炒股配资门户配资诺奖得主莱维特对话英矽智能CEO任峰，坦言AI制药发展远超他预期

“迈克尔，半个世纪前，您完成了全球首次蛋白质动力学模拟，那时用计算机研究生物学就像科幻小说。如今，人工智能可以预测蛋白质结构、生成全新分子、设计药物并推动它进入临床试验。人工智能+生物医药的发展速度，是否超出了您的预期？”英矽智能联合首席执行官、首席科学官任峰向诺贝尔化学奖得主、斯坦福大学教授迈克尔·莱维特提出了这个问题。

2026张江药谷大会暨上海国际生物医药产业周·开幕论坛昨天下午举行，莱维特与任峰的“炉边对话”引人关注：一位是计算生物学先驱；另一位带领团队，推动全球首个由人工智能驱动识别靶点、设计分子结构的创新药‌‌进入Ⅲ期临床试验。

莱维特与任峰在2026张江药谷大会上对话。

围绕AI制药这一话题，多位专家分享了观点。在他们看来，医药企业转型发展、全流程部署人工智能是大势所趋。人工智能不仅能降本增效，还能突破知识边界。医药企业要加快构建长链条数据，推动生物医药向数据驱动型行业迈进。

AI设计蛋白让诺奖得主震惊

近年来，人工智能赋能生物医药的第一个标志性成果，是“阿尔法折叠”（AlphaFold）问世，这款AI软件用于预测蛋白质的三维结构。2024年，“阿尔法折叠”研发团队负责人德米斯·哈萨比斯和约翰·江珀获得诺贝尔化学奖。如果把眼光放得长远些，为这项成果奠定基础的正是莱维特等老一辈计算生物学家。过去50年，他们开发出很多预测蛋白质结构的算法，让AI软件开发团队“站在了巨人肩膀上”。

对于任峰提出的问题：“人工智能+生物医药的发展速度，是否超出了您的预期？”莱维特坦言：“远超我的预期，如今人工智能不仅能预测蛋白质结构，还能设计新的蛋白质和药物分子，这让我感到震惊。”

人工智能驱动研发的创新药进入Ⅲ期临床试验，是今年AI制药领域的一个标志性成果。这款候选新药名为Rentosertib，治疗特发性肺纤维化，由英矽智能利用自研智能平台Pharma.AI开发。上周，这款小分子口服药在北京协和医院完成首例患者入组并给药。同日，上海市肺科医院也完成首例患者入组。

莱维特在2026张江药谷大会上回答问题。

“Rentosertib的药物靶点由人工智能发现，分子结构也由人工智能设计。您认为它的Ⅲ期临床试验里程碑对整个行业意味着什么？”任峰问。“它打破了业界的一种怀疑——人工智能设计的药物能通过临床试验吗？你们的新药已通过Ⅱ期临床试验。”莱维特说，这个里程碑也意味着，干实验（在计算机上进行的生物学虚拟实验）与传统的湿实验相互验证、循环迭代，是一条可行的AI制药路径。英矽智能就是在张江药谷开展湿实验，将实验数据反馈给Pharma.AI平台，再通过干实验一步步完善新药分子，最终将候选新药推向临床。

转型药企能赶上AI原生药企

谈及AI制药发展趋势，任峰表示，未来几年，所有生物技术公司和医药公司都将转型发展，实现AI赋能。与转型药企相比，英矽智能这样的AI原生药企目前还处于领先地位，但不会保持很长时间。

“在早期阶段，大家不知道哪些AI算法最好，处于百花齐放、百家争鸣状态。然而随着技术发展，生物医药领域的垂类模型算法将逐步趋同。”任峰说，“垂类模型为AI原生药企争取到了3—5年时间，让我们可以布局新药管线。英矽智能要利用这几年的算法优势，快速布局管线，如果做出几个大药，就能形成企业未来发展的护城河。”

英矽智能创始人、首席执行官亚历克斯·扎沃隆科夫（左）与任峰在实验室工作。

在转型发展道路上，很多创新药企业正在奋力追赶AI原生药企。和黄医药高级副总裁唐飞在论坛上分享了公司“3+1战略”：开发科学发现、决策、执行3个AI引擎，分别用于药物分子设计、研发管线布局和推进决策、全流程智能体执行；打造1个数据基座，实现医药临床数据的语义统一，让大数据在3个AI引擎之间高效流动。

目前，和黄医药已部署离线隔离的内部大模型，在保障患者数据安全的前提下，为不同功能的AI引擎提供支撑。公司AI团队还开发了上百个智能体，将它们部署在企业工作流的各个流程中，如患者数据提取、临床研究报告生成、药物注册文档撰写，已有效提升所有岗位的工作效率。

人工智能与科学家各有所长

“生物医药过去不是一个数据驱动的行业，特别是在新药发现环节，主要靠科学家的直觉和试错。”唐飞表示，人工智能进入这个行业后，引发了科研“第四范式”即数据密集型科学变革。在此背景下，企业要加快构建长链条数据，将体外实验、动物实验、临床试验的数据串起来，再“喂”给垂类模型，让模型在高质量大数据基础上分析出更有价值的信息。

今年4月，天鹜科技发布了对话式蛋白质研发智能体“晓鹜”，用户可通过与智能体对话，完成标签数据库检索、蛋白质设计、自动化实验验证等一系列工作。天鹜科技创始人、上海交通大学特聘教授洪亮说：“AI不仅能降本增效，更重要的是突破知识边界，产生人类单凭聪明才智很难获取的新知识。”

洪亮认为，大模型拥有的高维统计能力是人类所不具备的。自然界中，各种蛋白的氨基酸序列和三维结构差别很大，科学家探索到底什么样的序列和结构能实现某种功能，其实难度非常大。“我们现在直接用大模型在高维上提取各种蛋白的特征，再根据统计数据得出新的认知，在此基础上就能设计新的蛋白质，做更好的创新药。”

另一方面，也要看到科学家的不可替代性。唐飞举了“爱因斯坦测试”的例子——把训练大模型的物理学知识截止到1900年炒股配资门户配资，看大模型能否根据这些知识提出相对论。测试结果显示，大模型无法独立完成从牛顿力学到相对论的科学范式革命。“生物医药领域也是这种情况，所以科研人员未来还是会发挥重要作用。他们要向大模型和智能体输入高质量的科学解释，推动干实验与湿实验循环迭代，还要向大模型提出高水平问题，这样才能与AI合作取得创新突破。”

致富配资提示：文章来自网络，不代表本站观点。