AI制药产业落地：从分子设计到疾病理解的范式转变

事件概述

6月17日，36氪WAVES2026新浪潮大会举办“AI+医疗”主题圆桌，望石智慧创始人周杰龙、哲源科技联合创始人赵宇、弘晖基金执行董事周鑫参与讨论，重点探讨AI在药物早期研发、商业化模式及投资判断中的实际进展与瓶颈。

核心信息

1. AI改变传统研发模式的核心逻辑

• 传统DMTA循环（设计-合成-测试-分析）框架保留，但由“人脑经验驱动”转变为“AI智能体自主驱动”。望石智慧构建了多智能体系统，实现分子设计、流程执行、数据沉淀全链路自动化。
• 三大痛点被解决：分子设计依赖经验易致专利冲突；环节割裂、数据孤岛；研发数据无法沉淀为核心资产。

2. 从“先写答案”到“先找题目”的范式转换

• 哲源科技提出计算医学路径：先解析疾病底层机制，锁定靶点，再针对性地选择分子形态，并预设适用人群与疾病亚型。其胰腺癌管线1B期临床数据可对标行业2A期研究。
• 与传统“先研发分子、再反向找适应症”不同，新路径称为First in Disease（FID）。
• 虚拟临床试验：与北京肿瘤医院合作的前瞻性试验，模型预判结果与8周揭盲真实数据100%匹配。跨病种虚拟试验同样达到预期，可并行分析上万组对照，识别极显著信号通路（P值低至10⁻⁴⁹）。

3. 商业化模式转型：基础设施共建

• 海外趋势：礼来/英伟达、默沙东/谷歌云、BMS/Anthropic等达成10亿美金级合作，AI基础模型授权成为新商业范式。
• 望石智慧：定位为医药AI基础设施服务商，与广药、华为三方合作，广药提供研发场景，华为提供私有化算力，望石输出全套AI平台（3D分子生成、多智能体、干湿实验一体化）。该模式正在复制。
• 哲源科技：采用IT Function模式，针对胰腺癌等疾病搭建标准化计算医学功能模块，对外授权，不做传统CRO外包。

4. 投资判断标准：真假AI的鉴别

• 弘晖基金从2016年起跟踪AI赛道，认为当前AI已进入可规模化落地阶段，决定加大AI制药投资。
• 核心壁垒：独家自有数据、自研算法迭代能力、持续融资支撑算力投入。
• 真AI的检验标准：全研发环节AI实现量级效率提升（如仅用传统1/10人力完成同等产量候选分子），而非单点偶发案例。

5. 未来1-2年瓶颈

• 周杰龙：最大瓶颈仍是数据，干湿实验结合的落地案例虽多，但数据壁垒尚未突破。
• 赵宇：关键问题是区分信息化与数字化，以及模型是自研还是调用开源。跨学科认知盲区需要弥合。
• 周鑫：需持续验证AI是否能稳定批量产出，而非依赖孤例。