2026 张江药谷大会暨上海国际生物医药产业周开幕论坛上，一场围绕 AI 制药的炉边对话引发行业广泛关注上观新闻。对话双方分别是 2013 年诺贝尔化学奖得主、斯坦福大学结构生物学教授迈克尔・莱维特，以及英矽智能联合首席执行官、首席科学官任峰。
作为计算生物学领域的开拓者，莱维特在半个世纪前就完成全球首次蛋白质动力学模拟。在那个年代，借助计算机解析生命分子的行为还属于非常前沿的设想。如今 AI 已经深度渗透新药研发全流程，任峰就此向莱维特抛出问题，询问 AI 赋能生物医药的发展节奏是否超出他过往的预判。
AI 不只是预测结构，已经实现全新药物分子设计
莱维特给出的回答十分直接，AI 制药前进的脚步，已经远远超出他早年的设想。过去行业对 AI 的期待大多停留在蛋白质三维结构预测层面，而现在人工智能已经进化到可以自主设计全新蛋白序列与候选药物分子的阶段，这样的技术进展让他感到十分震撼。
这场对话的重要现实参照，就是英矽智能自研的 Rentosertib。这款面向特发性肺纤维化的小分子口服药，实现靶点挖掘、分子设计全部由 AI 完成。近期该药物已经正式开启 Ⅲ 期临床试验，北京协和医院、上海市肺科医院相继完成首例受试者入组给药，成为全球为数不多走完 AI 靶点发现到临床 Ⅲ 期完整链条的候选新药。
在莱维特看来，这个临床里程碑有着特殊的行业意义。长久以来业界始终存在一种疑问：AI 生成出来的分子，究竟能不能扛住真实临床试验的层层考验。Rentosertib 推进到 Ⅲ 期，恰恰证明干实验也就是计算机虚拟模拟，和实验室湿实验互相校验、循环迭代，是一套完全可行的新药开发路径。AI 输出的构想，必须经由真实实验反复验证，再把实验数据回灌给模型持续优化，形成完整闭环。
行业格局：AI 原生药企存在窗口期，传统药企加速转型
谈及整个行业未来走向，任峰提出一个判断，未来几乎所有生物科技企业、传统制药企业，都会走上 AI 赋能的转型道路。现阶段英矽智能这类 AI 原生企业手握一定先发优势，但这份领先不会无限期维持下去。
行业发展早期，各类算法百花齐放，不同技术路线都拥有试错空间。但随着生物医药垂类 AI 模型不断成熟，算法层面的差距会逐步收窄。AI 原生企业拥有的是三到五年的宝贵窗口期，需要抓住时间窗口快速沉淀新药管线，用重磅药物构筑企业长期护城河。
不少传统药企已经开启追赶步伐。和黄医药对外分享了自身的 “3+1 战略”，搭建科学发现、决策、执行三套 AI 引擎，配套统一的数据基座。企业内部部署离线隔离的大模型，兼顾患者数据安全，同时开发上百个行业智能体，嵌入临床报告撰写、患者信息提取、注册资料生成等日常工作流，实实在在提升各个岗位的运转效率。
AI 与科研人员是协作关系，人的价值依旧不可替代
论坛多位专家都达成共识，AI 的定位是科研助手，而非科研人员的替代品。大模型擅长高维统计，能够从海量蛋白序列与结构数据当中挖掘人类很难捕捉的隐藏规律，帮助科研人员突破固有的知识边界。但 AI 很难独立完成颠覆性的科学范式革新。
有专家用 “爱因斯坦测试” 来解释这个局限：如果把训练数据截止在 1900 年，即便性能强大的大模型，也无法独立推导得出相对论。映射到生物医药领域也是同样道理。科研工作者依旧承担不可缺少的角色，需要向大模型输入高质量科学知识，提出高质量研究问题，同时维护干实验和湿实验的循环，把 AI 产出的设想放到真实实验当中验证，人机协同才是创新的最优解法。
想要释放 AI 制药的全部潜力，产业还需要持续搭建长链条结构化数据集，把体外实验、动物试验、临床研究的数据打通，为垂类模型提供高质量训练原料。只有把算力、算法、实验体系、行业知识全部结合在一起，AI 制药才能持续产出真正惠及患者的创新成果。
本文由智算芯能前沿网编辑整理，转载请注明出处。