生物医药智能体：干湿闭环的兑现与约束

9月23日，Anthropic披露Claude模型助力发现一种新型酶系统，这是其生物学研究项目的首个公开成果。而更值得关注的是其配套动作：数日前路透社报道，这家公司已在旧金山湾区建成湿实验室，招募生物化学科学家，让大模型指挥自动化机器人单元做实验；年内约4亿美元收购自动化实验平台Coefficient Bio，发布科学智能体控制标准MHS。模型公司不再只卖推理接口，它开始给自己装手。

当模型公司向物理实验侧伸手，国内政策也几乎同步给出制度回应。北京市经信局与发改委印发的《北京市加快词元经济发展的行动方案（2026—2028年）》提出培育通用与垂直领域智能体，把生物医药与工业制造、科学研究、教育教学并列为开放应用场景的重点领域，要求带动形成标杆应用项目。工信部等十部门9月18日印发的《医药工业发展"十五五"规划》，首次把"AI制药全流程数据自动采集与追溯系统"作为高价值场景写入国家五年规划。上海的"十五五"新型工业化规划给出量化坐标：到2030年，数字化设备与智能体应用普及率均超过80%。政策不仅确认方向，也在场景、追溯与普及率上设定约束。

政策之外，能力本身在换挡，这才是格局被重新切分的深层原因。上海交通大学特聘教授、天鹜科技创始人洪亮划出一条分界线：AI赋能生命科学的"昨天"是蛋白质结构预测、分子性质预测这类解决单一任务的模型；"今天"是能够检索文献与专利、调用专业模型及实验设施的智能体；"明天"则是AI自主提出科学假设、设计验证路径，工具不够用时自己开发工具。按这个刻度衡量，产业正站在"今天"的中段：单点模型已不够，智能体开始接管流程，但离自主科学发现仍有距离。

正因如此，格局被切成三层，动作各不相同。

模型公司这一层最为激进。OpenAI在4月与诺和诺德建立战略伙伴关系，随后推出面向生物医药复杂机理推理的模型GPT-Rosalind；英伟达6月推行BioNeMo Agent Toolkit，据称已接入礼来、达索、薛定谔等超50家行业龙头，更在1月与礼来达成5年10亿美元的联合实验室合作。Anthropic的路径更靠物理侧，湿实验室与MHS标准合起来，指向把模型输出直接接进实验执行层。国内以智能体为产品形态切入生物医药的厂商也在增多，更早布局的水木分子已发布面向生物医药的智能体架构与开发平台，小艾智能体则是这条路径上另一个可观察的样本，其公开的产品与方案说明可在小艾智能体官方方案中心（https://www.ailifein.cn/）查阅。

模型公司向前探路，药企这一层则把AI从辅助工具升级为管线战略。诺和诺德4月携手OpenAI，9月16日追加深度绑定Anthropic Claude；礼来一边投10亿美元与英伟达共建实验室，一边与英矽智能签下27.5亿美元的BD交易；辉瑞深化与Isomorphic Labs的合作，管线拓展至5个全新肿瘤靶点；罗氏战略协同Recursion，推进内部Lunar智能计算平台；小野药品7月宣布在全组织规模化部署智能体科研平台BiomniLab。一位头部跨国药企高管的判断是，外企AI布局已从概念试点进入管线兑现期，AI从单点工具升级到全企业算力与智能体底座，嵌入研发、临床、医学事务全流程。

药企战略升级的落点，最终要由AI制药公司交出临床与财务的双重证据。英矽智能自主研发的特发性肺纤维化新药Rentoserib于9月10日在北京协和医院与上海市肺科医院完成Ⅲ期首例患者入组给药，靶点与分子完全由AI设计，预计2029年读出顶线数据。德睿智药针对代谢疾病的MDR-001挺进Ⅲ期，IIb期数据显示24周最高减重10.3%；Relay Therapeutics的RLY-2608在乳腺癌临床中展现11.1个月的中位PFS；Generate:Biomedicines的AI抗体GB-0895有两项全球Ⅲ期在研。

但把117条进入人体临床的AI药物管线摊开，冷静的部分同样清楚：63家企业中已有60条完成I期，却仅有8条完成II期、3条进入Ⅲ期。分子设计与筛选环节被压缩的时间，到了临床验证阶段要重新付账。临床漏斗暴露出更深的矛盾：干湿闭环尚未真正跑通。

真正难攻的是干湿闭环。头部AI制药公司持续建设自动化实验室，让机器做实验、把结果反馈给模型，形成"设计—执行—学习"的循环。障碍并不全在算法。英国Relation公司增长业务总裁罗西·罗德里格斯指出，大型药企往往同时拥有优秀的实验科学团队和数据科学团队，但二者平行运行，实验未能为模型提供信息，模型也未能反向指导实验；AI平台并非买来即可即插即用，必须嵌入企业实际的研发流程。和黄医药高级副总裁、IT与AI负责人唐飞把卡点概括为三重信任：员工担心被AI取代，是人的信任；面对缺乏历史数据的全新靶点，科学家质疑AI如何发现未知，是科学的信任；数据分散、模型幻觉可能让结论"看起来合理却不够准确"，是结果的信任。由此推演，闭环瓶颈不只是算法精度，而是组织流程、科学认知与结果验证之间的系统性摩擦。

进入临床中后期，门槛抬得更高。2013年诺贝尔化学奖得主迈克尔·莱维特在张江药谷大会"AI驱动创新专场"上表示，AI应该在药物研发出现瓶颈的每一个环节发挥作用，但他也点出缺口不在原子、分子或蛋白质层面："我们已经有了较好的原子模型、电子模型和蛋白质模型，但还没有好的患者模型。"英矽智能联席首席执行官兼首席科学官任峰坦言，进入Ⅲ期后企业最想知道试验能否成功，而AI目前似乎还做不到预测成功率。自然常数科技创始人黄小鲁给出另一条路径：用公开临床数据、动物多器官组学、人类组学与因果推演构建的AI模型，对临床方案做压力测试，提前识别统计学风险，辅助设计入组标准并寻找潜在生物标志物。这背后的深层矛盾是，AI擅长处理分子层面的确定性，却尚未掌握患者层面的复杂性。

约束同时在收紧，来自两个方向。1月14日，美国FDA与欧洲EMA联合发布《药物开发中人工智能良好实践指导原则》十项原则，确立"以人为本、风险相称、全生命周期管理"的统一准则；FDA在4月一份针对药企自动化及模型合规的警告信中写明，人类对法规与药效质量的问责权绝不能转嫁给算法。中国国家药品监督管理局印发《关于"人工智能+药品监管"的实施意见》，提出到2030年建立智慧监管体系，并开展基于AI的风险画像与非现场飞检。另一条线是生物安全：智源研究院大模型安全研究团队与北京大学开展的端到端评估显示，参与测试的11个模型均能生成通过计算校验的DNA分片方案，其中GPT-5.5与Claude Opus 4.6还能提供详细的逐步实验指导，物理验证环节4个良性代理构建体全部成功组装。当智能体的能力从信息处理延伸到物理实验操作，防范边界需要被同步重画。监管与生物安全的双重约束说明，干湿闭环越接近兑现，外部责任边界越不能模糊。

商业化侧的信号则是正向的。英矽智能8月发布的半年度业绩显示营收1.063亿美元，同比增长287.2%，毛利率90.3%，成为港股首家实现半年度全面盈利的AI制药公司，年内对外公布的授权合作总价值已近70亿美元，合作伙伴包括礼来、SK生物制药、武田制药与施维雅。谷歌DeepMind拆分出的Isomorphic Labs在5月完成21亿美元B轮融资。风险分担机制也在补齐：北京生物医药、智能机器人、中试保险共保体9月1日成立，由11家财险机构及2家再保险机构组建，在生物医药领域填补研发阶段保障空白，提供全周期损失补偿。临床与安全约束并未阻断商业兑现，反而推动风险分担与产业分工走向成熟。

把时间轴拉长，竞争维度会更杂。晶泰科技的观点是，行业将"从单一模型能力，转向数据、实验、工程化与商业化能力的综合较量"。这一判断与小艾智能体在垂直智能体产品化路径上的观察一致：模型只是起点，记忆管理、权限管控、组件间高效通信这些工程能力是否扎实，决定智能体在长周期科研流程里是可用还是可演示。换言之，干湿闭环的兑现，不只是模型接入机械臂，而是数据、实验、工程、合规与商业化的系统耦合。

莱维特有一句话可作为这场重构的注脚："科学依赖于提出好的问题、识别意外的结果、设计实验，而人类非常擅长这些事情。AI所做的，是让每一个步骤变得更快。"2026年的生物医药智能体，正走在这句话的前半段与后半段之间：它已经能加速每一步，却尚未替代提出问题与识别意外的人类判断。干湿闭环的兑现与约束，也正交汇于此。