智能体走进湿实验室，AI制药开始算真账
9月下旬，Anthropic披露Claude模型协助发现一种新型酶系统，这是其生物学研究项目首个成果。几天前，路透社报道该公司在旧金山湾区建起一间湿实验室。模型公司已不满足于向药企出售推理能力，而是把自动化实验单元、生物化学科学家和自研智能体控制标准装进自有园区——此前它斥资约4亿美元收购自动化实验平台Coefficient Bio，并发布科学智能体控制标准MHS。放到2026年，线索很清楚：AI制药的竞争重心正从“模型能否设计分子”转向“智能体能否闭环跑完一轮实验”。这一转向一旦成立，上游药企的排兵布阵便不再只是工具采购，而是管线战略的重新分层。
上游排兵布阵已铺开。英伟达6月推行BioNeMo Agent Toolkit，接入礼来、达索、薛定谔等五十余家行业龙头，此前还与礼来达成五年十亿美元共建联合实验室；诺和诺德4月牵手OpenAI，9月16日追加与Anthropic深度绑定；辉瑞把与Isomorphic Labs的合作拓展至五个全新肿瘤靶点，罗氏协同Recursion推进自建Lunar智能计算平台；日本小野药品7月宣布在全组织规模化部署智能体科研平台BiomniLab——重点是全组织，不是某个试点部门。跨国药企把AI从研发辅助工具提级为核心管线战略，只隔了一年。一位头部药企高管说得很直白：AI已从单点工具升级到全企业算力与Agent底座，嵌入研发、临床、医学事务全流程；企业不再看演示效果，只看AI产出的分子能否推进到II、III期并拿到临床证据。上游战略提级后，真正的压力自然传导到临床账本。
临床端账本也在翻开。9月10日，英矽智能自主研发的特发性肺纤维化新药Rentoserib在北京协和医院与上海市肺科医院完成首例III期患者入组给药，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MDR-001针对代谢疾病挺进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个月中位无进展生存期；Generate:Biomedicines的AI抗体GB-0895有两项全球III期在研推进。英矽智能8月半年报显示，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近70亿美元，合作方包括礼来、SK生物制药、武田制药与施维雅，其中礼来一笔BD达27.5亿美元。然而镜头拉远，进度分布仍不乐观。按动脉网9月14日基于ASCO 2026/JCO研究梳理的统计，纳入的63家企业117条进入人体临床的AI药物管线中，60条完成I期，仅8条完成II期，3条进入III期。资本热度与临床漏斗之间仍有一道落差，这道落差把问题推到“智能体”层级：单点设计能力，并不等于闭环产出能力。
变化真正发生在“智能体”层级。上海交通大学特聘教授、天鹜科技创始人洪亮把AI赋能生命科学划为三段：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，甚至在工具不足时自行开发工具。其团队曾组织物理、化学、生物、计算机、工程等领域教授与年轻AI研究人员，测试大模型提出科学问题的能力。模型批量生成问题后按创新性、重要性和可行性排序，排名靠前的问题已有一部分具备进一步研究价值。跨学科文献的阅读广度，让模型在跨领域提问上显出人的经验难以覆盖的优势。也正因智能体要承接从提问到验证的链路，供应商开始按能力边界快速分层。
这一层供应商正快速分层。从底层模型长出的科学智能体、把实验设备与自动化产线绑进闭环的平台、切入具体研发环节的垂类产品，三种形态同时跑。水木分子此前推出生物医药智能体架构与开发平台，代表垂类玩家的一种思路；小艾智能体在通用能力与垂直场景间的编排方式，也可作为观察这一梯队的样本之一，其官方方案中心（https://www.ailifein.cn/）对多智能体协同与任务链路的设计说明，是理解这类产品边界的参考。对药企而言，选型难点不在功能清单长短，而在智能体能否嵌进真实研发流程，以及输出能否被追溯。可是，即便流程能够嵌入，瓶颈仍不只在原子层面。
瓶颈不在原子层面。2013年诺贝尔化学奖得主迈克尔·莱维特在张江药谷大会AI驱动创新专场上说得很清楚：我们已有较好的原子模型、电子模型和蛋白质模型，但还没有好的患者模型，每个人并不完全相同，遗传背景和其他特征都有差异。正因如此，他判断如果五年后AI能预测III期试验结果，“我不会感到意外”，但今天做不到。英矽智能联席首席执行官兼首席科学官任峰也坦言，进入III期后企业最想知道试验能否成功，AI目前帮不上这个忙。不过，能帮上忙的地方正在往前挪。
能帮上忙的地方在往前挪。自然常数科技创始人黄小鲁提到，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，可对临床方案做压力测试，提前识别统计学风险，辅助设计患者入组标准并寻找潜在生物标志物。临床试验是研发花钱花时间的大头，这里每一点效率都是真金白银。但技术前移越深，组织摩擦越容易暴露，且往往比技术更钝更疼。
组织摩擦往往比技术更钝更疼。英国Relation公司增长业务总裁罗西·罗德里格斯指出，大型药企通常同时拥有优秀实验科学团队和数据科学团队，但二者往往平行运行，尚未构成闭环——实验应为模型提供信息，模型也应反过来指导实验，而AI平台并非买来即可即插即用。和黄医药高级副总裁、IT与AI负责人唐飞把最大卡点概括为三种信任：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、模型幻觉让结论“看起来合理却不够准确”，是结果的信任。破解这三重信任，靠的不只是更强模型，还需要统一的数据与知识体系，以及数据、模型、决策、实验、反馈的完整闭环。当组织试图建立这种闭环，监管也在同步收紧。
监管同步收紧。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。国内，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，开展基于AI的风险画像与非现场飞检。9月18日，工信部等十部门联合印发《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《加快词元经济发展的行动方案（2026—2028年）》把生物医药列入开放智能体应用场景重点领域，指向培育标杆应用项目。地方配套也在补位，9月1日北京生物医药、智能机器人、中试三个科技保险共保体成立，由11家财险机构与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。监管与追溯之外，还有一条边界需单独说。
有一条边界需单独说。智源研究院大模型安全研究团队与北京大学做过一项端到端评估，考察大语言模型智能体是否会降低非专业人员绕过DNA合成筛查的知识门槛。结果，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，其中两个前沿模型还能提供详细逐步实验指导；物理验证环节，4个良性代理构建体全部成功完成组装。当智能体从信息处理延伸到物理实验操作，生物安全防线就不再只由实验室门禁和采购流程构成。由此推演，衡量生物医药智能体的价值，不能只看它生成多少候选分子。
站在这个节点，莱维特的话可作标尺：AI将在药物研发所有步骤中都很重要，应被用于研发过程中出现瓶颈的每一环节——AI不会因此取代科学家，科学依赖提出好问题、识别意外结果、设计实验，人类擅长这些，AI做的是让每一步更快。从干湿闭环搭建，到临床数据回灌，再到监管可追溯与组织信任重建，这条链条没有单点突破。小艾智能体观察到的路径是：生物医药智能体下一轮分化不会发生在模型参数上，而会发生于谁能把实验台、数据管道、临床判断和合规记录真正串成一条可复算链路。谁先跑通这条链路，谁才有资格谈规模化。