上交大谢伟迪创办观壹智能,打造让AI进入生命科学的“编译器”
上海交通大学副教授谢伟迪联合王延峰、张娅创办观壹智能(OneX Intelligence),已完成首轮商业化融资,目标是训练连接生物学知识与实验数据的生命科学基础模型,让模型提出假设并由湿实验检验。
上海交通大学副教授谢伟迪联合王延峰、张娅创办观壹智能(OneX Intelligence),已完成首轮商业化融资,目标是训练连接生物学知识与实验数据的生命科学基础模型,让模型提出假设并由湿实验检验。
DeepTech深科技以百奥几何为例,讨论AI制药竞争从模型预测能力转向真实研发交付,核心是其提出的“自进化微观世界模型”,连接分子设计、细胞响应与自动化实验。
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。
Radical Numerics 联合创始人 Eric Nguyen、Armin W Thomas、Michael Poli 与 Stefano Massaroli 在访谈中讲述从长序列架构 Hyena、DNA 生成模型 Evo 到多生物信号模型 Omnii 的技术路径,主张让 AI 直接学习尚未写成自然语言的原始生物数据。
科理新序创始人张载熙正训练一个多模态科学基座模型,用自定义scientific token统一蛋白质结构、组学矩阵、基因序列与分子动力学等模态,使模型直接在科学空间推理。
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。
首届Science2Startup中国研讨会2026年10月15日在杭州西湖大学举行,由RA Capital与启明创投联合主办,约130位参会者中一半为海外投资人,10支团队从43个申请项目中入选决赛。
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。
DoveTree Medicines与晶泰科技的合作项目中已有一项进入IND申报前研究阶段,其余仍处早期发现阶段。双方在研讨会上强调,AI可探索的化学空间远超实体化合物库,难成药靶点可能只是库里缺那个分子,晶泰以合成数据加物理模拟为起点、再由自动化实验室合成100至500个新化合物迭代。于利华同时指出,研发最贵环节是IND-enabling和临床开发,AI原生应同时消解科学与流程两端的摩擦。
英矽智能创始人兼CEO Alex Zhavoronkov在Fast Company“影响力委员会”专栏撰文称,AI有潜力倍增人类寿命,但这只是愿景而非近期可验证的科学预测。
英矽智能称其现有40余个项目,其中35个已过PCC/DC,并含新机制药物,强调项目质量与数据室深度才是关键。公司正与Grok Bot、xPharma.ai合作开发项目级端到端推理与数据室工具,并认为前沿实验室将大规模收购有产出的生物技术公司。
投资者愿意支持那些明确聚焦应用场景、拥有高保真人类数据、并具备降低资产风险的清晰路径的虚拟细胞项目。Manish Sharma 在 #ARDD2026 上发言。照片:https://agingpharma.org/photos2026
百图生科联合创始人兼CEO刘维预计,AI制药行业真正迎来破局点还需3–5年,并将发展划分为工具效率提升、管线赋能与研发组织变革三个阶段。他称百图生科已用虚拟细胞与干湿实验闭环平台推进20多个First-in-Class靶点发现项目,均完成早期验证,部分进入临床前研究。公司坚持基础设施定位,通过系统许可、AI模型及Agent工具赋能药企。
途深智合创始人兼CEO王宇光在第12届BiG IMPACT年会上参与“AI前沿创新者×一线投资机构深度对话”圆桌交流,与AI领域创新者及投资机构代表探讨行业发展议题。该年会10月24日在上海张江收官,设主论坛、四大分论坛及三场闭门会,聚焦难成药靶点突破、AI虚实之辩、CNS与自免研发及BD/NewCo出海等议题。
Morgan Levine 在《Biology Beyond Human Intuition》中提出,细胞类型标签、实验条件和论文叙述构成的选择性观测,会成为语言模型学习生命的边界。
蛋白领域真正在发生的是蛋白基础模型吸收单任务模型,而非通用大模型吞并蛋白模型。Anthropic将Basecamp Research的280亿参数EDEN接入Claude Science,Xaira的X-Scientist以通用大模型作调度、X-Cell与X-Design等蛋白模型作执行引擎。
OpenAI、Anthropic、NVIDIA 与 Google、微软近期密集发布动作,争夺科学家科研工作流的发起入口。OpenAI 披露数千个 GPT-Rosalind 代理用 32 分钟分析数百万鼠脑细胞既有数据,Google 的 VERID 经三轮适配体设计反馈将命中率从首轮 10.2% 提升至第三轮 33.5%。
鲜翾出任同源康生物首席AI官,推动这家聚焦双抗、三抗、TCE与下一代ADC的AI原生Biotech以数字分身先于人类科学家评审立项,目前每周评估约两个项目、内部目标年底做到一天一个。她此前在金赛药业主导五年数字化转型,搭建两千多个数字看板,认为数字化能让业务“看得见”,但解决不了判断、信任与人性问题。同源康生物下一轮融资计划建设自动化实验平台,以产生公开领域难以获取的数据、训练差异化垂域模型。
Biohub 公布总口径达 18 亿美元的生物学协作计划,为预测细胞反应的 AI 模型铺设数据地基,但该金额包含资金、计算与既有数据资源,并非已到账现金。Evo 2 可一次处理约 100 万个碱基,其生成的基因组级序列在多项计算指标上更接近天然序列,但团队承认仍可能缺少必需基因,计算评估不能保证功能与复制能力。
LeapFun 复盘 2026 年 10 月中旬 AI 制药的两类信号:阿斯利康与 insitro 签下首付 4000 万美元、最高约 15 亿美元的合作,用 Virtual Human 推进 MASH 与心肌病靶点到 development candidate;Iambic 以 16 美元发行价登陆纳斯达克,毛募资约 1.5 亿美元。
推荐理由:文章把同周阿斯利康与 insitro 合作、Iambic 上市与生成式设计进展并置,拆出发现端定价与临床兑现之间的落差。
AI公司正通过自建实验室、云实验室合作与资助虚拟生物学计划等方式参与生物数据生产。Anthropic组建基础生物学研究团队和实验室,用实验检验Claude模型的生物学设想;Biohub扩大虚拟生物学计划,Google DeepMind、Isomorphic Labs和Meta合计承诺投入3亿美元,整项计划总投入约18亿美元。
百图生科联合创始人、CEO刘维在南华早报专访中表示,公司基于进化树上超百万个物种、逾200亿条蛋白质序列训练生命科学基础大模型,并在300多个任务模型上平均将所需数据量减少90%。他称未来五至十年基础模型、生物数据与AI原生实验室协同,有望降低First-in-Class药物研发成本,并提及数十个具First-in-Class潜力的药物设计已在临床前研究中得到验证。
剂泰科技联合创始人、董事长兼CEO赖才达博士在第29届京台科技论坛发表主旨演讲,提出Biological AI的核心是持续积累真实实验数据并转化为模型能力,架构分为干湿实验数据平台、垂类模型与智能体三层。
在这篇文章中,我们讨论了如何在生物医学中定义世界模型,它们与基础模型、智能体及其他模型类别的关系,以及我们今天可以使用哪些数据集、还需要哪些数据集 👇
工信部等十部门9月18日联合发布《医药工业发展“十五五”规划》,将深化人工智能赋能升级纳入重点任务,并设“AI制药高价值应用场景培育”专栏,涵盖智能靶点筛选与药物发现等五类场景。德睿智药称其自研AI制药引擎MAP与生命科学基座模型体系Intera与规划方向契合,其GLP-1 RA口服小分子MDR-001从立项到启动Ⅲ期临床用时约4.5年,Ⅲ期研究正在推进。
BioMap百图生科在BIOHK2026论坛上总结其2123天进展:已构建数十万亿tokens的AI-ready数据、模型参数达数千亿,使前沿AI建模平均数据消耗降低90%。公司称已赋能数十个first-in-class项目,并计划在北京、上海建设高通量实验室,终极目标是建立覆盖分子到人体尺度的“生命科学世界模型”以部分替代临床试验。
Valence Labs 发文讨论虚拟细胞在药物发现流程中何处最能发挥作用。其研究员 Ihab Bendidi 在博客中指出,虚拟细胞虽能模拟人体生物学,但技术本身必要却不充分,革命性突破取决于把技术指向正确方向。
Valence Labs 发文认为,虚拟细胞最有价值的定位不是加速临床前流程,而是提升进入临床的候选质量,即做转化靶点验证。文章提出三个问题:靶点扰动是否在人类疾病生物学中产生预期效应、效应能否在患者生物变异中保持稳健、以及能否对疾病情境形成足够选择性;并建议在现有分子测量基准之外增加决策层评估,例如回溯识别后来因人类生物学不符预期而失败的假设。
推荐理由:Valence Labs 提出虚拟细胞应聚焦转化靶点验证,而非仅加速临床前流程,并给出可操作的评估维度。
Valence Labs 回顾 ICML 2026,AI for biology 与健康方向论文占全部接收论文的 2.5%,在主题领域排名第 5。会议聚焦模型效率与转录组扰动预测,PerturbDiff、scBIG 等采用流匹配报告了当前最优性能,PerturbODE 则借助神经常微分方程推断基因调控网络。
insitro创始人Daphne Koller发文指出,仅约四分之一人类疾病有获批疗法,超90%进入临床试验的药物失败且多数因靶点机制选错,AI无法靠推理绕过对生物学的实测。
生物数据"苦涩教训"的苦涩教训(仅限个人亲身经历)在于,天真的"苦涩教训"式做法永远是苦涩的😔 (但是!我仍然是"苦涩教训"的粉丝,只是它从来不是第一次尝试时预期的那种苦味,总还撒着别的香料) (这种总体感受和粉丝情怀也延伸到帖子里关于虚拟细胞的讨论)
Anthropic 正招聘生物学家、开设湿实验室,并于上月收购成立八个月的初创公司 Coefficient Bio,以引入靶点选择、模态选择和管线规划等生物技术项目运营经验。
Biohub 的 AI 研究者、免疫学家与生物工程师提出 6 项策略,用 AI 结合单细胞生物学和 iPSC 技术重编程免疫细胞,使其检测疾病、报告物理变化并递送治疗。
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。