晶泰科技线下部署的AI自主实验室
“未来新药研发会越来越像一场系统工程，我们希望把更多原本被界定为科学问题、科学挑战，逐渐转化成工程问题、工程挑战。”晶泰科技日前在张江举行AI驱动新药研发创新峰会，晶泰科技联合创始人、首席执行官马健博士在会上提出，AI药研的工业化时代已至，AI正在从研发工具跃迁为研发新基建，并从“单点突破”向“全链条创新”迈进。
当下，AI制药行业共识转向临床价值兑现，如何依托人工智能、机器人等前沿技术缩短研发周期、降低临床失败风险等成为产业核心命题。现场，晶泰科技连同合作伙伴共同披露了一系列最新临床与技术进展，进一步印证AI制药工程化能力正在进入规模化兑现期。
将科学不确定性转化为工程确定性
过去几年，AI对新药研发的全链条渗透正在重塑整个制药产业。全球范围内，跨国药企正大幅提升AI在研发管线中的渗透深度，礼来曾在公开场合披露AI已广泛介入其研发流程；FDA则从监管层面系统性推进AI技术应用，其对器官芯片等新方法学的态度也从“科研支持”转向“主动纳入监管框架”；由Google DeepMind孵化的Isomorphic Labs在2024年先后与礼来、诺华达成近30亿美元战略合作，布局了包括GPCR等复杂靶点在内的多条AI药物管线，目标是2026年推进至临床试验。
对于AI制药的未来趋势，马健从垂类模型发展、研发数据生产、基础模型渗透三方面做了研判。
“最近几年，AI制药的垂类模型正在从基础物理模型结合机器学习算法，向全原子模型和跨模态方向发展。之前小分子、大分子、多肽、小核酸等在算法模型上会有一些泾渭分明的区别，但今后算法和底座会越来越趋同，”马健表示，在药物研发的各个环节，数据依然非常不完备，无论是数据的量，还是数据的质，不管是从样本空间的分布，还是从目标函数的不确定性上来说，都还要依赖大量新的实验基础设施，“我们要重新审视在研发端的数据生产方式变革，原来以人为主，未来自动化、机器人以及Agent都会加入这个行列，共同完成数据飞轮的构建，形成更智能的干湿闭环研发能力。”
在基础模型渗透方面，他则认为，随着基础大模型的快速迭代和发展，之前还是个小学生，今年已经博士毕业了，可能再过几个月就会具备行业专家水平，它将逐渐渗透到更多环节和领域中。例如，对于流程性组织，通过基础大模型结合Agent，可以替换很多决策环节，更加自动化，更加高效。
而对于创新研发组织而言，在药物研发中，基础大模型如何跟一个团队产生更加紧密的协作，如何将大模型从赋能个人——能写代码，能写文件，变成赋能一个组织去共同创新，这仍是行业待解决的问题。
马健进一步表示，我们越来越清晰地认识到，未来赛道的领跑者，不再是某个单项能力的最强参与者，而是能更好构建起协同技术、科学、临床、产业等生态各方的平台型力量。未来的新药研发，也一定是一场系统性工程，将更多的科学不确定性转化为工程确定性，实现更大规模的产业化落地和真实世界验证。
从创新“苗圃”走向产业“森林”
在这一轮全球AI制药产业化浪潮中，晶泰科技作为全球AI药物研发的先行者，率先打造了行业独有的“AI模型预测—机器人执行湿实验—数据反哺AI－Multi-Agent智能调度”全闭环研发体系。
晶泰科技首席科学官张佩宇博士围绕研发范式变革与AI自主发现体系展开解读。他表示，药物研发范式正在告别经验科学、理论科学，迈入数据驱动的自主发现时代。自主发现是通过AI自主产生新的靶点、机制或化合物，并通过评估确定合理的进行自主实验闭环。
以化学场景为例，他介绍了自主发现系统的工作流程——通过自然语言描述，利用Agent生成研发流程发送指令，物理智能随即进行实验操作，Agent调用工具实现实验推进并分析结果。该系统已在晶泰科技内部使用并验证，分子合成效率和成功率大幅增加。
张佩宇表示，实验室是物理智能的理想训练场。相较于工业、家用机器人场景，实验室布局可控、操作对象有限且价值领先（创造新物质、新药物、新材料），流程不固定、调度复杂度高，能够支撑物理智能完成多阶段技术迭代。晶泰科技于2020年完成AI机器人实验室能力搭建，2025年正式启动通用物理智能研发，并依托自建一体化科研数据基础设施，实现数据生成、标注、建模全闭环，持续提升新药研发整体成功率。
未来，晶泰科技将持续以开放生态链接产业各方，依托不断进化的AI机器人研发新基建，破解更多新药研发痛点，推动中国AI药物创新从技术突破走向临床价值落地。这一切的根基与未来，都系于持续构建与深化的AI药研工程化能力——这不仅是晶泰科技的核心竞争力，更是整个行业从创新“苗圃”走向产业“森林”的关键。
鸿岳资本配资提示：文章来自网络，不代表本站观点。
