全球藥企加速布局！AI Agent for Science時代開啟，誰在定義下一代研發體系？

當行業還在討論“AI能否改變研發效率”時，跨國藥企已經給出了更為確定的答案。

年初，葛蘭素史克與AI生物技術公司Noetik達成一項五年合作，以5000萬美元的前期資金及近期里程碑付款，以獲得后者的兩款癌癥模型的使用權。

幾乎同一時間，禮來與AI醫藥大模型公司Chai Discovery聯手，以獲得其核心平臺Chai 1和Chai 2的使用權，并一起為禮來打造獨有的早期藥物發現和開發模型。

從表面上看，這些仍然像是普通合作，但如果仔細拆解就會發現——

這些合作的核心已經不是傳統的軟件采購，而是將AI大模型作為重要基礎設施，整合到藥企研發平臺之中。

這一變化，正在悄然改寫醫藥行業。

如今，大藥企與AI公司之間形成了長期且共享的伙伴關系，通過持續的產業協同、數據融合與技術迭代，雙方真正成為研發共同體。

在這樣的背景下，全球藥企的思路也在發生變化。越來越多企業開始更加開放，開始聯合算力平臺、硬件平臺、AI技術平臺公司，共同搭建一個完整的AI for Science生態。

毫無疑問，這也對參與其中的企業提出了更高的要求，不僅要有技術能力，還能在真實場景落地，更重要的是，能夠在復雜生態中進行協調與整合。

在全球產業加速演進的同時，中國市場也開始出現具有標志性的實踐落地。

近日，望石智慧、華為、華鯤振宇三方正式達成戰略級生態合作，重磅發布AI藥研聯合解決方案。

該方案整合華為頂尖算力技術底座、華鯤振宇硬件平臺以及望石智慧小分子藥物設計平臺，構建起從底層算力到上層藥物研發智能應用的完整解決方案。

圖：望石智慧與華為共同參加央視頻《新智會客廳》欄目采訪

如果說，之前的跨國藥企動作，代表的是全球趨勢，而這一次三方合作，則意味著這一重要方向，正由中國市場的先行者引領進入實質性落地。

AI Agent for Science，未來已來

經過多年的發展，AI for Science（AI4S）正在走到一個關鍵拐點。

早期的AI4S更多是將AI作為輔助工具，提升研究人員的效率。如今，智能體的出現，讓AI解決科學問題，逐步邁向讓AI像科學家一樣解決科學問題。

一個代表性的案例來自美國的非營利性研究所FutureHouse。其開發的科研智能體羅賓Robin，在短短的10周之內，自主發現了一款治療干性老年黃斑性變形（AMD）的潛在療法。

這個案例之所以引起關注，并不在于結果本身，而是展示了一種可能性：AI開始具備自主科學探索和決策能力。

從這個角度看，AI Agent for Science的出現，標志著行業正式進入“智能體驅動的科學研究”時代。

這一趨勢，也在跨國藥企的動作中不斷印證。

標志性事件是，醫藥巨頭禮來和人工智能巨頭英偉達宣布投入10 億美元，共建AI聯合創新實驗室，核心目標之一就是開發面向藥物研發的專屬AI大模型，打造智能研發閉環流程。

更具說服力的是，跨國藥企開始直接通過收購將AI Agent能力內化為核心競爭力。

2026年1月，阿斯利康宣布收購Modella AI，將這家波士頓生物醫學AI公司的多模態基礎模型和AI智能體全面整合進其腫瘤研發體系。

就在上周，全球制藥巨頭默沙東與谷歌云雙方達成為期至少十年、總價值最高達10億美元的戰略合作協議，這是默沙東史上規模最大的單筆AI技術投資。

然而，當我們將目光聚焦于藥物研發這一核心場景時，一個關鍵問題浮現出來：單純的工具調用和通用科研智能體，能夠支持真實的藥物研發嗎？

答案并不樂觀。

藥物研發，特別是小分子藥物研發，是一個極度復雜的系統工程。它不是在某個指標上做到最好，而是需要在活性、毒性、穩定性、可合成性等多個維度之間不斷權衡。

這意味著，這個研發過程是一個持續動態的優化問題，而不是一次性計算。

單純的工具調用或者科研智能體，因為缺乏對藥物化學、結構生物學和藥理學的底層理解，很難在多輪優化過程中作出靠譜的判斷。

例如，上述Robin科研智能體成功證明了AI 自主科學探索的可能性，但嚴格意義上，它完成的只是藥物早期線索挖掘與理論方案。

它既沒有完成成藥性評價，也無法解決真實藥物研發中的毒性、有效性與安全等核心問題。

正因如此，單一模型能力再強，也只能解決其中某一個環節，難以最終轉化為藥物。

這也是AI Agent for Science出現的必然原因。它不只是一個一次性出結果的工具，而是通過整合多個模型、多種數據源和實驗反饋，構建出一個能持續決策的系統。

這意味著，AI制藥已經從模型競爭升級為專業智能體能力競爭。

誰能構建真正理解藥物研發核心邏輯，具備端到端研發能力的垂直領域智能體，誰就更有可能在下一階段占據主動權。

全球生態重構，AI制藥邏輯正在改寫

2026年，以OpenClaw為代表的一批產品，讓智能體徹底走進大眾視野。

它的出現證明了智能體不只是個概念，而是能夠真實落地的生產力工具，同時也給各個垂直賽道提供了新的啟發。

醫療行業正是其中變化最明顯的領域之一。

科技巨頭正在加速入局。4月，OpenAI、亞馬遜接連發布生命科學模型及智能體，以通用能力與平臺化服務切入藥物研發領域。

回看過去一年，醫藥賽道中的智能體產品更如雨后春筍般涌現。從當前市場格局來看，大致可歸為三類。

例如醫院管理智能體，聚焦醫療機構的運營效率提升，如病歷質控、用藥審查、患者管理等場景；第二類是醫患服務智能體，主要面向C端用戶的健康咨詢、用藥提醒和慢性病管理等服務；第三類，則是直接切入藥物研發環節的研發智能體。

前兩類智能體主要服務于醫療領域的患者和醫藥端，對現有流程進行優化，與藥物發現這一源頭創新環節關聯不大。

而第三類研發智能體，則直接進入醫藥產業最核心，也是壁壘最高的環節。

進一步深入觀察會發現，目前絕大多數玩家還扎堆在文獻檢索、分子篩選、化學合成等能力上，解決的是某一個環節效率問題。

這些能力都非常重要，但仍然有一個共同的局限——難以直接轉化為藥物。這也是為什么，行業仍然缺乏真正面向早期藥物發現、具備全棧能力的醫藥研發智能引擎。

在這一趨勢下，望石智慧的策略極具前瞻性。它并沒有停留在工具層，而是將能力延伸到研發決策系統。

望石智慧聚焦壁壘最高的早期醫藥研發場景，打造了行業首個以藥化思維鏈為驅動的全棧式小分子醫藥早研智能體，作為基礎設施，該智能體能夠作為幫助藥企拿下AI Agent for Science新生態的“入場券”。

它并不只是生成分子，而是試圖像藥化學家一樣思考問題。

在當前行業中，很多模型都可以生成結構新穎的小分子。但無法判斷藥物分子在真實研發環境中是否可行。這就導致一個現象：模型在計算指標上表現優異，但在實際研發場景中脫節。

而望石智慧的智能體，核心在于具備藥物化學家的判斷能力，串聯起從靶點發現、分子設計再到濕實驗驗證全流程，真正走進了研發核心。

更重要的是，這套系統形成了“AI設計—實驗驗證—數據回流—模型優化”的完整閉環。這一閉環非常關鍵，因為藥物研發不是一次性問題，而是持續試錯與優化過程。望石智慧打通這些環節，讓這套系統具備持續學習與自我反思能力，而不是一次性輸出工具。

原因在于，它不是基于通用智能體去適配藥物研發，而是圍繞藥物研發這一場景，打造了一個具備類藥化學家認知能力的專業研發伙伴。

這種原生優勢，讓其對藥物研發的理解也更貼近真實場景，同時又和實驗體系緊密結合。這讓它的智能體不僅能生成分子，還能做出更接近實際的判斷。

但如果把視角進一步拉高，會發現另一個更加重要的趨勢：生態，正在取代單點能力，成為行業關鍵變量。

一套真正可用的AI藥研系統，基本涉及算力、數據、算法模型和實驗驗證這四大要素，往往分散于不同組織手中，難以由單個公司獨立完成。

因此，基于生態的基礎設施協同，已成為不可逆轉的趨勢。

國際市場已經給出清晰的樣本。例如，賽諾菲聯手OpenAI、AI初創公司Formation Bio三方共同合作，打造一系列行業頂尖的模型。目前已經發布首個用于優化臨床試驗患者招募的AI工具Muse，將其運用于多發性硬化癥的Ⅲ期臨床試驗之中。

不只如此，英偉達在算力層面之上，與業內Recursion、Terry等公司合作，構建了龐大的算力與模型生態；谷歌母公司Alphabet孵化Isomorphic Lab，并與DeepMind 共享技術基座，打通藥物研發流程。

這些實踐共同指向一個方向，產業分工正在被重新定義。

過去藥企、AI應用公司、算力公司邊界相對清晰，但新范式下，產業邊界正在變得模糊，各方企業圍繞一個研發體系進行深度協調。

也正是在這樣的背景下，華為與望石智慧的合作，具有獨特的戰略深意。它不僅是一項合作，更是生態協同理念在中國AI制藥領域的一次率先落地。

過去幾年，中國AI制藥企業在技術層面不斷突破，在部分方向上已經具備與國際玩家競爭的能力。但在生態層面，尤其是在算力與基礎設施整合上，仍然存在差距。

而這一次聯合，則意味著中國在這一層開始補齊短板。

其更深層的意義，在于嘗試構建一套從底層算力到上層應用、完全自主且深度協同的AI制藥體系。這意味著，未來中國藥企有可能在一個相對獨立、可控的環境中完成AI驅動的藥物研發。

這不僅是效率問題，更是產業安全與長期競爭力的問題。如果這一模式能夠跑通，它很可能不只是一個案例，而會成為行業未來的重要范式。

打破行業瓶頸，中國AI醫藥新路徑

可以說，此次望石智慧與華為、華鯤振宇的合作，并非簡單的業務疊加，而是試圖構建更加統一的研發系統。

這一合作建立在三方各自核心優勢的深度互補之上。

如今，醫藥已成為華為重點布局的戰略級新賽道。據公開報道，華為近年已組建制藥軍團，由集團高管帶隊，將生物醫藥提升至與金融、制造同等重要的行業級戰略高度。

目前制藥行業正處于算力需求爆發期，基于昇騰AI計算和鯤鵬通用計算，華為在生命科學關鍵計算場景實現效率跨越式提升：成功將蛋白質結構預測訓練耗時縮短30%–35%，在長序列場景下，耗時縮短幅度甚至高達65%；不止如此，華為還將分子動力學模擬場景從幾周級壓縮至秒級。

由此可見，華為的算力底座擁有難以替代的核心優勢，能夠為行業提供AI開發框架等底層技術支撐，保障算力穩定與數據安全可信。

在AI藥研聯合解決方案中，華鯤振宇負責構建適配醫藥場景的高性能算力載體，將國產算力與醫藥研發的特定需求進行深度適配。

望石智慧則填補了這一生態中至關重要的“價值創造”一環。

與傳統醫藥背景出身的團隊不同，其創始人兼CEO周杰龍擁有20多年人工智能算法工作經驗，在技術路徑選擇上具有獨特的工程化視角。

這使得公司在構建AI驅動的研發體系時，更強調系統能力，而不是單點的技術突破。

深耕小分子醫藥早研8年多以來，望石智慧深知數據的價值，目前已經積累了海量醫藥研發垂類數據。其200億+小分子庫、2億+虛擬復合物庫、300w+電子云密度庫、上億二面能量扭轉數據的龐大數據資產，為制藥大模型研發、分子設計與研發決策智能體提供核心數據支撐。

這些數據，也構成了望石智慧底層關鍵資產。

在這一基礎之上，公司構建了工業級多模態AI 3D分子生成大模型，以及小分子藥物設計平臺Molvado，以及具備自主決策與閉環執行能力的小分子醫藥早研智能體MolVortex，從藥物化學家思維鏈出發，打通從需求理解、策略生成到工具調度、迭代優化的全流程自主閉環。

圖：多模態 AI 3D分子生成模型 &小分子藥物設計平臺MolVado（來源：望石智慧官網）

在此前的采訪中，周杰龍提到，某頭部藥企使用Molvado后，僅3個月就獲得了全新骨架的百納摩爾級活性分子，將原本需要1到3年的時間大幅縮短，合成和實驗的費用也減少了80%。

不只如此，望石智慧的能力沒有停留在案例展示，已經獲得產業認可度。

公司已服務超過100家國內外藥企和科研機構，助力客戶發現20多個針對差異化機制的早期候選藥物，多個項目已進入臨床前及臨床開發階段。

其合作伙伴廣泛覆蓋武田、拜耳、輝瑞等多家跨國制藥企業，以及齊魯制藥、微芯生物、泰德醫藥等國內頭部創新藥企。

此外，望石智慧內部已開發10余條圍繞腫瘤和自免兩大疾病領域的管線項目，研發效率超行業平均水平。其中自主研發的HPK1口服抑制劑SWA1211于2025年6月獲得中美雙報臨床試驗許可，成為全球首批進入臨床階段的AI參與設計的HPK1抑制劑。

這些成果，成功驗證了望石智慧作為一家擁有強AI技術基因的公司，在藥物早期研發有著深厚的技術積淀和全流程落地能力。

這些結果共同說明一件事：望石智慧已經完成了從技術到研發結果的跨越。

從更本質的角度看，其核心壁壘并不只是模型，而在于打通了一條業內少有的打通“AI 3D分子生成大模型+濕實驗+化合物庫+藥物管線”完整鏈路。使其不再局限于單一工具，而成為一個可以持續產出結果的系統。

而通過與華為、華鯤振宇的合作，望石智慧正在把自身能力嵌入到更大的體系中，形成從算力到應用的完整解決方案。

從長期來看，它的價值不只體現在單個項目上，而是成為藥企長期的平臺合作伙伴。

過去，藥物研發高度依賴定制化項目，難以規?；茝V，而當底層算力與上層智能體形成標準化組合后，有更多機會在企業中快速部署。

整套AI研發體系能夠快速適配不同藥企、不同研發場景的個性化需求，大幅降低企業落地AI制藥技術的門檻與成本。

換句話說，這有望為行業建立一套新的研發基礎設施。這種基礎設施平臺的轉變，商業邏輯也會隨之發生變化。

技術平臺不再只是通過單次軟件合作獲取收入，而是可以通過平臺和數據整合的解決方案賦能，獲得額外的項目收益分成，形成穩定的商業回報。

這一轉變，是當前AI制藥行業從概念落地、技術試點，走向成熟商業化規?；l展進程中，最關鍵的一步。

新一輪AI技術浪潮下，醫藥研發行業的競爭邏輯已發生根本性轉變。

單純依靠模型參數或工具已不足以制勝，生態整合能力與全棧落地能力成為企業核心競爭力。

望石智慧憑借小分子藥物研發智能體的前瞻性生態布局，在這一變革浪潮中先踏出一步。

它沒有滿足于分子生成能力本身，而是圍繞藥物研發流程構建智能體系統，這種從單點環節到系統決策的提升，正是AI Agent for Science時代的核心。

可以期待的是，通過與華為、華鯤振宇的深度合作，望石智慧將憑借其可復制的AI藥研聯合解決方案能力，從國內走向海外，加速商業價值釋放，真正引領AI Agent for Science的新生態。

其稀缺性與不可替代性，正在被越來越多的藥企所感知：它不是工具供應商，而是能真正驅動研發范式變革的生態核心。

未來，隨著更多AI賦能的管線進入臨床，更多合作伙伴加入創新研發，這一中國自主AI制藥新范式必將加速全球創新藥研發進程，為患者帶來更多突破性療法。

—The End—