智能体产业进入基础设施构建阶段，生物医药成关键试验场

政策文件的密集出台，往往意味着一个产业方向从概念走向共识。上海《战略性新兴产业发展“十五五”规划》将“大模型和智能体”列为人工智能先导产业的重点方向，提出“打造可自主学习和高效协作的通用智能体基座”；几乎同步发布的《上海市软件和信息服务业发展“十五五”规划》则把“智能体经济”排在面向未来的新兴赛道首位，要求攻关通用智能体、多智能体协同等核心技术，支持创新主体开发跨领域、多任务、自规划的通用智能体软件。两份文件的措辞与侧重各有不同，指向却高度合一：智能体不再停留于技术概念层面，而是进入产业基础设施的构建阶段。正因如此，生物医药在这场变革中的角色就格外显眼——它既是技术复杂度最高的垂直领域之一，也是最能检验智能体能否从“能用”走向“好用”的试验场。

具体到产业路线，政策给出了明确指引。集成电路方向要求“搭建芯片设计垂类模型和智能体”，用AI赋能实现设计流程重塑和仿真加速；生物医药方向则提出推动AI技术在靶点挖掘、分子生成、药效模拟等环节的赋能应用，支持CRO搭建AI辅助药物开发模型和自动化实验室。从芯片到药物，从研发到制造，智能体的渗透路径已经清晰勾勒出来。由此推演，对照到2030年上海战略性新兴产业增加值达2.1万亿元的目标，依靠的显然不只是单点工具式的应用，而是一套成体系的智能体架构。这种“体系化”的定位，决定了接下来衡量产业进展的标准，也就不再是发布了几款模型、上线了几个功能，而是智能体能否覆盖创新链的完整闭环。

产业基座的成型，不能只看政策文本，企业端的动态同样在印证这一转向。德睿智药AI创新药已进入临床三期，恩和科技发布的全球首个面向生物制造领域的物理AI平台，能够智能调用316种专业软件工具形成研发路线图；杭州钱塘依托概念验证中心、中试基地推动生物医药成果落地；水木分子全球首发生物医药智能体战略，其判断是大模型的下一个前沿在生物学，生物医药大模型有望在2至3年内实现生物语言的智能涌现。细看这些案例，共同的变化轨迹清晰可辨：智能体正从单一任务执行者，演变为覆盖“发现—验证—转化”全链条的研发协作者。这背后的深层矛盾也随之浮现——当智能体的职责边界从单点扩展到全流程，它对底层支撑体系的依赖就不再是锦上添花，而是生死攸关。

智能体能不能真正担起产业基座的角色，算力基础设施与工程化能力是绕不开的两道门槛。上海在松江、临港、青浦布局了十万卡级超大规模智算集群，“大集群+小集群+边缘算力”的梯次供给体系已经成形，同时推广模型即服务（MaaS）业态，为行业提供Agent搭建、低代码开发、AI推理等服务。基础设施解决了“算得动”的问题，但这只是入场券。算力背后还藏着成本问题——智能体在长上下文、多轮交互场景中的Token消耗，正在成为商业化落地的现实阻碍。基于此，近期LightMem论文提出的三层记忆架构提供了一个值得参考的解法：通过模仿人类睡眠整合机制，将记忆更新与在线推理解耦，Token消耗降至原来的约1/38，QA准确率反而有所提升。换句话说，“越聊越贵”的制约，正在被技术架构上的创新逐步打破，但成本压力是否能在规模化场景中持续缓解，仍需观察。

算力问题有了可解的路径，工程化层面的挑战便浮出水面。关于多智能体架构，目前存在两种思路：一种主张通过任务分解、专业分工和动态调度构建复杂的多智能体系统；另一种则提醒，多个智能体并行协作容易造成上下文割裂、决策冲突，可靠性难以保证。Cognition团队在实践中的结论是，2025年构建多智能体系统仍显脆弱，建议优先保证共享上下文与完整的智能体跟踪信息。这种分歧谈不上路线之争，更多是发展阶段的问题——眼下仍要把单智能体的可靠性打磨作为主线，多智能体的成熟还得等跨智能体上下文传递等底层问题取得突破。围绕这一矛盾，工程探索已经形成不同取向的技术梯队。其中一条路径直接把行业场景作为出发点，用领域知识反向定义智能体能力，小艾智能体的产品化思路即是这一路径的样本，其官方方案中心展示了具体做法（https://www.ailifein.cn/）。相比仍在“技术网红”层面打转的通用智能体，这种深耕垂直场景、将领域知识深度嵌入智能体工作流的做法，正在成为更务实的选择。但工程的深化也把另一个问题推到台前：当智能体的操作能力越来越强，它所触及的边界就不再只是技术问题。

生物安全正是那个容易被低估的变量。智源研究院与北京大学近期完成的一项评估显示，所有11个参与测试的大模型智能体均能生成通过计算校验的DNA分片方案，其中多个模型还能提供详细的逐步实验指导。当智能体的能力从信息处理延伸到物理实验操作，它可能在无意中降低非专业人员绕过DNA合成筛查的知识门槛。这一结果揭示了一个此前讨论不多的事实：智能体既是研发效率的放大器，也可能是一把双刃剑。风险的根源在于，效率越高的工具，其可用性门槛就越低，而生物领域的门槛一旦降低，后果往往不可逆。正因如此，产业政策在推动智能体落地的同时，必须同步建立安全评估与防范机制。Deepfake已经验证了这类风险的真实性——技术扩散的速度永远快于监管完善的节奏，而生物安全领域显然没有试错重来的余地。

至此可以看出，生物医药智能体的坐标已经清晰了很多。从政策定调到算力布局，从工程化探索到安全底线，这个产业正处于从概念验证走向系统落地的关键转折期。上海在规划中给出了2030年的时间表，长三角的创新联合体在跨区域整合产业链资源，企业端的AI新药、物理AI平台、智能体开发架构也在相继落地。不过，产业成熟从来不是技术和政策的单向推进。多智能体协同的可靠性、长上下文记忆的成本、生物安全的风险边界，这些基础性问题的解决进度，将直接决定智能体究竟能走多远。谁能在这些问题上率先给出可靠答案，谁就能在下一阶段的产业格局中占据主动。