AI不是按分子大小推进，而是沿“可编译性”轴推进
文章提出AI在生物医药中的推进顺序取决于“可编译性”而非分子大小：Chai-2对52个无现成binder的全新靶点做zero-shot抗体设计，每靶点测不超过20个候选，单轮命中率16%，微型蛋白湿实验成功率68%。环肽、小核酸因字母表离散、物理先验强而排在蛋白抗体之后，小分子则因ADMET多目标冲突、合成可行性鸿沟排在最后。AI攻破的是设计而非成药，体内数据稀缺与验证成本仍是共同瓶颈。
#小分子生成
木可AI探索笔记AI 评分3636
动脉网AI 评分3636 独家专访宋云龙博士：BD累计超78亿美元，AI制药深耕者的第“三”次创业
宋云龙博士2026年4月创立小分子创新药Biotech云济智曜，搭建贯通靶点评估、动态蛋白建模、分子生成与ADMET预测的全链路AIDD平台，数月内输出多条差异化小分子管线。
DeepTech深科技精选AI 评分6060 AI开始搞药了，药企靠什么竞争？我们和哈佛教授、连续创业者Gregory Verdine聊了聊
哈佛化学荣休教授、连续创业者 Gregory Verdine 在 DeepTech 访谈中表示，AI 目前最明确的价值是优化已有候选分子，而非从零设计全新小分子，后者受限于复杂结构的合成周期与水分子的物理计算难题。
推荐理由：连续创业者从分子设计、合成瓶颈与组织分工三层谈 AI 在药研中的实际边界，并以与晶泰的合作作为观察样本。
晶泰科技AI 评分3838 从 AI 预测到 AI 原生，药物发现如何向前一步？
晶泰科技联合创始人兼首席创新官赖力鹏在 SWITCH 2026 期间该公司举办的研讨会上提出，AI 药物发现正从“AI 预测”走向“AI 原生”，即让验证、数据与新认识回流模型。
BioTenderAI 评分2828 Isomorphic Labs 总裁 Jaderberg：未来所有药物都将由 AI 设计
Isomorphic Labs 总裁 Max Jaderberg 在 Bloomberg Tech 采访中表示，未来所有药物都将由 AI 设计，公司正以推理模型提出假设、模拟模型开展虚拟实验两条路线推进药物研发。
LeapFun精选AI 评分5858 Bruce Booth警告：AI药物供给过剩，Biotech将迎来消化不良
Atlas Venture 合伙人 Bruce Booth 在 LifeSciVC 发文《The Fruits of AI Drug Abundance: Indigestion In The Near Term》，判断 AI 长期能帮制药做出更好的药，但未来 3–5 年在分子设计层面更可能先制造一轮药物丰裕，把行业整体研发生产率推得更糟。
推荐理由：文章转述投资人 Bruce Booth 对 AI 药物丰裕的判断，并梳理评论区关于差异化与估值的分歧。
药化猩球AI 评分5050 AI做药，到底能做什么？不能做什么？
AI在药物发现前端已能系统排序靶点、生成候选分子并优化临床试验设计，英矽智能的Rentosertib从靶点识别到提名临床前候选药物约用18个月。但湿实验与临床验证仍是瓶颈：截至2025年中超过75个AI设计分子进入人体试验，尚无一款通过III期并获批上市。Rentosertib的III期GENESIS-IPF-3已于2026年9月完成首例患者给药，计划在47个中心招募约320名患者。
德睿智药AI 评分3838 文汇报 | AI制药“超级效率”赋予中国“超级机遇”
德睿智药在2026上海生物医药投融资峰会上披露，其口服小分子GLP-1候选药物从立项到Ⅲ期临床耗时4年半、直接研发投入仅2300万美元，而美国药厂平均需8年以上、超3亿美元。公司40多位研发人员人均推进1.5条管线，创始人牛张明称AI分子设计与多目标优化可使研发效率提升10到20倍。与会投资人同时指出，AI应用仍集中在研发前端，临床开发等中后期尚未被充分赋能。
木可AI探索笔记精选AI 评分5858 17亿次实测 vs 一次造出10¹⁶个抗体：把AI制药"数据荒"卷成护城河的两种活法
文章对比Terray与Jura Bio两条自产数据路线：Terray用自研高通量硬件累计超过4200亿次测量、折算逾170亿个靶标-分子互作数据点，Jura Bio则用变分合成一次造出10¹⁶个抗体序列。作者认为两者分别拆解干湿循环的合成端与筛选端，Terray已签吉利德、BMS、Odyssey合作并预计2026年有内部药物进入临床试验，但数据规模本身不等于成药。
推荐理由：文章把Terray与Jura Bio两种自产数据路线放在干湿循环两端对照，便于理解数据瓶颈的不同解法。
智药邦精选AI 评分5858 Iambic上市：投资者究竟买模型还是买药
智药邦以Iambic于2026年10月14日公布IPO定价（每股16美元、发行937.5万股、预计募资1.5亿美元）为切口，分析AI药企的平台价值应如何被检验。文章梳理其与武田、艾伯维的合作付款结构，以及口服HER2小分子抑制剂IAM1363在Ⅰ/Ⅰb期试验中53名受试者19例部分缓解（约36%，含未确认缓解）的早期数据，认为近期应看具体药物与合作交付，长期才看技术能否反复产出新资产。
推荐理由：以Iambic上市为切口，拆解AI药企的平台价值如何经由候选药物、临床数据与合作付款被逐步检验。
Alex ZhavoronkovAI 评分3030 英矽智能CEO评Citrini用Claude做药物设计
英矽智能CEO Alex Zhavoronkov 评价 Citrini Research 的 AI 药物设计尝试，认为其思路与团队 2019 年 GENTRL 的 Nature Biotech 论文相似，只是换成了 Claude。他指出真正的难点在小鼠、狗和猴研究，如今获得好的结合剂并不难，小分子领域更难，但投资机构能做出这样的尝试仍令人印象深刻。
MIT Jameel Clinic · NewsAI 评分1818 芝加哥大学公布2026年Pritzker AI科学研究卓越奖得主：Kristin Persson与Barzilay、Collins团队
芝加哥大学将2026年Pritzker AI科学研究卓越奖授予Kristin Persson，以及Regina Barzilay与James J. Collins组成的团队，各获奖者奖金5万美元。
医药魔方AI 评分5050 AI设计的药，能不能成为更好的药？
截至发文日，医药魔方NextPharma数据库收录1,541条涉及AI辅助开发或AI设计的药物管线，AI辅助新分子设计管线421条中临床前项目270条、约占64%。
Isomorphic LabsAI 评分2222 Isomorphic：AI生成设计攻克难成药靶点
此前，85%与人类疾病相关的蛋白质被认为难以成药——它们的形状和功能使其不太适合实验室中的传统化学筛选。从实验筛选转向计算机上的AI生成设计，我们看到这些靶点大幅打开了以原子精度设计分子的潜力，从根本上扩展了我们能够治疗的疾病数量。
深势科技 DP TechnologyAI 评分2222 深势科技高志锋在清华大学分享AI4S实践：从分子模型Uni-Mol到材料产线
深势科技AI算法负责人高志锋在清华大学专场以《AI4S：重新理解科学发现》为题，分享团队从分子预训练大模型Uni-Mol到科研智能体SpecXMaster、再到材料产线的三段实践。
望石智慧AI 评分3838 产学研金深入对话：AI已进入药企深水区，望石智慧以微观世界模型为底座探究生命底层规律
望石智慧CEO周杰龙在AI FOR PHARMA 2026峰会上表示，公司以微观世界模型为底座，将物理规律、分子生成与效果预测统筹到同一模型体系，从底层解释分子与靶点作用机制。其与齐鲁制药合作完成超6000个分子筛选与聚类分析，合成两款全新衍生物，产出活性优异、选择性突出的潜在先导化合物。公司称该平台覆盖从靶点发现到PCC各环节，已沉淀十余条自研管线，部分进入临床试验阶段。
望石智慧AI 评分1818 望石智慧受邀出席2026中国科创投资夏季峰会，三重内核构筑AI4S“准独角兽”核心竞争力
望石智慧创始人兼CEO周杰龙在2026中国科创投资夏季峰会上称，AI4S护城河来自人才、数据、生态三重叠加，公司正搭建覆盖电子、原子到分子的跨尺度微观分子世界模型。公司携多模态AI 3D分子生成平台MolVado与全栈式医药早研智能体MolVortex亮相展会与路演，并提及此前与华为、广药集团的“算力+模型+场景”三方合作。
予路乾行AI 评分1818 招行思享会2026｜予路乾行郑铮博士谈AI重塑新药研发
予路乾行创始人兼CEO郑铮博士在招商银行与苏州日报联合推出的“招行思享会2026”栏目中接受专访，谈AI重塑新药研发。予路乾行打造多尺度分子动力学模拟平台与创新药早研决策AI平台，为小分子、多肽、大分子等药物研发提供Hits-to-PCC一体化研发平台。公司称已与超50家国内外生物医药企业合作推进80余条新药研发管线。
Ignota Labs 官网资讯AI 评分3838 Ignota Labs 联合创始人 Layla Hosseini-Gerami：如何用 AI 将失败药物转化为新药
Ignota Labs 联合创始人 Layla Hosseini-Gerami 在 Nature 访谈中介绍其 AI 驱动平台：先从数千个失败药物中筛出因意外安全性问题（如肝毒性）而搁置、但患者潜力大的候选，再用深度学习结合生物信息学、化学信息学和多模态数据定位安全性问题根因并制定缓解策略。核心目标是以最小化学改动让这些药物尽快重回临床。
Latent LabsAI 评分2020 Latent Labs 谈药物发现分子难题
“药物发现之所以困难，是因为当我们进入临床阶段时，我们仍然没有合适的分子。在 Latent，我们正致力于改变这一点。” AI 可以设计出能结合的分子。但是否具备成药性？这一直是悬而未决的问题。
Ignota Labs 官网资讯AI 评分3333 Ignota Labs：被放弃的药物还能救命吗？
Ignota Labs在ELRIG 2025上介绍其药物“扭转”流程：用AI解析药物失败背后的机制通路，据此确定分子需要改动之处，再通过收购或合作获得药物权益并开发新临床候选物，尽快推回临床。公司称该路径可缩短开发周期、改善安全性，并较传统药物发现减少最高80%的碳排放。其策略聚焦他人放弃的已有苗头候选物，而非从零创造新药。
美中药源AI 评分3838 下一代疗法竞速：从CAR-T攻坚到AI智造，中国创新药开启全球新航程｜BIO-FORUM 2025
2025上海国际生物技术与医药研讨会分论坛上，学界、产业与资本围绕细胞治疗、AI制药、大分子药物展开讨论。英矽智能称其AI驱动IPF项目仅用18个月、260万美元确定临床候选化合物，德睿智药称AI知识图谱将口服小分子GLP-1研发周期压缩至四年半并推进至III期临床门槛。圆桌环节认为中国创新药出海已从技术授权升级为共同开发模式。
Ignota Labs 官网资讯AI 评分3232 Ignota Labs 的 Layla Hosseini-Gerami 在 Gordon Research Conferences 研讨会分享小分子药物毒理学 AI 应用最佳实践
Ignota Labs 的 Layla Hosseini-Gerami 在 Gordon Research Conferences 研讨会介绍了小分子药物毒理学中应用 AI 的最佳实践，涵盖如何选择合适训练数据集、复杂模型与简单模型的取舍，以及结合预期用途正确评估模型。
Ignota Labs 官网资讯AI 评分2222 Ignota Labs 谈生物科技公司如何用 AI 挽救失败药物
Ignota Labs 首席科学官 Jordan Lane 向 Labiotech 表示，公司认为化学信息学与生物信息学的交叉才能为出问题的药物提供真正洞见。基于对安全性问题可解决的判断，Ignota 会引进该项目、开发化学结构并尽快将药物推向或重新推回临床。
Ignota Labs 官网资讯AI 评分2222 用计算机毒理学筛选革新药物发现
AI驱动的计算机毒理学筛选以分子化学结构为输入，预测小分子在遗传毒性、肝毒性、肾毒性和心脏毒性等终点的潜在毒性，从而在药物发现早期识别安全风险。其关键环节包括高质量毒理数据集、分子指纹等特征表示、支持向量机与图卷积网络等AI算法，以及外部数据集验证和软件平台集成。该方法有望帮助优先选择更安全的候选药物并减少体外和体内测试需求。