捷希缘什么是未来药物研发的新范式？【2025VBEF】

随着AI及大模型技术的迅猛发展，信息技术（IT）与生物技术（BT）的深度融合，正在以前所未有的速度重塑疾病诊断、创新药物研发的格局，有效提升精准医疗转化效率。尤其在药物研发领域，ITBT深度融合加速了药物靶点发现、药物设计及临床试验等环节，大幅缩短研发周期并降低成本，为患者带来更多创新疗法捷希缘，也催生了新的合作与商业模式。

然而，尽管ITBT的融合探索被广泛看好，但实际应用中，数据质量参差不齐、模型可解释性不足、商业化路径尚待探索、多学科人才短缺等问题亟待解决。同时，如何在技术应用中平衡创新与伦理，确保患者数据隐私安全，也是产业探索者们必须面对的课题。

5月9日下午，2025VBEF未来医疗医药百强展会特此主办、ATLATL飞镖创新中心支持举办的“ITBT＆AI药物研发论坛”，从产业赋能、临床视角、生态构建三大视角出发，从AI工具迭代、药物研发范式变革，到产业链上下游的创新探索，深度探析AI药物研发及各交叉领域热点问题和应用案例，邀请到科研及临床顶尖专家、头部企业、资深投资人建立对话，碰撞技术转化德实战经验，描摹出更为清晰的ITBT产业发展蓝图。

AI变革推动ITBT进入新阶段

AI 推动信息技术（IT）范式变革，促使其与生物技术（BT）实现深度有机融合，显著提升精准医疗的转化效率。一方面，科研端、临床端数据的涌现正与大模型崛起、算力提升、算法迭代的趋势相契合。另一方面，AI赋能下的ITBT已催生出全新的商业模式与合作模态。

ATLATL飞镖创新中心创始人兼CEO朱鹏程谈到，生物医药的创新不应被重资产拖累，关键在于推动生命科学工程化进程，让创业公司更轻盈、灵活，让科学家回归设计与创新的本质。ATLATL希望通过标准化、模块化，让科研成果相互支撑，实现行业创新的几何级放大。中心打造的创新平台，融合实验室空间、运营管理、专业研发平台和AI系统，助力生物公司回归设计公司本质，实现轻资产运营。

朱鹏程指出，AI应当从有门槛的、少数人享用的工具变成从业者、公众都能使用的工具。而ATLATL希望成为推动生命科学进化的引擎，通过释放众多生物技术公司的独特技术，进而赋能全行业联合创造新价值、新高度。这一目标将分三步实现：其一是要让生命科学工程化，其二是将生物公司设计化，其三是把创新孵化制度化。

前FDA高级审评官员，埃格林医药创始人、董事长杜涛指出，AI如今已成为FDA官方认可的工具，开源框架也大幅降低了AI工具的使用成本。在解决工具普及问题后，AI若想进一步降低创新药研发成本，关键在于占研发成本 80%的临床阶段。数据显示，自2021年起，FDA每年批准的IND（新药研究申请）中，应用AI辅助设计的临床试验数量已超百例，2023 年更是接近200个。

杜涛表示，在临床领域，AI结合大规模临床数据可赋能三大核心环节：精准确定药物适应症、优化临床终点设定、智能筛选入组患者，从而显著提升临床阶段的推进效率与成功率，并大幅降低研发成本。

英矽智能高级副总裁张曼通过具体案例，阐释了生成式 AI 在加速药物研发、提升效率方面的实践路径。她指出，药物研发链条中，从靶点选择、分子发现与成药性设计，到临床阶段的患者人群筛选，各环节对数据分析、模型构建与验证的复杂度呈阶梯式递增。这一过程不仅是对研发科学性的考验，也推动着AI团队对疾病机制的理解不断深入。随着人类对疾病认知的深化捷希缘，AI的学习与理解能力亦持续迭代进化，进而赋能药物研发实现从临床前到临床阶段更高效的转化。

教授、迪普深合AI顾问谢伟迪围绕AI及计算机视觉的通用诊断模型展开分享，指出可将海量知识图谱、循证医学依据、药物发现知识等融入医疗通用模型的训练，即通过 “知识增强” 技术，打造面向未来的多模态模型。他强调，关键在于借助多模态数据融合、自监督学习等技术，将知识注入大模型，并使模型向视觉模型对齐，以此提升模型性能。

五源资本董事总经理井绪天分享到，近两年来，ITBT及AI制药领域迎来技术与商业化的双重突破。在技术变革层面，AI在医疗领域实现了对生物信息各个层面的数字化解码，为生物医药信息化奠定核心基础——使生物数据具备可传输、可计算、可学习及可生成的特性。同时，大语言模型对于蛋白质信息的理解、处理、预测更是带来了直接的商业应用场景。

投资市场尤为关注AI带来的创新效率变化与生产关系变革。井绪天指出，AI通过缩短研发周期、降低研发成本、提升研发成功率，将直接赋能药物商业化进程，例如延长专利保护期内的有效销售周期、提高投资回报率等。从长远看，在AI加持下，未来Biotech将构建更强的竞争力与生产力，有望实现更高水平的创新效率与商业价值。

算秩未来商务总监孙浩波将ITBT喻为“生物制药的高速公路”，并指出AI是驱动这条公路的引擎，大数据是坚实路基，高性能算力则是加速前行的燃料。他强调，AI制药的高速发展对AI基础设施提出三重升级需求：更强的系统稳定性、更高的算力性能、更优的资源利用效率。

2025年，ATLATL与算秩未来联合推出生物信息创新平台MassAI，其核心在通过超大规模算力集群、整合式流程编排技术及智能Agent构建，推动基因组解析与蛋白质设计的实际应用落地。孙浩波表示，作为IT领域的算力服务商，算秩未来通过与ATLATL的合作，深度融入AI制药行业生态，致力于满足企业在算力、数据和技术流程上的核心需求，帮助初创企业降低研发试错成本，让创新资源更高效地流向科学突破本身。

监管挑战与产业生态机遇并存

ITBT融合已步入深水区，AI制药也正不断拓展应用边界，探索多元化的落地场景。要推动产业的持续发展，不仅需要提升技术水平和创新能力，更为关键的是，加强上下游产业链的协同合作，让创新火花碰撞起来。

在蓝驰创投董事总经理戎璟主持下，晶泰科技多肽业务高级总监张根卫、腾迈医药联合创始人＆CEO何骑、神拓生物创始人兼CEO周露、玻色量子创始人兼COO马寅展开了一场酣畅淋漓的讨论。

晶泰科技多肽业务高级总监张根卫强调，数据在AI及大模型中处于核心地位，但当前生物领域应用模型的数据量仍相对有限，且普遍存在数据孤岛问题。他强调，获取大规模、高质量数据，打破数据壁垒实现整合，并充分释放数据价值，是AI制药未来实现范式变革的关键所在。

晶泰科技的核心价值增长聚焦两大协同方向：短期以降本增效为目标，例如在基础设施建设中，积极与政府、科研院所及企业开展实验室共建和联合项目，通过共享共建模式降低单一主体的成本投入，同时实现更广泛的数据资源互通，达成合作方利益共赢；长期则侧重投资孵化，依托自身技术积累，发掘并培育行业内具有潜力的创新技术与增长点。

腾迈医药联合创始人兼CEO何骑指出，公司致力于通过降低高阶AI与计算化学工具的应用门槛，显著减少药物研发中需合成的化合物数量，并依托“干湿实验闭环”的一站式平台（整合高性能计算与规模化湿实验室），助力客户缩短研发周期、降低研发成本。他进一步强调，未来AI制药的突破将从蛋白质层面向更高维度的细胞层面的动态模拟技术，甚至组织和器官层面，通过引入更高阶的AI模型，物理建模方法，和更强大的算力，有望更精准设计和预测药物对人体的影响，从而开发出更个性化和更高效的药物。

神拓生物创始人兼CEO周露提到，基因治疗涉及的序列、编码等内容与计算机语言具有天然共通性，在AI制药领域具备独特结合优势。基于此，神拓生物正开发多智能体载体设计平台，通过生成式AI以程序化、代码化方式设计病毒载体，提升设计效率与准确性。周露认为，AI制药突破需要关注三个方面，一是AI需要理解医疗的复杂性，即医疗本质上不是治病，而是“治人”，需要综合考虑经济学、个体差异等多元因素；二是AI技术需实现创新性突破，进一步颠覆传统制药模式；三是对于AI制药的监管需要等到关键爆发点。

玻色量子创始人兼COO马寅谈到，作为源自清华和斯坦福的量子计算机整机硬件企业，玻色量子立足国产自主，仅用四年时间便完成专用型量子计算机的研发与生产。该量子计算机在实际应用中具备 “大、快、好、省” 的优势 —— 算力强大、运行速度快、计算结果精准且能耗低，可在短时间内完成大规模计算任务。他指出，一旦量子计算机在AI制药领域实现有效应用，将彻底改变算法与算力的现有格局。

我们仍在等待第一款AI药物诞生的时刻。回归底层逻辑，AI应用于医药行业，算法、算力、数据是绕不开的关键课题。创新者们正是围绕着这一课题，走出了各有千秋的时间路径。经此路径上的艰难坎坷，人类与AI逐步寻找到更高效和契合的应用手段，最终迎来造福人类的颠覆性革新。

*封面图片来源：123rf

如果您想对接文章中提到的项目，或您的项目想被动脉网报道，或者发布融资新闻，请与我们联系；也可加入动脉网行业社群，结交更多志同道合的好友。

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。

广瑞网官网提示：文章来自网络，不代表本站观点。