多远？》，对通向上述未来的真实路径发起讨论，沈月雷、张琰、王文首三位嘉宾分别来自产业链条的不同环节，直击AI落地药企的核心问题：AI在药企应用的真实阶段是什么？中美在AI制药领域的差距究竟在哪？AI创制的资产在未来的价值链中将占据怎样的位置？

AI应用的三层递进：

从工具嵌入到基础设施重塑

圆桌讨论中最具共识性的判断是AI已经从"可选项"变成了"必选项"。

剂泰科技王文首回顾了行业心态的转变过程。几年前，业界仍在争论AI能否真正助力药物发现，而如今，争论已不再是"要不要用"，而是"不用是否还能保持竞争力"。AI已经从"工具"转变成"基础设施"。当一家药企在做药物发现时，如果流程中没有AI的参与，或将不得不自我质疑，开发出的分子是否真正具备竞争力。这种思维方式的转变，意味着AI在药物发现领域从尝试验证迈向扎根落地。

百奥赛图沈月雷提出了一个更具层次感的框架，他将AI在生物技术公司的应用分为三个递进阶段：工具层、流程整合层、业态重构层。

在工具层，ChatGPT等通用大模型已成为从业者日常的标配。他已用它进行数百个靶点的疾病分析、药物组合筛选等工作。但这一层的价值天花板相对有限，它解决的是效率问题，而非结构性问题。

在流程整合层，AI开始嵌入企业的核心研发流程。但作为全球领先的靶点人性化小鼠药物评价公司，其抗体研发依然坚持从动物免疫中获取真实序列，每只免疫小鼠可产生上亿条真实抗体序列，而非AI从头设计的虚拟序列。

他从免疫学视角提出，设计一个结合蛋白很容易，但它很可能只是一个"粘连蛋白"，在动物体内到处结合、缺乏特异性，无法成为真正的药物。他甚至指出，即便是已知抗原和已知抗体这对"亲兄弟"，目前也没有公司能将它们精确配对，更遑论从头设计针对特定抗原的抗体。这一判断也意味着AI在药物发现中存在能力边界。AI的真正价值不在于"无中生有"的从头设计，而在于对海量真实数据的筛选加速，预测哪些序列不结合、哪些抗体有成药性问题，在早期阶段直接淘汰无效路径，从而将研发通量和速度提升数个量级。

在业态重构层，百奥赛图正在构建一个更宏大的系统：将公司所有实验动物的多维度数据，整合为一个统一的数据底座，目标是输入一个分子到小鼠体内后，通过这些多维变化即可预判其在人体中的可能表现。沈月雷坦言，或许只有到这一步，AI才真正在公司内部"做点事了"。

镁伽科技张琰则从工程实现的角度，为这三层递进提供了一个关键变量的补充：闭环。他用智能体的三要素，即感知、构思和执行，来定义镁伽的产品形态。镁伽定位为"AI for Science的Infrastructure提供者"，核心使命是解决AI从模型到真实场景落地的"最后一公里"问题。在这一逻辑下，镁伽投入四五年时间在苏州建设了"鲲鹏实验室"，一座已迭代至3.0版本的黑灯实验室，正在开发4.0版本。

现场，张琰分享某国家实验室研究呼吸道疾病，需要培养竹鼠和蝙蝠的类器官。这些极度小众的类器官，该实验室的博士后团队花费2至3年仍未摸索出培养条件。而在镁伽的智能体闭环系统中，通过垂类模型输出初始配方、高通量实验验证、基于阴性数据迭代优化，仅用四周就实现了稳定培养。系统还通过调整条件，将此前人工培养中形态不正确的类器官重新翻转为正确形态。

AI的价值不在于模型本身有多强大，而在于它是否打通了"感知、构思、执行"的闭环，能在真实场景中自我学习、自我提高，在场景中持续迭代。

中美AI制药的差异化格局

当AI的应用已深入研发流程，下一个无法回避的问题随之浮现：在这场全球竞速中，中国处于什么位置？

罗飞以摩根士丹利在2026年报告中给出一个判断引入话题：2026年是AI在生物医药应用的转折点，行业关注重心正从"化学AI"转向"生物AI"，即将物质、疾病与病理连接起来。在这一转折面前，中美之间的差异究竟如何？

三位嘉宾给出了一个高度一致而又微妙的判断：差距是结构性的，而非线性的。

张琰将其概括为"两个遥遥领先"。在大模型层面，美国依然遥遥领先。他直言不讳地指出，以Anthropic的Claude Science等科研大模型为代表的顶尖能力，中国仍有明显差距。但在工程实现层面，中国同样遥遥领先：最大的CRO体系、最完整的自动化基础设施、最愿意在"脏活苦活累活"上持续投入的产业生态，这些构成了中国在AI制药落地环节的硬核优势。多家MNC全球高管参观镁伽鲲鹏实验室后均受震撼，他们没想到中国已将传统仪器、自动化等包装为智能体集群并投入实际应用，而这些在海外多数企业中仍停留在PPT阶段。

沈月雷也印证：百奥赛图与镁伽合作的自动化抗体生产线，从细胞提取到蛋白纯化全程无人干预，效率非常高。

王文首的分析更为审慎，中国企业在精细筛选、自动化、小分子发现以及药物递送系统等细分领域确实做到了全球领先或至少不输于美国，但他同时指出：这种领先建立在局部和片面的基础之上，主要体现在研发效率、研发成本和商业合作三个维度，且可能是暂时的。要真正在全球竞争中处于优势，中国药企仍需在生物学探索、全球临床设计能力、生产销售体系等核心模块上持续补课。

此外，沈月雷则用一个生动的类比给出了他对"追AI"的冷静提醒：当下对AI的焦虑，类似于互联网刚出现时人人急着建网站的状态，但最终赢者通吃，只剩几家巨头。AI的底层模型之争也会如此，对于绝大多数生物技术公司而言，不必执着于"造发电机"，而应关注"如何用电"，即如何将AI作为工具服务于做药这一根本目标。他同时指出，中国在工程学和CRO基础设施上的优势，恰好为"用电"提供了最优土壤。

AI时代的资产价值重构：

从"卖分子"到"卖能力"

中美差距的结构性特征，自然引出一个更深层的追问：AI创制的资产究竟值多少钱？全球新药BD交易规模已攀升至今年上半年近千亿美元，中国药企出海成为行业焦点，而许田教授支持的AI创制新药已进入三期临床，标志着AI药物正从概念走向商业化。罗飞抛出了问题：随着AI创制的新药逐步推进至临床后期，未来BD交易所形成的资产中，有多少将与AI高度相关？

王文首指出，AI制药自五六年前起步，如今第一批PCC已批量产生，部分进入一期或二期临床。AI在BD出海中的参与比例正在上升，尤其在双抗、蛋白药物等领域，PCC阶段的License Out交易越来越活跃。他分析了两种BD路径：一是平台型合作模式，在PCC阶段即与MNC合作，快速获取现金流、分散风险；二是自研推进至临床后再License Out，风险更大但价值天花板更高。目前中国大多数BD交易仍以前端PCC阶段为导向。

对于AI企业的可持续竞争力，他提炼了三个核心要素：私域数据的所有权与使用权，这是AI模型持续迭代的基础燃料；平台的可复用性，类比SpaceX，只有可复制的平台才能持续降低边际成本；临床验证，PCC只是起点，只有通过临床数据持续验证管线有效性，才能真正证明平台价值。

张琰则认为：未来BD关注点将从"某一个PCC分子"转向"批量化产生这类分子的能力平台"。当智能体在某一场景中打通闭环后，它沉淀两类资产：数据（让AI学会做某一类事）和Skill（将SOP、Protocol蒸馏为可复用的能力模块）。这两类资产积累越多，平台价值越高。

沈月雷则提供了不同的视角：BD成功与企业成功是两个层面。一个产品BD成功了，但如果企业因后续临床失败或信誉受损而消亡，这种成功毫无意义。百奥赛图从"做老鼠起家"到全球领先的靶点人性化小鼠评价公司，核心基因是"卖确定性"，目标是100个产品中的成功率从行业平均的1%至10%提升至90%。为此，百奥赛图不仅在小鼠中初筛，还建立了老年宠物医院，利用自然发生疾病的宠物验证分子疗效。在他看来，AI在这个闭环中是"串联工具"，但根本目标始终是产品的确定性和企业的长期生存。

回溯整场圆桌讨论，“从‘用了AI’到‘被AI改变’的距离有多远”这一命题的答案已逐渐清晰。

距离正在缩短：AI从工具到基础设施的范式迁移已在药物发现领域完成；自动化智能体在真实场景中实现了效率的量级突破；中国凭借工程实现能力在AI制药落地环节建立了结构性优势。

但路径并非直线：抗体从头设计的可靠性边界尚未突破，临床阶段的数据壁垒依然高耸，AI企业的商业模式可持续性仍待验证。

三位嘉宾的共识在于：AI不会颠覆制药的根本逻辑，几十年甚至上百年沉淀的制药流程依然会存在。正如张琰所说，马路还是那条马路，但上面跑的终将从马车变为汽车。AI带来的，是让这个过程更快、更便宜、通量更高、风险更低。“被AI改变”最真实的样貌是让每一环节都更接近确定性。