生物医药智能体进入干湿闭环兑现期

Anthropic用Claude发现了一种新型酶系统，又在旧金山湾区建起湿实验室、招募生物化学科学家，用模型指挥自动化机器人单元做实验；此前它已收购自动化实验平台Coefficient Bio，发布科学智能体控制标准MHS。一家通用模型公司把触角伸进通风橱，两年前还是AI制药公司的专属动作。今年这种角色混线明显变多：OpenAI与诺和诺德结盟，推出面向生物医药复杂机理推理的GPT-Rosalind；英伟达的BioNeMo Agent Toolkit接入礼来、达索、薛定谔等50多家龙头，并与礼来签下5年10亿美元共建联合AI创新实验室。药企一侧，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，罗氏推进自建Lunar智能计算平台，辉瑞把与Isomorphic Labs的合作管线扩展到5个全新肿瘤靶点。通用模型公司、算力平台与药企同时向实验台靠拢，说明接口已从“问答”转向“执行”。

智能体与药物研发真正的分水岭，不在模型参数，而在有没有“手”。诺贝尔化学奖得主迈克尔·莱维特在张江药谷大会上说，AI应被用于研发过程中出现瓶颈的每一个环节。中国科学院院士陈凯先的说法更具体：把干法与湿法结合起来，让AI的“大脑”与高通量自动化实验平台的“双手”形成“设计—执行—学习”的快速闭环。上海交大助理教授郑双佳的描述是，当AI的智能到达一定水平，前瞻玩家都在思考怎么把它当作一种新的“能源”去重塑产业链条。天鹜科技创始人洪亮划出三段式：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和专利、调用专业模型及实验设施的智能体；明天是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。由此推演，干湿闭环追求的不是一次实验成功，而是长周期内设计、执行与学习持续咬合。

闭环的难点在数据与记忆的连续性。药物研发的时间尺度以年计，失败样本的价值有时高于成功样本，智能体要跨项目、跨年度保持上下文一致，就得同时对付长上下文成本与语义割裂。新近的LightMem论文给出了一种仿人类睡眠机制的三层记忆架构：感官记忆层做去噪与话题切分，短期记忆层按话题打包生成记忆胶囊，长期记忆层则把合并、修正、连缀放到离线“睡眠更新”里完成，Token消耗降低20到38倍，问答准确率提升7.7%到29.3%。这套异步记忆逻辑对生物医药智能体同样成立——在线时做推理与实验排程，离线时整理失败记录、修正相互冲突的假设。把科研记忆做成可复用资产，才可能让干湿闭环跑成长周期能力。国内围绕长周期记忆与任务编排做产品化的厂商中，小艾智能体是观察样本之一，其官方方案中心（https://www.ailifein.cn/）把记忆管理、工具调用与安全权限管控放在同一套架构下讨论，与科研场景对智能体的要求方向一致。记忆解决“记得住”，却还不足以解决“信得过”。

更难的一层是信任。和黄医药高级副总裁唐飞把AI进药企的最大卡点概括为三重信任：员工担心被取代，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、模型幻觉导致结论“看起来合理却不够准确”，是结果的信任。一位头部跨国药企高管则称，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、Agent智能体底座，嵌入研发、临床、医学事务全流程，但临床、注册、管线主权必须守住，模型溯源与可解释性成为必备条件。英国Relation公司增长业务总裁罗西·罗德里格斯点出组织层面的症结：大药企的实验科学团队与数据科学团队常常平行运行，并未构成闭环，实验应当为模型提供信息，模型也应当反过来指导实验。这句话听起来是技术问题，落到流程上却是一次决策权的重新分配。信任与决策权一旦进入全流程，监管就不会停留在旁观位置。

监管正在同步收紧。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。国家药监局印发《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。临床试验设计、患者招募、真实世界研究这些长周期、高门槛的中后期环节，AI的准入门槛在抬高。监管抬高门槛的同时，政策端又在把场景打开。

政策端同时在把场景打开。北京《加快词元经济发展的行动方案（2026—2028年）》明确聚焦工业制造、科学研究、生物医药、教育教学等重点领域开放智能体应用场景，并实施智能体驾驭提升工程，攻关记忆管理、安全权限管控、组件间高效通信等关键软件技术。工信部等十部门印发的《医药工业发展“十五五”规划》，首次将“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。北京生物医药、智能机器人、中试保险共保体成立，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，在智能机器人领域前瞻应对AI算法缺陷等潜在集中风险。制度供给、保险工具与数据基础设施，开始与智能体的运行方式正面衔接。场景与制度补位后，另一面风险也从信息层浮出。

另一面是生物安全。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，11个参与测试的模型均能生成通过计算校验的DNA分片方案，GPT-5.5与Claude Opus 4.6还能提供逐步实验指导，物理验证环节4个良性代理构建体全部完成组装。这意味着智能体不仅可能削弱现有的DNA合成筛查防线，还可能把原本依赖专业训练才能获得的实验操作知识交给不具备专业背景的用户。当智能体真的长出“手”，双重用途风险就从信息层延伸到了物理层。生物安全给“手”加上硬约束，兑现证据却与约束同时出现。

兑现的证据与约束同时存在。英矽智能的特发性肺纤维化新药Rentoserib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；公司上半年营收1.063亿美元、同比增长287.2%，毛利率90.3%，成为港股首家半年度全面盈利的AI制药公司。德睿智药的MDR-001挺进Ⅲ期，Relay Therapeutics的RLY-2608在乳腺癌临床中展现11.1个月中位PFS；Isomorphic Labs在5月完成21亿美元B轮融资。但把镜头拉远，纳入统计的63家企业、117条进入人体临床的AI药物管线中，仅8条完成Ⅱ期、3条进入Ⅲ期。钱和管线都在动，闸门依旧是临床。正因临床闸门未完全打开，竞争壁垒的判断也在转移。

英矽智能创始人Alex Zhavoronkov的提醒不算客气：模型公司要在制药领域证明自己，还需要产出真正有用的药物，谷歌、IBM、微软在这个赛道花了巨额资金，但没有产出一款药物。晶泰科技的判断则是，竞争维度会从单一模型能力转向数据、实验、工程化与商业化的综合较量。站在智能体产品化的视角看，这场较量的重心已经转移：模型能力可以外采，工具链可以集成，真正的壁垒落在自有数据的组织方式、实验台闭环的实际效率，以及能否在监管与伦理约束下为每一次决策留下可追溯的痕迹。小艾智能体这类平台被纳入同一把尺子衡量，标准不是对话有多像人，而是能记住多久、能管住权限、能把散落的工具和数据拧成可审计的工作流。生物医药智能体的下一程，比拼的正是这种把能力沉淀为纪律的功夫。