摘要：• AI不是取代人工研发，而是在关键环节提供精准支持，但AI制药现在最大的难关在算法、算力和数据上，尤其是需要实现给生物数据建立一种通用的“语言翻译处理机制”；

//

• AI不是取代人工研发，而是在关键环节提供精准支持，但AI制药现在最大的难关在算法、算力和数据上，尤其是需要实现给生物数据建立一种通用的“语言翻译处理机制”；

• 现在AI制药就像二十年前的互联网，未来AI会成为基础设施，大多数企业会用它作为工具；

• 未来或许可以借鉴人机对齐的概念，用临床数据反向校准AI模型，构建更接近真实生理状态的数字孪生模型。

3月春日的暖阳透过北京中关村东升大厦的玻璃幕墙洒入室内，形成细碎斑驳的光影，如同灵动的精灵，在晶泰科技联合创始人赖力鹏博士的办公室内轻盈地跳跃，缓缓地移动。

赖力鹏博士不仅是晶泰科技的联合创始人、首席创新官，也是北大全球新药研发领军人才项目（以下简称“FIC项目”）的优秀学员。这位拥有北大物理+数学、芝加哥大学理论物理与计算物理、MIT生物物理等多重学术背景的创业者，用他惯常的语调平和，向研发客讲述一个关于计算机技术演进与生命科学交织的长篇故事。

点击下方图片进入FIC项目详情页

上下滑动查看

四十年的伏笔与智能化的必然

“当AlphaFold因破解蛋白质结构而获得去年的诺奖时，很多人突然意识到AI正在改写生命科学的基本规则。”赖力鹏的目光掠过屏幕上跳动的数据流，“但这场变革的种子，实际上早在四十多年前就已经埋下。”

赖力鹏博士

通过计算进行药物研发的源头，可追溯至20世纪80年代Vertex公司的早期探索。彼时科学家们用整屋计算机模拟药物分子效能的场景，在今日看来恍如隔世，却精准预言了当下AI制药的底层逻辑——用计算打破“双十魔咒”（十年研发周期、十亿美元成本）的桎梏。1981年美国《财富》杂志封面则对计算机技术设计药物做了深度报道，并将其称为“下一次工业革命”。

“尽管当时的计算机算力连一部智能手机都比不上，但科学家已提出将药物研发全流程虚拟化。”赖力鹏说，“这种构想虽历经四十多年尚未完全实现，却成为计算制药的起点。”

此后，计算化学（CADD）、生物信息学和化学信息学的发展为AI制药奠定基础，而2014~2015年云计算爆发和大数据技术发展的两大要素就位，则支撑起AI制药的技术底座。

赖力鹏认为，产业进入微利时代对于AI需求的推动同样关键。2015年前后中国启动仿制药一致性评价政策，倒逼企业创新；医保控费和集采政策则加剧了企业对研发效率的需求。在反摩尔定律（投资回报率指数级下滑）的压力与政策推动的双重作用下，行业进入微利时代，因此对新技术的接受度显著提升。

“AI这个领域既古老又崭新。”赖力鹏比喻道，“就像半导体行业遵循摩尔定律实现算力跃迁，医药研发却面临反摩尔定律的残酷现实。传统的研发模式将使新药研发陷入负回报的困境，这迫使我们必须以类似AI的新技术为杠杆，撬动整个制药体系的底层逻辑重构。”

技术演进：从单点提效到多模态突破

赖力鹏将AI制药的演进路径拆分为两大阶段。

在早期阶段，AI更多的是从原有研发链条的关键节点入手，比如利用文本数据、构建知识图谱或挖掘文献专利，寻找潜在药物靶点。

之后进入通用大模型成熟的阶段，AI在靶点发现、临床试验设计乃至药物上市后监测的全场景覆盖成为可能。“在通用大模型成熟之前，处理医药领域这种体量的文本数据非常艰难。但近年来大模型对大数据的消化能力突飞猛进，不仅提升了靶点发现和生物标志物研究效率，更将技术应用扩展到临床试验方案设计和研发报告撰写。”

以国内公司莱芒生物的CAR-T细胞疗法为例，晶泰科技提供的AI技术精准介入核心蛋白的设计优化环节，通过AI赋能的蛋白序列与特定疗法的协同，提升了临床试验效果。这种协作模式印证了赖力鹏的观点：“AI不是取代人工研发，而是在关键环节提供精准支持。”

在技术逻辑上，AI制药呈现“哑铃型”结构：两端立足生物学研究（靶点验证和临床数据解读），中间依赖工程化手段（分子模拟、自动化合成）进行设计和优化。这种结构使临床前筛选和临床数据分析在底层技术上有共通性，都基于对生命机制的深刻理解。

“我们观察到AI至少带来两个层面的突破。”赖力鹏分析道，“首先是效率提升，拿单一环节举例，比如通过计算模拟可将药物结晶周期缩短一半以上；更重要的是能力边界的拓展，在难成药靶点、药物选择性优化等场景中，AI通常能够突破人类经验局限，实现从量变到质变的创新。”

行业现状：从试探到渗透的临界点

当被问及AI制药的现状时，赖力鹏既理性又充满期许：“过去十年间，AI在生物医药领域从试探性尝试转向全面渗透。虽然目前多数AI驱动的药物仍在临床前阶段，但虚拟试验技术的发展正在加速AI向临床试验的转化进程。”

外界频繁追问AI制药何时能进入后期临床阶段，这种关注恰恰说明行业对实际落地的迫切需求。事实上，已有部分项目进入临床Ⅱ期。赖力鹏特别提到，AI与传统的研发体系是共生关系，并不是取代：“AI并非要颠覆百年积累的研发体系，而是在新药研发的各个环节扮演赋能角色。”

不同企业对AI的应用场景存在明显差异。跨国药企如赛诺菲关注AI在攻克难成药靶点和加速临床转化中的价值；仿制药企业倾向用AI优化工艺开发和生产；而Biotech公司则将AI作为差异化竞争的核心。这种需求分化，正推动AI技术向更精细的场景应用演进。

“药物研发本质是生物学与化学场景的交织。“赖力鹏强调应用场景适配的重要性，“AI应用需要区分原始创新与改良优化的边界。即便是我们认为的最原始的创新也是建立在既有知识迭代之上。”

赖力鹏认为，AI制药现在最大的难关在算法、算力和数据上，尤其突出的问题是需要实现给生物数据建立一种通用的“语言翻译处理机制”。

“你看自然语言处理，可以通过语言中介把视频、图片、文本这些不同模态的数据对齐训练，但医学、生物数据没有这种天然的一致性。基因序列、病理影像、临床生理指标这些数据，底层关联机制还没搞清楚，算法很难把这些跨尺度的信息整合起来。现在已有团队在尝试用各种大模型来处理和理解生物学数据，但生物系统的非线性特征还是让准确预测充满挑战。”他说。

在数据突破方面，赖力鹏提到三个方向：“首先是工程化技术，像自动化实验平台通过标准化操作提升数据质量，这在化学合成以及AI抗体设计中已经证明了‘质比量更重要’。其次是实验技术拓展数据维度，比如空间转录组、空间蛋白组这些新技术，能开辟新的数据采集维度。最后是数据合作机制，在保障隐私及数据安全的前提下推动数据共享，提高现有数据的利用效率。”

谈到临床转化，他指出传统研发的“死亡之谷”问题：“临床前模型很难模拟真实人体环境。未来或许可以借鉴人机对齐的概念，用临床数据反向校准AI模型，构建更接近真实生理状态的数字孪生模型。这种模型不仅能预测药效，还能揭示疾病机制，为针对罕见病及复杂疾病的药物研发提供新路径。”

对于未来展望，赖力鹏充满信心：“AI和生命科学融合可能会带来第五次工业革命。通过重塑临床前到临床的研发链条，推动药物发现向'体外-体内无缝转化'。现在AI在统计建模、药物分子设计、患者入组优化这些环节已经体现价值，随着生物多模态语言体系的建立，我们或许能突破传统试错模式，在分子层面直接解读生命原理，最终实现精准医疗。”

他特别强调数据整合的重要性：“训练生物模型时，用临床数据校准模型，可能得到与药效、副作用关联更强的体外模型。如果实现这点，临床转化成功率会大幅提高。现在国内外已经有公司在尝试虚拟细胞、虚拟患者模型，这对优化临床试验设计、提升例如罕见病研发效率很有帮助。”

关于产业协作，赖力鹏认为：“现在AI制药就像二十年前的互联网，未来AI会成为基础设施，大多数企业会用它作为工具。监管机构、科研单位、企业各方需要开放协作。过去十年业界逐渐理解这种共生关系，未来随着技术门槛降低，协作模式会更开放，推动AI与产业深度融合。”

晶泰科技的跨界基因

赖力鹏的学术背景，为晶泰科技的创立植入独特的跨界基因。大学期间选择黑洞理论作为毕业论文方向，博士阶段前两年研究粒子物理，随后转向流体力学与数学物理领域——这种跨学科经历，在他博士后阶段申请MIT生物物理课题时显现出独特价值。

“选择MIT，既源于童年对宇宙本质与生命奥秘的双重探索愿景，也因其活跃的创新创业生态。”赖力鹏回忆道，在波士顿期间与合伙人温书豪、马健的密集思想碰撞，进一步强化了他的跨领域思维习惯。

2014年临近毕业时，双重驱动力促使团队转向产业实践：其一，长期学术研究积累渴望产生更直接的社会价值；其二，受“药神”事件启发，发现药物可及性障碍背后存在未被解决的物理问题——药物晶型设计本质上属于分子相互作用力计算及能量最小点搜索范畴。

“尽管创业初期对生物制药的复杂度预估不足，但‘第一步总要跨出’的信念支撑我们持续突破。”赖力鹏坦言，从探索宇宙到解码生命，这种认知边界的拓展最终指向人类健康需求，使科研价值在更广泛的维度得以实现。

晶泰科技融合量子物理、人工智能与机器人实验技术的创新研发平台，满足微观世界探索的共性需求，正在构建新的科研范式，并与产业需求深度结合。过去十年聚焦生物医药领域，未来晶泰科技将继续深耕医药，并正在向材料科学、能源技术、农业创新等领域拓展。赖力鹏观察到不同领域的共性规律——药物本质上是一种特殊功能材料，其研发逻辑与材料设计、工艺优化存在深层相通性。

“AI在分子设计、配方开发、工艺优化等环节的赋能潜力具有普适性。”他将晶泰定位为跨行业的技术平台，以生物医药为切入口，逐步建立覆盖多领域的赋能生态。

创新中心：构建技术转化的生态闭环

2022年3月14日正式成立的晶泰创新中心，承载着技术转化与生态构建的战略使命。其设立基于三重考量：技术层面，AI作为新型基础设施需要通过开放合作实现技术赋能；科学共性，生物医药不同分支在底层数学算法层面存在共性规律；产业生态，通过构建创新生态可强化晶泰科技的平台属性。

晶泰创新中心核心功能有三：一是生态的构建，整合技术方、投资方与政府资源，建立支持性转化环境；二是技术的开放，在分子设计等领域开放内部平台，以规模化运营降低成本；三是资本的联动，通过技术平台+创新想法+资本的三方协同，实现高效转化。

“创新中心实质是构建微型生态，将科学家的理论创新转化为可产业化的技术资产。”赖力鹏介绍，该模式已整合政府项目资源、投资机构及产业需求方，形成闭环创新体系。

展望未来，晶泰科技将从纵深拓展与横向延伸两个维度推进：纵向深耕生物医药领域，突破场景化技术瓶颈；横向扩展至材料科学、新能源、农业技术等新领域。这种“深度扎根+广度拓展”的战略布局，既巩固了在生物医药领域的领先地位，也为打开更广阔的技术服务市场奠定基础。

跨界领导力：AI时代重塑人才与产业生态

参与FIC项目的经历，让赖力鹏对产业人才培养有了更深思考。他用两个关键词概括收获：“符合预期，且超出预期。”

关于FIC项目，还可阅读

我们要打造FIC的新药“最强大脑” | 遇见肖瑞平

项目启动前，赖力鹏向教研组表达的核心期望包含三个维度：建立对全产业链的深刻理解，把握技术革新的关键节点；结识具有社会责任感和技术理想主义的专业人才；获取产学研各界顶尖专家的战略视野与实战经验。

经过一年学习，上述诉求均得到充分满足。而超出预期的部分，则源于项目形成的持续创新生态。学员、导师及教研团队间的联动不仅局限于课堂教学，更通过产业实践建立起长效协作机制。

“这种生态效应正在成为中国生物医药创新的重要推动力量。”赖力鹏认为，不同背景的参与者通过FIC项目形成战略协同，与晶泰创新中心的生态构建理念高度契合。

在AI时代，传统药研人才与IT背景人才的融合成为关键。赖力鹏的观察是：技术融合需要双重驱动。首先，大模型技术正在显著降低跨学科沟通成本。例如，IT人员可通过AI工具快速获取生物学基础知识，而科研、临床人员也能借助AI大模型更高效地表达技术需求。

“其次，中国创新土壤孕育了大量具有挑战精神的复合型人才。当技术热情与产业场景结合，配合大模型工具的辅助，学科壁垒的突破将呈现指数级加速。”

在组织层面，赖力鹏强调需构建允许试错、鼓励跨界的文化机制。以DeepSeek为例，其成功验证了当组织提供充分的资源支持与容错空间时，复合型人才团队能迸发出惊人的创新动能。“中国教育培养的人才抗压能力强，关键是建立激发创造力的环境，这是中国企业的优势。”

“制药行业的技术门槛虽高，但通过系统性知识转化和机制创新，完全可能培养出兼具医学洞察与工程思维的复合型人才。”赖力鹏将这类人才称为“双语人才”，他们将成为AI制药时代的关键连接者，推动产业范式向更高效、更智能的方向演进。目前，晶泰科技的药物研发团队由制药与AI双重背景的人员构成。

采访尾声，赖力鹏的视线再次投向窗外。中关村东升大厦玻璃幕墙折射出的阳光温暖有力，仿佛一面镜子，映照出AI制药的过去、现在与未来。

对于晶泰科技和中国AI制药产业，赖力鹏充满信心：“中国科研团队有创新潜力，政府和企业应该给新技术更多机会。技术发展很快，不要纠结大模型的局限，要利用低成本试错特性加速产业实践。随着生物多模态语言体系的建立，我们或许能突破传统试错模式，重塑临床前到临床的研发链条，在分子层面直接解读生命原理。”

当傍晚橙红色的光芒铺满办公室时，我们与赖力鹏的访谈也告一段落。但在这个关于科技与生命的故事里，新的章节正悄然开启——在AI与生命的连接处，人类正在寻找未来的答案。

编辑 | 姚嘉

来源：研发客一点号