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。
#虚拟筛选
DeepTech深科技精选AI 评分6060
医药魔方AI 评分2525 中国源头创新，缺的不是好Science
Science to Startup（S2S）首届中国研讨会在杭州西湖大学举办，让中国顶尖科学家与全球生物医药创投直接对接。会上展示的项目包括郭天南团队的ProteinTalks，其在501例乳腺癌患者回顾性队列中验证预后风险分层，并对3000种化合物做虚拟筛选、经患者来源肿瘤类器官验证。会议数据称2025年中国76个创新药获批上市，高于2024年的48个。
DeepTech深科技AI 评分2525 Moderna总裁霍格：AI制药最大想象力是“一人一药”
Moderna总裁斯蒂芬·霍格在黑石播客中表示，AI可加快药物发现与mRNA序列设计，但药物是否有效、疗效能持续多久仍需人体临床验证。他以个体化癌症疫苗为例：肿瘤样本测序后最多将34个新抗原编入mRNA，最多接种九剂，从收到合格样本到送回医院约六周。他认为AI难以同步加速制造、临床与监管环节，个体化医疗是其最看好的方向。
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%。
DrugIntelAI 评分6060 OpenBind 联合负责人 Charlotte Deane：AI 药物发现缺的是数据而非模型
牛津大学结构生物信息学家、OpenBind 联合负责人 Charlotte Deane 在 Nature Reviews Drug Discovery 专访中表示，AI 药物发现的瓶颈在于数据而非模型，应重点收集能提升模型性能的数据。
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。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 谈模拟时代如何守住数据可靠性：DFT 与 FEP 的静默失效与自动检查
Valence Labs 的 Ihor Neporozhnii 撰文指出，DFT 与 FEP 等物理模拟输出正被当作训练与验证的基准真值，但这些工具原本面向专家逐条人工检查，规模化后会出现静默失效。
推荐理由：文章梳理 DFT 与 FEP 在规模化自动流程中的静默失效模式，并给出可内置管线的物理不变量与收敛检查。
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。
予路乾行AI 评分2828 予见｜予路乾行刘文朗：AI时代，药物发现为何更加需要物理模拟？
予路乾行计算化学总监刘文朗认为，分子动力学模拟的价值在于揭示药物分子与靶点在动态环境下的结合机制，而非仅给分子打分。其参与的与北京鞍石合作的下一代c-Met候选分子已进入中美双I期临床，计算分析用于提前排除高风险设计方向、安排合成优先级。予路乾行还推出BioTrajectory AI平台，用于早期立项的信息汇总与技术脉络追踪。