聚焦AI+生物制药

AI赋能开启药物研发的新纪元

市值跌90%！千亿巨头收购2家AI药企，抓住救命稻草？

潜龙在渊：AI制药奔向下一个十年

AI+生物医药发展研究专题报告（节选）

AI+生物行业数据库

钉钉“C10圆桌派”走进上海 发布全新医药行业解决方案及AI落地实践

内 部 资 料 仅 供 参 考

2024年3月-3期（总第178期）

微信公众号 视频号

指导单位

上海市人工智能行业协会

上海信息化发展研究协会

主办机构

《今日人工智能》编辑部

机构地址

中国上海普陀区中江路118弄12号海亮大厦B座1009室

联系方式

021-52985700

微信公众号 视频号

@今日人工智能 @今日人工智能

商务合作：上海集邻互联网科技有限公司

合作洽谈：EMMA.RUI

联系电话：13764118816

此周报为内部资料，仅供参考，信息来源为网络公开信息

如有转载不当可联系我们，将支付您的稿酬

本编辑部拥有此内部资料的版权，如需PDF文档扫码联系

M O D E R N - D A Y 1

CONTENT

目录

今日导读 ——————————————————————— 02

AI赋能开启药物研发的新纪元

最新时讯 ——————————————————————— 03

市值跌90%！千亿巨头收购2家AI药企，抓住救命稻草？

潜龙在渊：AI制药奔向下一个十年

行业扫描 ——————————————————————— 09

AI+生物医药发展研究专题报告（节选）

企业观察 ——————————————————————— 12

川宁生物牵手领先AI应用团队 “新质生产力”或重构行业竞争格局

科技前沿 ——————————————————————— 15

David Baker团队再发Science，公开两款新一代AI蛋白模拟和设计工具

资本追踪 ——————————————————————— 17

D轮融资1.7亿美元，礼来、安进加持，这家公司用AI解决衰老问题

资料中心 ——————————————————————— 20

AI+生物行业数据库

园区动态 ——————————————————————— 28

钉钉“C10圆桌派”走进上海 发布全新医药行业解决方案及AI落地实践

M O D E R N - D A Y 2

今 日 导 读

AI赋能开启药物研发的新纪元

《今日人工智能》总编 李晓

大家好呀，我是《今日人工智能》总编李晓。本周也是我们陪大家度过的第178个周末。

在科技日新月异的今天，人工智能（AI）正以前所未有的速度渗透到各行各业。在2024年世界政府峰会上，英伟达（NVIDIA）

CEO黄仁勋说：“人人都必须学会计算机的时代过去了，人类生物学才是未来。”在生物制药领域，AI的应用正逐步颠覆传统的药物

研发模式，为人类健康带来革命性的变革。《今日人工智能》本周将和大家一起探索“AI+生物制药”这一前沿领域，为您揭示其产

业链、应用场景以及各大公司的技术特点和解决方案。

“AI+生物制药”的产业链主要分为三个部分：数据收集与处理、算法开发与优化、以及药物设计与临床试验。

1. 数据收集与处理这一环节是AI在生物制药领域应用的基础。包括基因序列数据、蛋白质结构数据、临床试验数据等。大量的数据

为AI模型提供了训练和验证的原料。

2. 算法开发与优化这一环节，AI算法被用于分析生物数据，预测药物分子的活性、毒性等特性。深度学习、机器学习等技术在药物

筛选和设计中被广泛应用。

3. 药物设计与临床试验这一环节AI的作用是辅助药物设计，提高研发效率，降低成本。同时，AI还可以用于分析临床试验数据，优

化试验设计。

AI在生物制药领域的应用场景广泛，主要包括：

1. 药物发现：AI能够快速筛选出具有潜在活性的化合物，大幅缩短药物发现的时间。

2. 精准医疗：通过分析患者的基因信息，AI可以帮助制定个性化的治疗方案。

3. 临床试验：AI可以优化临床试验设计，提高试验的效率和准确性。

4. 药物重定位：AI在已有药物中寻找新的治疗用途，减少研发成本和时间。

在这一领域，众多公司各具特色，竞争激烈。

- DeepMind：以其AlphaFold系统闻名，能够准确预测蛋白质结构，对药物设计有重大意义。

- IBM Watson：利用其强大的数据处理能力，提供药物发现和精准医疗解决方案。

- Insilico Medicine：专注于使用AI进行药物发现，特别是在抗衰老药物领域有显著成果。

- BenevolentAI：其平台通过整合多源数据，加速药物发现和开发过程。

这些公司各有所长，结合本期专刊中介绍的其他行业参与者，共同推动着“AI+生物制药”领域的发展。“AI+生物制药”正引领药物研

发进入一个全新的时代。它不仅提高了药物研发的效率，也为患者带来了更加精准和个性化的治疗方案。未来，随着技术的不断进

步，我们有理由相信，AI将在生物制药领域发挥更加重要的作用，为人类健康带来更多福祉。

本文为《今日人工智能》周报“AI+生物制药”专题的导读文章，旨在为读者提供该领域的全面视角和深入分析。我们期待与您一起，

见证AI在生物制药领域的每一次突破和创新。

M O D E R N - D A Y 3

最 新 时 讯

LATESET

NEWS

M O D E R N - D A Y 4

【重点】2月的最后一天，合成生物学巨头 Ginkgo

Bioworks 宣布收购两家人工智能驱动的药物发现初创

公司 Reverie Labs 和 Patch Biosciences以及一家

RNA 平台公司 Proof Diagnostics。三项收购旨在提高

Ginkgo 在人工智能药物设计、机器学习基因药物设计

和基因编辑检测方面的平台化能力。

上市之初，Ginkgo 市值一度超过260亿美元，轰动全

球，是合成生物学行业中当之无愧的超级独角兽。后

却被指控无核心技术和产品，商业模式遭到质疑，

Ginkgo当前市值仅剩27.59亿，距巅峰时期跌落近90%。

尽管实施了一系列自证手段，但效果并不理想，财报

表现诚实，2023 年全年收入为 2.51 亿美元，比上年

下降 47%。

而这次，Ginkgo看中了爆火的AI，试图弥补其核心技

术和产品的不足。只是，AI能否拯救Ginkgo？AI+合成

生物学是一门好生意吗？

一口气三项收购

上述三项收购是 Ginkgo 更广泛战略的一部分，旨在

通过新的 Ginkgo 技术网络增强其研发产品。

Ginkgo技术网络是一个开创性的生态系统，由人工智

能、遗传药物、生物制品和制造等各个领域的超过 25

个合作伙伴组成，目的是通过集成能力增强客户研发

计划。

Ginkgo 在集成平台技术和建立战略合作伙伴关系方面

拥有超过 15 年的经验，是资深的系统集成商。现在，

该公司通过该网络以及新收购的初创公司扩大其服务

范围。

第一笔收购是 Patch Biosciences，这是一家总部位于

纽约的人工智能平台开发商。

Patch Biosciences 以其使用机器学习模型和检测而闻

名，这些模型和检测现在将增强 Ginkgo 的现有服务，

为其遗传医学工具包增添宝贵的功能和资源。

第二笔收购是 Reverie Labs，这是一家总部位于马萨

诸塞州剑桥的公司，专门从事人工智能驱动的药物发

现。

此次收购包括 Reverie Labs 的先进基础设施和软件，

对于训练大规模人工智能基础模型至关重要。

此外，Reverie AI 团队的四名重要成员也将加入该公

司，其中包括首席技术官 Ankit Gupta，他将担任

Ginkgo 的 AI/ML 推进主管。

此次整合旨在显着增强 Ginkgo 的 AI/ML 驱动的发现

服务，并加快下一代生物基础模型的开发。

新加入的 Reverie 团队将在将 Reverie 的技术融入

Ginkgo 不断扩展的 AI/ML 基础设施以及未来 AI/ML

技术在生物工程中的开发和应用中发挥至关重要的作

用。

Ginkgo 计划整合 Reverie 的模型、软件和工作流程，

以推进其 AI/ML 驱动的实验设计基础设施。

此外，Reverie 的化学生成人工智能平台将集成到

Ginkgo 的工具包中，以支持小分子项目。

Ginkgo 目前的 AI/ML 计划包括 Owl，这是一种人工

智能引导的设计工具，它补充了 Ginkgo 酶工程团队

在众多项目中审查过的一整套计算工具。

该公司还开展了多项旨在推进生物工程和生物安全的

战略合作，包括与谷歌云、默克、辉瑞和勃林格殷格

翰的合作。

还有一笔收购是 Proof Diagnostics 公司，该公司因开

发“面向未来”的 COVID-19 筛查仪而受到关注。

值得一提的是，Proof Diagnostics 由张锋联合创立，

因其创新的 OMEGAs 技术而受到认可，这是一种新兴

的 RNA 可编程非 Cas 酶，为当前基因组医学工具提

供了一种有前途的替代品。

收购 Proof Diagnostics 的目的是通过将 OMEGA 整合

最 新 时 讯

市值跌90%！千亿巨头收购2家AI药企，抓住救命稻草？

M O D E R N - D A Y 5

到 Ginkgo 的基因编辑工具包中来加强 Ginkgo 的基因

治疗服务，为基因组医学提供更通用的方法。

早已布局AI

这并非Ginkgo首次切入AI赛道。2022年6月，Ginkgo

收购了Bitome，后者开发了GeniiTAS 代谢组学监测平

台的 AI 引擎，能够对细胞培养基持续监测，实时阐明

细胞代谢状态。

2022年10月，又宣布收购老对手Zymergen ，得到了

后者集产品设计、微生物制造、量产于一体的AI自动

化生物制造平台。

收购也是Ginkgo提高其平台服务能力惯用的手段，

2022年还 连续收购 FGen AG、Altar、Circularis三家

公司，2023年又收购 StrideBio 的 AAV 衣壳和载体平

台资产。

除了大举收购，Ginkgo也在自建相关AI算法和模型。

2022 年12月，公司宣布推出酶相关服务“ Ginkgo

Enzyme Services”，以超高通量筛选、机器学习指导

的蛋白质设计以及专有的菌株优化技术作为支撑，

Ginkgo能提供从新酶发现、活性功能优化到规模生产

各环节的解决方案。

据了解，利用其在DNA合成和高通量筛选方面的能力，

Ginkgo合成了1.09 亿个DNA碱基对，筛选属于12个酶

类的7117种酶，并评估了2719条通路，总共进行菌株

测试30445种。包括Cradle、Biomatter Designs、

Cambrium、Arzeda和Basecamp Research在内，都

在利用AI/ML技术来设计新型酶或改进现有酶。

Ginkgo还通过合作布局AI。去年与Google Cloud达成

合作，Ginkgo将利用Google Cloud的Vertex AI平台，

在生物工程应用领域开创新的大型语言模型，应用于

药物发现和生物安全等领域。

人工智能通过促进生物系统的设计、构建和优化，在

推进合成生物学的发展中发挥着至关重要的作用。

除Ginkgo外，也有不少公司尝试将 AI应用 到合成生物

学医疗 细分赛道。 例如Jura Bio，致力于利用机器学

习和合成生物学开发新型 tcr 疗法。

AI技术加持下，Ginkgo依旧 不自己生产化学品，而是

设计有机体并将 其许可给其他公司，其商业模式更像

是一家CRO公司。可惜，这样的商业模式并未给

Ginkgo带来颇天富贵。

2月29日，Ginkgo公布了第四季度和 2023 年全年的财

务业绩，其中2023 年全年收入为 2.51 亿美元，比上

年下降 47%。公司的理由是，由于转型和扩张，2023

年收入下降。

公司首席执行官 Jason Kelly 强调 2023 年是该公司的

“突破年”，生物制药业务显着增长，并围绕 Ginkgo 平

台建立了生态系统。该公司的战略收购和技术网络的

推出预计将增强其在人工智能和生物制药领域的能力。

但这样的说辞并未打动投资者，受此消息影响，股价

跌超15%。

好消息是该公司今年的净亏损从上一年的 21 亿美元亏

损改善至 8.929 亿美元。年终现金余额接近 9.5 亿美

元，为 Ginkgo 提供了坚实的财务基础，以推动盈利

并利用提高的平台效率。

需要肯定的是，2024年随着人工智能技术及优质的数

据不断突破迭代，AI将成为助推合成生物学发展的一

大利器。而作为合成生物学的巨头，Ginkgo提早布局

AI，极具潜力，且目标清晰，一直坚持其商业模式—

—以买促卖。

但当下合成生物学产业仍处于起步阶段，尚未真正解

决大规模商业发酵等基本问题。G inkgo避开问题，不

选品也不生产，利用 AI 能否实现其合成生 物学平台

的真正潜力，还得打个问号。

（来源：智药局）

最 新 时 讯

M O D E R N - D A Y 6

【重点】开年的王炸仍然来自OpenAI，Sora能够根据

文本提示输出长达60秒的视频，惊艳到让已经发布的

视频大模型显得有些尴尬。目前，我们暂时还看不出

Sora对生物医药的影响。通用AI技术在垂直细分领域

的发展通常呈现“一米宽百米深”的特点，主要受制于高

质量数据的获取和积累。

人工智能的发展速度还是震惊世界，而后，英伟达创

始人黄仁勋又一次为生物学站台：人人都必须学会计

算机的时代过去了，人类生物学才是未来。

不止老黄，马斯克、李彦宏、张一鸣、黄铮等一众功

成名就的大佬们都表现出对生命科学的强烈兴趣。

显然他们都意识到了，相较于计算机科学、软件、芯

片等领域，生命科学的复杂度要高得多，也是理解起

来最难的科学。也意味着，计算科学与生命科学的结

合将带来大量的机会。

如果说2023年生物医药弥漫着彷徨与危机，今年海外

生物医药复苏的关头，无论是寻找新的融资，找到客

户或是继续推进研发管线，不少AI药企都表现出乐观

的态度。

当AI的价值回归

近年来，AI制药行业赛道的价值被大规模讨论。

人们对于AI与药物研发的态度要么是“完全走不通”，要

么则是颠覆式创新。

当然，行业不可避免地存在着泡沫。但炒作并不都是

坏事，这意味着该领域有资本和产业的力量涌入，技

术和研发开始市场化，行业有了从无到有的基础建设。

同样，承认当前人工智能的局限性，理性地看待AI与

药物研发的关系，让我们不会幻想AI直接生成上市的

药物，而是更多在早期研发阶段切实地让企业降本增

效。

一个趋势是，过去几年建立的生物技术从生物学人工

智能（寻找新靶点）到化学人工智能（药物设计）的

转变。

这并不意味着AI+生物学不重要，而是人工智能开始解

决不同疗法上“更加落地的问题”。

例如难成药分子的结合口袋，嵌合抗原受体的优化，

蛋白质亲和力优化，RNA序列设计等。

这类趋势代表着从“first-in-class”方法到“best-in-class”

方法的转向，机器学习有助于加速针对既定靶点和已

知生物学的设计迭代。

当AI技术清楚地用于药物发现过程的特定领域，帮助

企业获得具体的药物，是许多大型制药公司引入合作

伙伴关系的关键：帮助开发可上市的药物，而不是一

句口号。

也就是说，人工智能作为基础技术在主流公司得到了

一定程度的验证。

辉瑞、葛兰素史克、诺华等全球*生物医药公司建设数

据科学驱动的机器学习中心，赛诺菲立志成为首家由

AI大规模驱动的大药企。

阿斯利康此前宣称人工智能赋能超50%的小分子管线，

强生聘请了超过6000名数据科学与人工智能专家，优

化研发和组织决策。

2023年11月，阿斯利康宣布推出Evinova，进军CXO业

务，使用 AI 和机器学习算法来帮助临床开发和运营团

队设计临床研究。

去年，美国多家初创AI+生命科学的公司也拿到了超亿

美元的大额融资，整个行业仍然怀抱对交叉技术的看

好。

据智药局监测，2023年Top20的生物医药公司在AI+药

物研发领域达成超30项合作，已披露的总价值约100亿

美元。

潜龙在渊：AI制药奔向下一个十年

最 新 时 讯

M O D E R N - D A Y 7

行业和技术的长期基本面没有改变，无论是AI公司还

是跨国大药企，他们都在寻找场景落地，拓展商业机

会，毕竟颠覆式创新源于长期的差异化解决方案。

AI制药的二次进化

AI制药日新月异，我们始终得以发展的眼光看待整个

行业。

2021年，AlphaFold点燃了人们对生物医药和人工智能

模型的兴趣，AI+药物研发赛道揭竿而起，成为资本的

宠儿。

现阶段我们处于“后疫情时代”，资本从生物医药流向其

他领域，众多biotech面临着降本增效，应对融资艰难

的处境。表面上我们已经难以再现下一个AlphaFold2，

实际上业内对于技术与商业化的探索和调整并没有停

下。

近年来，海外更多地开始用“TechBio”区别传统药物研

发的“Biotech”，描述生物学前沿与AI、软件和硬件的

工程化变革下，处于新一代的混合型公司。

海外*风投机构认为，人工智能推动生物学和药物研发

是从经验学科到工程化方法的持续基础性转变。

简而言之，生物学正在迅速发展并成为一门工程学科。

业内普遍认为三大技术推动了TechBio的新发展：

1、生物学的数字化：DNA 合成、测序和传感器等技

术越来越便宜，使人们能够将模拟生物学转化为数字

数据，并返回到模拟合成DNA/生物学。

2、计算和机器学习：使用计算工具和新兴的机器学习

/人工智能工具来深度理解数据。

3、机器人实验室技术：以手动为主的实验室转变为大

规模进行高通量自动化，特别是机器人实验技术在化

学合成领域的落地，可以批量获取更完整、更标准化

的高质量数据，持续投喂给AI模型迭代。

TechBio这样更宽泛的名词，不仅包含了人工智能辅助

药物研发，更指向当下行业的整体趋势：技术的深度

集成。这些系统开始与iPhone的复杂性和集成性相媲

美。

学术界的创新也进入了快车道。前不久，卡内基梅隆

大 学 （ CMU ） 研 究 团 队 开 发 开 发 的 “ AI 化 学

家”Coscientist，这是款基于GPT-4的大型语言模型的

AI机器人合成系统。

最令人瞩目的是，Coscientist在极短的时间内自主设

计出一个准确的实验方案，复现了2010年诺贝尔化学

奖的研究成果——钯催化偶联反应。

不止卡内基梅隆大学，还包括DeepMind等众多公司和

课题组都在积极地尝试，可以预料，未来以人工智能+

机器人实验的深度集成，对行业有深远的影响。

这些努力实际上都指向了一个背景：化学和生物数据

仍然是数据驱动的药物发现方法的核心问题。

显然，AI+生物医药的竞争已经走向了数据竞争。由于

AI需要投喂大规模数据，因此公司对于数据获取渠道、

清洗以及使用，以及需要哪些思维方式、团队和文化

来实现显得尤为珍贵。

因此，投资人的关注的重点也发生了巨大的转变：从

哪家拥有最好的AI模型，转变为了哪家公司拥有最好

的“闭环”机器学习系统，可以从实验室生成的真实数据

中实际学习。

行业头部公司已经开始落地，打造独有的文化和平台。

包括Recursion、Relay、晶泰科技等一直在集成软硬

件技术，不局限于AI模型，而是整合高质量数据、量

子物理、高通量自动化实验室等技术和工具，完成了

人工智能、机器人实验、高质量数据的正向反馈和闭

环，这种复杂性也为生物学和药物研发创造新的价值。

未来新一代的TechBio公司，是能明确定义相关问题并

产生解决方案，融入复杂的研发流程，并持续工程化

的不断试错和迭代，也是该领域的最大挑战。

创新与新技术的共振

2015年，毕井泉上任国家药监局局长后启动了一系列

系统改革，药品监管开始和国外接轨，也为我国的创

新药萌芽铺平了道路。

几乎是同一时间，以晶泰科技为首的中国第一批AI药

最 新 时 讯

M O D E R N - D A Y 8

企也陆续成立，成为中国创新药的新兴力量。

但以中国的创新药土壤，难以培育出FIC药物，模仿海

外企业做Me-too或者Fast Fellow药物，研发风险低，

研发成本低，成为主流的选择。彼时，亦步亦趋地跟

随海外研发动向，人工智能与药物研发结合的不成熟，

都让药企没有尝试新技术的驱动力。但创新药终究回

归到以创新为核心竞争力的舞台。

正如毕井泉所说，生物医药产业是创新驱动的产业，

是实施创新驱动发展战略的主战场。生物医药产业发

展水平就是一个国家科学技术水平的具体体现。

2023年，我国创新药企的大航海时代正式拉开帷幕，

与海外MNC接连不断的license-out，标志着我国创新

药真正从监管接轨走向了产品力接轨，融入全球医药

创新生态的过程。经过近10年的发展，中国的AI技术

也开始在全球范围内崭露头角，提升国际竞争力。

例如晶泰科技通过AI预测算法结合实验验证，将辉瑞

新冠特效药PAXLOVID传统确认药物优势晶型的时间

从数月缩短到六周；百图生科和赛诺菲达成突破性的

合作，共同研发基于生命科学领域的大模型。

与国际大药企合作的过程中，国内的TechBio也能够向

跨国药企学习，提升研发质量与标准，这种长期潜移

默化的影响有可能给国内创新药生态带来深刻的变革。

此刻，我们正值中国创新药产业升级的转型期，也是

AI药企机遇的窗口期。AI制药等技术经过近10年的发

展，渗透到了多个研发环节，势必要承接新的创新浪

潮。

随着行业对人工智能认知的不断加深，对创新分子的

共同渴求，传统药企与AI药企有“共同语言”的时代已经

到来。当然，AI具体能发挥多大价值，中国药企在新

的创新浪潮中能否脱颖而出，还需要漫长的检验。

中国创新药的长期基本面没有改变，生命科学数字化

与信息化的趋势也没有变，人工智能等新计算方式作

为创新药的研发手段，注定不会缺席。

时代赋予的更多可能

近日，随着英伟达2023年Q4季报的发布，这家AI新贵

的市值一路飙涨，已经超越两万亿美元。与之相比，

当前全球市值最高的药企礼来，市值距离万亿美元仍

然一部分差距。

跳出AI制药的视角，我们会发现无论是商业化难以闭

环，还是管线风险高技术难度高，也是生物技术公司

的永恒话题，创新药难以言说的痛。也就是说，医疗

健康领域的规模化效应，很难和半导体、汽车、光伏

等产业抗衡。

难怪黄仁勋说出那句：“在人类历史上，生物学第一次

有机会成为工程而不是科学。当某件事变成工程而不

是科学时，它就会呈指数级改进。”

ChatGPT带来的新一波AI浪潮，生物科技的蓬勃发展，

都预示着深度交叉的巨大机会。麦肯锡预计，生成式

AI每年可为制药和医疗行业带来600亿至1100亿美元的

经济价值。然而AI的价值兑现，需要复杂且规模极大

的数据来训练。

数据匮乏下，自动化实验不仅仅是解决人效比的问题，

更重要的是弥合人工智能在药物发现方面的前景与数

据瓶颈之间的差距。

这也意味着，当TechBio拥有了规模化的基础设施和经

过产业化验证的技术及解决方案，底层平台能够迁移，

与化学、材料、农业、环境等产业衔接。沿着这条逻

辑有诸多的竞争和投资机会。

例如当前以AI+机器人实验的公司客户来源正在多元化，

尽管医药的客户占比最大，但来自材料、农业、护肤

品等行业的客户也在不断增长，正在打开更大的市场。

这也意味着IT+BT作为高速成长的赛道，人们既有的认

知正在不断被挑战和完善，我们很难用简单的思维去

判断。

算法的推陈出新，算力成本降低，工程学上不断与科

学完善，都将是驱动生命科学乃至整个以大规模并行

实验为基础的产业变革。这是一个基础性的转变，也

意味着未来TechBio能够撬动巨大的市场规模与增量。

（来源：投资界）

最 新 时 讯

M O D E R N - D A Y 9

行 业 扫 描

INDUSTRY

SCANNING

M O D E R N - D A Y 10

【重点】在 21 世纪科技浪潮中,人工智能与生物医药

的交汇点日益显现。它能够以前所未有的方式解析、

预测和改善生命健康。从基因编辑到智能诊断,从药物

研发到个性化治疗,AI 与生物医药的结合正开启一个全

新的智慧医药时代。

AI 药物研发是将机器学习（Machine Learning）、自

然语言处理（Natural Language Processing）及大数

据等人工智能技术应用到药物研发各个环节，进而促

进新药研发降本增效。目前主要应用于药物研发阶段

的药物发现、临床前阶段，随着 ChatGPT 的不断应用，

AI 向临床开发阶段的渗透有望持续加快。

1. 市场规模

全球 AI 药物研发保持增长态势，北美是全球 AI 药物

研发最大市场，美国集聚了一半以上的全球 AI 药物研

发企业。全球 AI 药物研发市场北美地区占比最大，亚

太地区排名第三，预计全球 AI 药物研发市场规模将在

2025 年达到 38.8 亿美元；目前全球 AI 药物研发企业

约 700 家，其中超过 50%的公司集中在美国，英国和

欧盟分别占据 12.5%和 13.4%，亚洲大约 12.8%，其中

中国占据约 4.7%。

2. 融资能力

全球 AI 药物研发融资能力整体提升，中国药物研发 AI

大部分仍处于早期融资阶段。2022年全球 AI+药物研

发相关融资总事件达 144 起，总金额为 62.02 亿美元

（约人民币 426.7 亿元）。相较于 2021 年的整体共计

77 起，总金额共计 45.6 亿美元的融资情况呈现双双

上涨的态势。其中，美国 AI 药物研发融资事件 71 起、

中国 43 起，其他国家和地区 30 起，投融资活动主要

活跃在中国、美国和欧洲。

3. 在研产品

从在线 AI 药物研发方向来看，AI 辅助药物研发布局分

布在药物发现、临床前研究、临床试验和药品销售的

各个阶段。其中布局最多的环节是先导化合物的设计

优化合成，其次是化合物筛选、靶点发现和药物重定

位，晶型预测、剂型设计环节布局的公司相对较少。

2022 年国内 AI 药物研发领域中小分子化合物虚拟筛

选，新靶点发现以及药物优化设计和药物重定向是目

前较为热门的方向。国内外还暂无利用 AI 技术实现新

药上市的成功案例。

从在研AI药物产品聚焦疾病领域来看，主要聚焦在癌

症和精神类疾病，占比超过50%；其次是心脑血管、

肝肾肠胃和呼吸系统，占比大约30%；其余涉及的领

域包括糖尿病、眼病、白血病、感染类疾病、免疫类

疾病、药物副作用领域，个别企业布局了遗传疾病及

罕见病等小众赛道。其中较为知名的有AbCellera与礼

来联合研发的LY-CoV555，AI Therapeutics 与耶鲁大

学合作开发 LAM-002 管线等。LY-CoV555 是全球首

个进入临床阶段的新冠病毒中和抗体，并于 2020 年

11 月获美国 FDA 的紧急使用授权（EUA）。

从在研产品研发进程来看，美国在全球 AI 药物管线布

局上仍占主导，截至2022年6月，全球共有26家AI药

物研发企业、约51个由AI辅助进入临床Ⅰ期的药物管

线。其中，80%以上为美国企业，已上市的 AI 药物研

发头部企业也基本为欧美企业，尚未有中国企业。目

前，部分中国企业已发展出自有专利的开发平台，甚

至开始探索在全球尚未有企业涉足的前沿领域，如小

分子晶体结构预测、原发药物设计等。

2022 年中国 AI 药物研发取得突破进展。据 DPI 最新

行业报告，智药局的统计数据显示，截至 2022 年，

80 家中国 AI 药企中，已有 14 家成功将管线推进至临

床阶段，大部分都处于临床Ⅰ期阶段。3其中，英矽智

能首个完全基于 AI 的管线 ISM001-005 进入临床Ⅰ期，

并完成了首批健康受试者给药。这也是中国首个进入

临床的 AI 研发药物。2023 年年初，在新西兰临床 I

期试验中取得积极顶线数据，在安全性、耐受性、药

代动力学（PK）方面均表现良好。而在中国的临床试

验则将进入临床Ⅱ期。在临床试验方面，2022 年有四

AI+生物医药发展研究专题报告（节选）

行 业 扫 描

M O D E R N - D A Y 11

家 AI 制药企业获得批件，分别是劲风生物、宇耀生物、

费米子和德睿智药。其中埃格林医药针对子宫内膜癌

适应症的 EG-007 管线，已经推进至临床Ⅲ期，是目

前国内进展最快的一条管线。

4. 市场主体（主要玩家）

当前国内外 AI 制药市场的主要入局者有三类，即大型

药企、AI 制药初创企业和互联网头部企业，其中大型

药企又分为传统药企和 CRO 企业。从 AI 药物研发产

业链来看，上游为 AI 模型数据集供应及云计算平台，

其中数据集提供的医药数据是行业的关键竞争壁垒，

云计算平台则是用于保障底层架构的算力供给。产业

链中游为 AI 药物研发企业和 IT 企业，其中 AI 药物研

发企业主要以医药研发外包形式与下游企业进行合作，

在医药数据集的基础上依托内部的训练工具及 AI 开发

工具等进行模型的搭建和训练；IT 企业则通过自建 AI

药物研发平台及提供算力、计算框架服务方式参与 AI

药物研发。下游为传统药企，中游 AI 药物研发企业会

将其药物研发阶段的服务直接出售给传统药企，因此

传统药企是 AI 药物研发的直接需求者。

从主要玩家参与方式来看，主要有以下几种特征：

头部药企：主要通过自建团队和业务合作两种方式进

入 AI 药物研发赛道。其中，与 AI 药物研发企业合作

是主要的业务模式，头部药企可凭借其在研发管线、

专业背景上的优势弥补 AI药物研发企业的不足。如强

生、辉瑞、阿斯利康、诺华、拜耳等头部药企合作次

数接近 10 次，药明康德与 Insilico Medicine 合作进行

的化合物筛选等，正大丰海、豪森药业、云南白药也

参与到 AI 研发合作中。

互联网头部企业：依托其 AI 模型和平台优势，以对外

投资、自建 AI 药物研发平台和提供算法服务三种方式

跨界入局。例如，“云深智药”是腾讯基于其 AI Lab 自

主研发的深度学习算法、数据库和云计算，打造的 AI

驱动药物临床前研究开放平台，覆盖了临床前药物研

发的全流程；此外，腾讯还与成都先导合作，共同设

计完成了首个经实验验证的骨架跃迁分子生成算法。

AI 药物研发企业：是行业的主力军， AI 新药研发企

业依托其算法和数据优势，以 CRO（医药研发外包）

和自研管线为主要模式切入应用场景。技术上，AI 药

物研发企业的算法愈受欢迎，成为重要的技术壁垒。

此外，这类企业的数据自研能力是关键的竞争要素，

AI 药物研发所需的高价值数据多源于其智能实验室。

5. 存在的问题

数据量不足，数据获取的周期和成本高。高质量数据

获取门槛高，即使是使用了前沿的 AI 技术，也并不能

立刻扭转新药研发面临的挑战。AI 药物研发企业数据

来源可分为公开数据和非公开数据，公开数据包括各

种文献数据库，公开的项目模拟数据及部分临床数据，

此类数据容易获取，但数据质量难以保证，据此进行

的模型运算可靠性不足。非公开数据主要是各制药公

司以往项目的积累，此类数据的精度高，更适合用来

做模型的训练和计算，但由于数据属于医药公司的核

心资产，极难获得。

算法与应用场景匹配要求度高，专业人才稀缺。AI 药

物研发中算法模型的优势可以体现在多个维度，比如

结果的精准度、计算速度、 模型体量、泛化性能等，

不同算法模型可能有不同的侧重方向，因此优势也会

不尽相同， 在特定任务需求和应用场景下合理选择具

有相应优势的算法模型至关重要。如何让算法与 生物

学更完美的结合，这需要技术人员对于制药医学和 AI

人工智能都有深入理解，才能更好的发挥模型优势，

此类人才的稀缺也成为掣肘行业发展的重要因素。

6. 发展趋势

AI 药物研发将进军抗体等大分子领域。2022 年 4 月

份，以色列药企 Biolojic Design 宣布其有史以来第一

个计算设计的抗体进入临床试验。11 月，加拿大药企

AbCellera 和合作伙伴Regeneron 宣布已经将首个针

对未公开 G 蛋白偶联受体 （GPCR）的抗体候选药物

推 进 到 临 床 前 开 发 阶 段 。 同 月 ， AI 制 药 企 业

Exscientia，宣布其 AI 技术平台将包括人类抗体设计。

有媒体做过不完全统计，全球已经有 20 多家公司正在

通过 AI 技术发现抗体药物。从区域来看，这些公司大

都分布在欧美。

（来源：人工智能学派）

行 业 扫 描

M O D E R N - D A Y 12

企 业 观 察

ENTERPRISE

OBSERVATION

M O D E R N - D A Y 13

川宁生物牵手领先AI应用团队 “新质生产力”或重构行业竞争格局

【重点】2月22日，川宁生物（301301.SZ）公告披露，

公司与上海金珵科技有限公司建立战略合作关系，双

方将就川宁生物抗生素中间体发酵产业的优化升级、

利用AI辅助合成生物学研发及合作开发新产品等方面

开展合作，将人工智能与川宁生物现有产业结合，尽

快形成新质生产力，以全面提升川宁生物的生产方式

和生产效率。

当抗生素中间体行业龙头牵手业界领先的AI应用团队，

将催生怎样的“化学反应”？

AI如何助力抗生素中间体生产

作为国内抗生素中间体主要生产企业之一，川宁生物

围绕生物发酵技术、资源优势建立的先进产能在行业

内可谓举足轻重，公司产品涵盖大环内酯类、广谱类

抗生素的主要中间体，包括硫氰酸红霉素、7-氨基头

孢烷酸（7-ACA）等产品，近年来亦大踏步进入合成

生物学领域。

合作的另一方上海金珵科技，则是由科学家李金金控

股的企业。李金金现任上海交通大学人工智能与微结

构实验室主任，曾在美国伊利诺伊大学厄巴纳-香槟分

校、加州大学圣芭芭拉分校进行学习研究，其团队在

“AI for Science”领域深耕10余年，先后主持/完成多个

国家级项目。

2022年以来，以ChatGPT为代表的通用人工智能大模

型横空出世，以人工智能驱动科学研究的“AI for

Science”亦快速发展，日益表现出突破传统科学研究能

力瓶颈的巨大潜力。在此背景下，作为产业龙头的川

宁生物携手上海金珵科技，意在通过AI对底层科学研

究的重大突破，推动产业发展的“换道”疾进。

川宁生物抗生素中间体的生产过程，是以玉米、黄豆

等为原料，加工成淀粉、糖、豆油等含碳、氮化合物，

以此为菌种提供营养，通过微生物转化的方式，制取

头孢菌素、青霉素工业盐等粗品，并进一步通过提取

纯化，最终产出抗生素中间体，即生物发酵提取工艺。

抗生素中间体的生产效率，简而言之，由原料的特性、

对生物发酵过程的有效控制等因素决定，类似于白酒

的酿造。但相较白酒成熟的生产工艺，抗生素中间体

及生物合成产品的发酵工艺，在底层机理上仍有大量

未破解的“密码”，这也意味着其产生效率、生产方式仍

有大大提升的空间，乃至颠覆式创新的机会。

产研合作 从虚拟工程师到AI辅助生物合成

川宁生物选择与上海金珵科技及李金金团队的合作，

显然是看中了后者通过“AI for Science”，破解生物发

酵底层“密码”，进而提升产品生产效率乃至革新生产方

式的潜力。

在人工智能辅助生物制造领域热潮的推动下，近年来

全球涌现了大量人工智能算法预测生物分子的结构、

力场、能量等参数的成功应用。在上海交大任教并成

立上海交通大学人工智能与微结构实验室（AIMS-Lab）

的李金金教授，在生命科学领域已颇有建树。AIMSLab团队开发了ITLFF、MLQM-protein等多个生物大分

子力场构建软件、蛋白突变结构和能量预测软件、酶

功能（酶活、热稳定性）筛选算法等。公开报道称，

其AI驱动的研究能够将计算效率提升约1万倍，已被应

用于结构生物学和合成生物学领域，如药物分子设计、

多肽/抗体设计以及酶分子设计与改造。

川宁生物与上海金珵科技的合作，具体包括打造生成

式人工智能虚拟工程师，金珵科技对川宁生物抗生素

中间体的生产全流程进行人工智能优化，建立原料、

工艺、产量的生成式可解释的人工智能工程化平台，

打造生成式人工智能虚拟工程师，通过机器学习迭代

反馈实现抗生素中间体生产新范式和效益的系统性提

升。

合作还包括生成式AI辅助合成生物制造，金珵科技为

上海锐康生物提供AI辅助研发服务，利用生成式AI辅

助提升代谢途径中关键酶性能，用生成式AI预测复杂

代谢途径中的靶点，从而提升终端小分子产品的效价、

企 业 观 察

M O D E R N - D A Y 14

碳转化率和时空转化率，达到降本增效的目的。

2月25日，川宁生物在投资者关系活动中披露，李金金

团队在AI端云协同进化平台上，以Alpha-bio大模型为

基底，上游赋能了近100个专业模型，每个专业模型都

是实验室自主开发，用于解决具体Science领域专业科

学问题。

在产业应用层面，“如果能够顺利实现AI赋能目标，未

来川宁生物有可能可以满足全球硫氰酸红霉素的供应

需求，相信同时能大幅提高成本效益。”在合成生物学

领域，“AI基于海量数据的持续学习能力和在未知空间

的智能探索能力，对合成生物学的基因编辑效率、代

谢途径优化、生产过程优化、蛋白质设计等方面均具

有较大提升作用，有效契合了当前合成生物学降本增

效需求。”

AI驱动的新质生产力正浮出水面

对于川宁生物而言，与上海金珵科技的合作，通过AI

for Science破解基础研究的“堵点”，进而通过产业化提

升生产效率，乃至革新生产方式，顺应了高质量发展

要求下培育新质生产力的趋势。

新质生产力是以新技术深化应用为驱动，以新产业、

新业态和新模式快速涌现为重要特征的生产力。在抗

生素中间体行业，从化学合成到生物发酵工艺的转换

堪称上一次新质生产力的涌现，而引入AI驱动生物发

酵工艺进一步精细化、高效化，无疑将是行业内又一

次新质生产力的涌现。

从川宁生物的发展轨迹看，公司长期以来的重要“护城

河”，在于充分利用新疆伊犁地区的地理及资源优势，

在农副产品发酵原料、煤炭、电力、发酵水平等方面

实现更优的抗生素中间体生产成本。而进军合成生物

学领域，进而携手业界领先AI应用团队，显示了川宁

生物的发展模式正在经历从资源要素驱动，向技术创

新驱动的转变。

在数字经济时代，新质生产力以数字化、网络化、智

能化的新技术为支撑，具有广泛的渗透性和融合性，

“AI+生物医药”正是这种渗透融合的生动体现。

当前，未来全球抗生素市场的竞争走势将更加趋向于

原料药行业与中间体行业的产业结构优化、综合质量

标准的提升以及环保技术的创新和提高。生产企业间

的技术竞争力主要体现在生物发酵技术、酶制剂、关

键技术设备的选择使用和过程控制等多个方面。使用

不同技术和工艺在细节上的差别将使企业在生产效益

与产品质量上存在差异，只有具备核心技术能力的企

业才能凭借其成本和质量优势在抗生素中间体行业中

持续发展。

“人工智能成果体现在提升人类对领域理论认知上，让

人们尽早了解理论上限”，李金金教授在25日的投关活

动中谈到：“在产业发展和AI的合作中，这种突发性创

新实验结果会更加频繁出现。”

(来源：经济观察报)

企 业 观 察

M O D E R N - D A Y 15

科 技 前 沿

SCIENCE

TECHNOLOGY

M O D E R N - D A Y 16

【重点】日前，人工设计蛋白领域先驱David Baker教

授实验室领衔的科学家团队在《科学》杂志上发表最

新研究，介绍了增强版的蛋白模拟工具RoseTTAFold

All-Atom 和 蛋 白 设 计 工 具 RFdiffuion All-Atom 。

RoseTTAFold All-Atom让科学家们可以模拟蛋白质与

其它生物分子的相互作用。RFdiffuion All-Atom则让

科学家们能够根据与特定化合物结合的口袋，从头设

计全新蛋白质，有望为设计精准疗法铺平道路。

自从AlphaFold在预测蛋白质三维结构方面获得突破以

来，AI驱动蛋白结构预测和蛋白设计的进展可谓日新

月异，David Baker教授的团队已经多次在《科学》和

《自然》等顶尖期刊上发表研究，揭示了AI驱动蛋白

设计领域新的可能性。

在这项研究中，科学家首先重新训练了RoseTTAFold，

使其能够准确地模拟蛋白质与生命细胞中其它常见分

子（如DNA、RNA、金属离子、糖和其他小分子化合

物）的相互作用。研究展示了RoseTTAFold All-Atom

能够详细预测特定蛋白质和DNA片段的相互作用，以

及某些药物分子如何结合到人体中的蛋白受体上。

“我们让RoseTTAFold All-Atom可以免费使用，以便全

世界的科学家可以发现分子如何调控生物学过程的新

知识。这可能使他们更好地理解许多疾病的分子机制，

进而开辟新的治疗方法。”这项研究的共同第一作者，

Baker教授实验室的研究生Rohith Krishna先生说。

RFdiffusion All-Atom是基于AI平台RFdiffusion，这是

一个已经发布并广泛使用的生成式AI系统，它可以创

建与自然界中任何已知蛋白质不同的蛋白质。实验室

测试证实，增强版RFdiffusion All-Atom可以用来生成

具有与特定化合物结合的口袋的蛋白质，包括类固醇

药物digoxigenin、富含铁的血红素分子，以及植物用

于吸收阳光的化学物质。这些设计出的全新蛋白已经

通过晶体学和实验验证，可以与上述化合物结合。

“我们的目标是构建一个AI工具，能够生成更复杂的疗

法和其他有用的分子。例如，研究人员现在可以设计

蛋白质，关闭特定致病分子的功能，为开发精准疗法

铺平了道路。”这项研究的另一名共同第一作者，

Baker教授实验室的研究生Woody Ahern先生说。

在2023药明康德全球论坛上，华盛顿大学蛋白设计研

究所首席战略及运营官Lance Stewart博士指出，“现在

的新技术让我们有能力去挑战任何类型的靶点，这是

当下生物医药产业的幸运。”他也指出，自从10多年前

与蛋白设计领域先驱David Baker教授相识后，人工智

能在预测蛋白结构、设计蛋白药物等方面取得了很大

进步。在人工智能的协助下，未来谈及不可成药性，

不仅是指开发针对不可成药的药物，还包括开发筛选

这些药物所用的工具。

（来源：药明康德）

David Baker团队再发Science，公开两款新一代AI蛋白模拟和设计工具

科 技 前 沿

M O D E R N - D A Y 17

资 本 追 踪

INVESTMENT

COMPANY

TRACKING

M O D E R N - D A Y 18

【重点】2024年才走过近两个月的时间，抗衰领域已

诞生一笔1.7亿美元的融资。

获 得 融 资 的 企 业 名 为 BioAge Labs （ 下 文 简 称

BioAge），是一家成立于2015年的抗衰明星公司，致

力于利用AI技术开发治疗衰老和年龄相关性疾病、延

长人类健康寿命的创新药物。

而在该公司宣布完成D轮融资后不久，其还于近日宣布

将于2024年中期启动与礼来合作的一项2期临床试验，

以评估BioAge的Apelin受体（APJ）激动剂Azelaprag

（ BGE-105） 与 礼 来 的 GLP-1R/GIPR 双 靶 点 激 动 剂

Tirzepatide（替尔泊肽）的联合疗法在治疗肥胖症中

的疗效。

并且，动脉网了解到，在试验过程中，BioAge也将在

遵守相关法律法规的基础上收集受试者的衰老相关生

物标志物信息，以此助力BioAge其他处于临床早期衰

老管线的研发。

截至目前，BioAge针对衰老问题的研究集中在3个方

向，分别是代谢和肌肉衰老、大脑衰老、免疫衰老。

同时，依托独有的AI药物发现平台，BioAge还拥有多

条在研管线，适应症包括肥胖症、神经炎症、急性肌

肉萎缩等与衰老相关的疾病。

明星团队支撑获近3亿美元融资

成立至今，BioAge已完成5轮融资，共募资近3亿美元，

Andreessen Horowitz 、 Pear Ventures 以 及 AME

Cloud Ventures等投资者更是多轮押注，并且先后与

安进和礼来达成合作。

BioAge备受明星资本青睐和知名企业看重的背后，是

一支从默克、罗氏、英矽智能等企业的核心团队作支

撑。

其联合创始人兼首席执行官Kristen Fortney博士是一位

在生物信息学领域拥有超10年研究经验的创业者。她

不仅获得了多伦多大学生物信息学博士学位并在斯坦

福大学接受博士后培训，还成为了两个知名衰老研究

机构——American Federation for Aging Research

（ 美 国 老 龄 化 研 究 联 合 会 ） 和 Ellison Medical

Foundation（埃里森医学基金会）的研究员，发表论

文共计18篇，研究领域包括计算药物发现、衰老生物

标志物和延长人类寿命的遗传学等。

此 外 ， Kristen Fortney 曾 担 任 Insilico Medicine 、

Humanity、Retro Biosciences、Known Medicine等药

物研发公司的顾问。值得一提的是，BioAge识别和靶

向驱动衰老的分子途径的数据驱动方法正是由其主导

开发。

并且，与创始人相似的是，BioAge的核心团队成员也

具有衰老研究和系统生物学的深厚背景——其首席运

营官Eric Morgen在靶点发现、衰老、药物基因组学等

领域发表了20余篇论文；担任公司首席营销官兼执行

副总裁一职的Paul Rubin博士曾在MiRagen、GlaxoWellcome、Abbott等生物制药公司担任要职，并将10

多种产品从临床开发推动至获批，其中包括第一个获

批用于临床治疗哮喘的5-脂氧合酶抑制剂齐留通

（Zileuton）。

同时，BioAge还吸引了Peng Leong博士出任首席商务

官兼脑衰老治疗领域负责人一职，Peng Leong博士此

前曾在CIBC World Markets和Piper Jaffray从事医疗投

资银行业务，并曾担任默克的医学业务开发主管以及

Kazia Therapeutics的首席品牌官。

此外，BioAge的科学顾问团队也为公司的发展保驾护

航，主要成员包括抗血小板药物Aggrastat的主要研发

人George Hartman博士，曾负责罗氏抗病毒药物临床

开发的Klaus Klumpp博士，以及曾在Twitter、Google、

麦肯锡公司担任企业战略副总裁、产品经理的Elad Gil

博士等，他们的加入为公司的核心管线推进提供了研

发动力。

D轮融资1.7亿美元，礼来、安进加持，这家公司用AI解决衰老问题

资 本 追 踪

M O D E R N - D A Y 19

独有AI平台：基于6550万+数据点，每年评估约20种

衰老途径

2019年，BioAge宣布完成2300万美元B轮融资，该轮

资金推动了公司搭建基于AI技术的高通量目标识别平

台，即AI药物发现平台。该平台能够在海量的数据中

搜索并确定影响人类寿命的关键生物途径和药物靶点，

并通过高通量生物验证、最终将潜在靶点推进临床开

发阶段。

但BioAge并不止步于简单的检索验证，公司期望通过

集成更多的AI技术和数据库信息，将原有平台升级为

一个由AI驱动，可利用大量生物数据来发现、验证更

广泛的衰老途径和药物靶点的技术平台。为此，在

2022年BioAge宣布与Age Labs达成合作协议，获得了

对AgeLabs数据库的独家访问权，BioAge能够使用

Nord-Trndelag健康研究（HUNT）生物库样本和健康

记录来识别、开发和商业化针对衰老疾病的药物靶点。

值得关注的是，HUNT自1995年至今纵向收集的生物

样本适用于表观遗传学、蛋白质组学和代谢组学分析。

在此基础上，BioAge的AI药物发现平台可深入分析来

自纵向的生物样本，识别影响健康长寿和与年龄相关

性疾病的蛋白质、代谢物或分子机制，而后快速确定

衰老途径中的关键靶点。

经过多年创新发展，BioAge的平台目前建立在一个拥

有45年长度的纵向样本和健康记录的数据库上，拥有

150万多个临床数据点、6400万多个分子数据点共

6550万多个数据点，每年可评估约20种衰老途径。其

中，该平台的最大优势是根据纵向数据跟踪患者衰老

结果，从而确定导致衰老发生的新机制和驱动因素，

并在已知和新型衰老生物学的交叉点上识别全新靶点。

临床前试验显示小鼠体重减轻2倍，BioAge拳头产品

可实现减脂不减肌

Azelaprag正是BioAge通过AI平台发现并推进研发的

在研管线。2021年，BioAge与安进签订了一项全球独

家许可协议，获得了该药物的开发和商业化的权利。

经过2年多研发推进，Azelaprag已成为公司目前在代

谢和肌肉衰老领域的重要资产。

Azelaprag是一款可口服或静脉注射的APJ激动剂，可

用于治疗肌肉萎缩并通过提高Apelin信号活性来恢复

肌肉力量和功能。

其中，Apelin是一种在运动后释放的“运动因子”多肽，

其内生受体APJ是一种G蛋白偶联受体，在体内多种器

官细胞上表达，主要包括中枢神经系统跟心血管系统，

并通过与骨骼肌、心脏和中枢神经系统的相互作用调

节新陈代谢，促进肌肉再生。

研究显示，当人体开始衰老时，其骨骼和肌肉质量会

逐渐减少，骨折、虚弱等风险也相应增加，比如，多

发于老年人群体的肌肉萎缩，对于他们来说，肌肉衰

老会导致力量、活动能力和功能丧失，进而导致与年

龄相关的疾病和死亡发生率的增加。数据显示，功能

性肌肉减少症或与年龄相关的肌肉骨骼变化影响7%的

70岁以上的老年人。

BioAge的研究也证明，人体的总体Apelin水平会随着

衰老过程而逐渐下降，而Apelin水平较高的人具有更

强的身体功能和更长的寿命。

其临床前研究显示，Azelaprag与替尔泊肽联合使用可

增加受试小鼠整体体重减轻效果，与单独使用替尔泊

肽相比，Azelaprag组的受试小鼠体重减轻了2倍，并

且能够将身体成分和肌肉功能恢复到可控水平。

在Azelaprag的1b期临床试验中，数据显示，21名65岁

及以上的健康受试者在接受Azelaprag或安慰剂输注并

严格卧床休息10天后，与安慰剂相比，Azelaprag在肌

肉大小、质量和蛋白质合成方面产生了统计学上的显

著改善，且并未产生严重副作用，具有良好的安全性

和耐受性。

基于积极的临床试验数据，BioAge将与礼来合作开展

一项2期临床试验，评估Azelaprag是否可以增强GLP1药物所实现的减肥效果。作为一款防止肌肉衰老的药

物，Azelaprag与GLP-1药物联合用药，将有可能减轻

该类药物引起的胃肠道问题和肌肉质量损失等副作用，

促进实现更健康的减肥效果，最终通过治疗肥胖有效

预防或延缓多种衰老疾病进展、延长患者的健康寿命。

（来源：动脉网）

资 本 追 踪

M O D E R N - D A Y 20

资 料 中 心

RESOURCE

CENTRE

M O D E R N - D A Y 21

AI+生物行业数据库

《今日人工智能》 包慧晴

企业 拳头产品

1 英矽智能科技（上海）有限公司 PandaOmics靶点发现平台

2 百图生科（北京）智能技术有限公司 ImmuBot（免疫机器人）

3 苏州予路乾行生物科技有限公司 生物大分子体系动态结构建模

4 水木未来（北京）科技有限公司 SBDD 基于结构的药物发现平台

5 北京哲源科技有限责任公司 DAGG

6 普瑞基准科技（北京）有限公司 AIBERT ® AI驱动的药物差异化研发技术平台

AI+生物，是一种将人工智能技术与生物科学相结合的创新模式。在这个模式下，人工智能的强大计算能力

和自我学习能力被用来解析生物学的复杂密码，揭示生命的奥秘，推动生物科学的发展。AI+生物的应用领域广

泛，包括但不限于医疗健康、农业科技、环保科学等。在医疗健康领域，AI+生物可以帮助医生进行精准诊断，

提高治疗效果；在农业科技领域，AI+生物可以通过对作物基因的研究，提高作物的产量和抗病能力；在环保科

学领域，AI+生物可以帮助我们更好地理解生态系统，保护地球的生物多样性。AI+生物的结合，不仅可以推动科

技的发展，也可以带来社会的进步。它让我们看到了科技的力量，也让我们看到了生命的无限可能。在未来，

AI+生物将会成为推动人类社会发展的重要力量。

AI+生物科技公司运用人工智能的强大计算能力，解析生物学的复杂密码，从而揭示生命的奥秘，推动医疗、

农业、环保等领域的革新。本文为大家介绍了一些AI+生物公司和他们的拳头产品。

资 料 中 心

M O D E R N - D A Y 22

英矽智能

LOGO：

公司全称：英矽智能科技（上海）有限公司

成立时间：2019年06月

总部属地：上海市

注册资本：5,600万(美元)

注册地址：中国（上海）自由贸易试验区富特北路211

号302部位368室

公司介绍：英矽智能（Insilico Medicine）是一家由人

工智能驱动的端到端创新药物研发公司，基于生成对

抗网络（GANs）、深度强化学习（RL）、预训练模型

（Transformer）和其他机器学习技术，识别靶点并生

成具有特定属性分子结构的候选药物。作为细分领域

的先驱，英矽智能构建了三款高效人工智能药物研发

平台，专注并贯穿新药研发的三大阶段，包括全新靶

点发现平台PandaOmics、化合物设计和生成平台

Chemistry42以及临床试验结果预测平台InClinico，推

进并加速癌症、纤维化、传染性疾病、神经退行性疾

病等领域的创新药物研发。英矽智能总部位于中国香

港，在全球六个国家和地区建立了办公室和研发团队，

拥有超过150位资深科学家和AI研发人员。2014年成立

以来，公司已与美国、欧洲、中国、日本等国家和地

区超过30家药物研发公司达成战略合作协议，并启动

了多个针对全新靶点、难成药靶点和不可成药靶点的

内部研发管线。

推荐产品：

PandaOmics靶点发现平台

采用一种名为iPanda的专利通路分析方法，来推断通

路激活或抑制，可以分析正在研究的疾病相关联的重

要试验基因，以及相关数据集和研究成果、经费拨款、

专利、临床试验等之间明确或隐藏的联系，从而能够

识别靶点，并对靶点进行评估，将它们与相关联的疾

病关联起来。

英矽智能（Insilico Medicine）与 Answer ALS、约翰

霍普金斯大学医学院、哈佛医学院附属麻省总医院，

梅奥医学中心、清华大学以及福贝生物的研究人员合

作，在 Frontiers in Aging Neuroscience 期刊发表了

题 为 ： Identification of Therapeutic Targets for

Amyotrophic Lateral Sclerosis Using PandaOmics –

An AI-Enabled Biological Target Discovery Platform

的研究论文。

该研究利用英矽智能自主研发的人工智能生物靶点发

现平台 PandaOmics 确定了许多此前从未报道过的

肌萎缩侧索硬化症 （ALS） 潜在治疗靶点 。 在发现

的28个靶点中，有18个靶点已在 c9ALS 果蝇模型中得

到验证，证实可以适度或强效减缓眼部退化。这些发

现不仅证明了 PandaOmics 可以加速发现全新靶点，

同时也为 ALS 患者未来的治疗方向提供了新希望。

论文第一作者，英矽智能副总监、应用科学负责人潘

颖博士表示：“ 在英矽智能，我们的工作重心是使用人

工智能来发现针对ALS等无药可医的疾病的创新疗法。

这项研究的结果及其对 ALS 患者的意义非常鼓舞人

心 。 ” 英 矽 智 能 创 始 人 兼 联 合 首 席 执 行 官 Alex

Zhavoronkov 博士表示：“ 这项合作研究表明，将人

类智能与人工智能相结合，可以让我们在那些具有高

度未被满足临床需求的疾病获得突破，发现新靶点。

这项研究仅仅只是开始。 ”

清华大学教授、福贝生物创始人鲁白博士表示：“ 从由

人工智能驱动在海量数据集中发现靶点，到在多个模

型系统中 （苍蝇、小鼠、iPSC） 进行生物验证，再到

通过研究者发起的试验 （IIT） 进行快速临床测试，这

代表了一种新的趋势，有望大大降低药物开发的成本

和时间。更重要的是成功率的提升，特别是针对神经

退行性疾病而言。我们非常高兴成为这个国际研究团

队的一部分，并期待之后对这些新靶点展开临床验

证。 ”

资 料 中 心

M O D E R N - D A Y 23

百图生科

LOGO：

公司全称：百图生科（北京）智能技术有限公司

成立时间：2020年08月

总部属地：北京市

注册资本：185.2万人民币

注册地址：北京市海淀区永腾北路9号院10号楼二层

101

公司介绍：“百图生科”是中国首家生物计算技术驱动的

生命科学平台公司，致力于用高性能生物计算和多组

学数据技术加速创新药物和早筛早诊等精准生命科学

产品的研发，力图让更多疾病可预警、可控制、可治

愈，实现人类百岁健康梦想。

“百图生科”诞生于一个生物数据爆发式增长的时代。得

益于基因组学等底层数据采集技术的发展，生命科学

界对人类疾病机理的研究已经可以精细到单个病人的

单个细胞的全基因组和转录组等层面，充分揭示不同

人、不同时间、不同细胞之间的异质性特征，为个性

化的靶向药物研发，为疾病的极早期诊断和精细化分

型提供了充分的可能；对药物构件的原子级别观测和

解析，对药物实验过程中的持续数据采集，对基因的

碱基级编辑等能力，也为精准药物设计打下了良好的

基础。但与此同时，这些技术所带来的的海量数据和

由此而来的挖掘、分析、匹配需求，也大大突破了原

本生命科学行业的平台和工具框架，蛋白质的精细模

拟，PB级别几百万个细胞的组学数据挖掘，高通量类

器官芯片，脑机接口的神经元信息语义理解 — 这些问

题需要更加前沿的AI算法、芯片、超算、智能传感器

和机器人等技术，需要更加系统化的生物计算平台和

智能的药物设计、人体洞察挖掘工具来加速解决。

推荐产品：

ImmuBot（免疫机器人）

面对免疫调控的行业难题,2022年9月9日,生物计算驱动

的突破创新药物研发平台公司BioMap百图生科首次对

外披露了基于生物计算引擎de novo设计的全新蛋白质

药物——“ImmuBot”(免疫机器人),意图实现对免疫系

统的精准重编程,治疗上百种免疫相关疾病。

ImmuBot平台上的每个“机器人”药物均由多个免疫功

能弹头、组织导航弹头、微环境传感器、可编程控制

器等构件组装而成,具备弹头高性能、组合多靶向、编

程式控制、构件式组装4大创新特点,可以实现传统抗

体药物无法实现的复杂作用机制,有望为大量未被满足

的临床需求提供新的解决方案。

得益于生物计算引擎,ImmuBot具备四大功能特点:

特点一是弹头高性能 。 基于人工智能的强大能

力,ImmuBot为每一个靶点配备了恰当亲和力、精准定

表位、精准功能激发的高性能弹头,并可实现相对其他

同族蛋白的高特异性设计,从而极大提高有效性和安全

性。

特点二是组合多靶向。基于生物计算引擎的靶点组合

挖掘和多弹头桥接药物设计,ImmuBot可实现对多个组

织特异性靶点、免疫功能靶点的组合靶向,使其具备强

大的精准靶向、免疫细胞招募、作用于多个免疫机制、

防止耐药逃逸等功能优势。

特点三是编程式控制。通过创新蛋白质设计,ImmuBot

可以实现对人体微环境、细胞因子等的传感器感知,实

现AND、OR、IF等条件触发功能,从而实现在特定疾病

微环境内激活、针对患者情况选择性激活、序贯弹头

激活等高级功能,实现对免疫系统的精准重编程。

特点四是构件式组装。每个ImmuBot均由多个免疫功

能弹头、组织导航弹头、微环境传感器、可编程控制

器在适合的底座上由生物计算引擎组装而成,各类构件

均可预制、多次复用、快速组装,不仅确保了单体药物

的最佳性能,而且带来整体药物研发10-100倍的效率提

升,为针对细分人群、疾病亚型、罕见病的精细化药物

设计带来新的可能。

为了加速ImmuBot的开发,百图生科还构建了“卓越计划”

开放平台,与前沿生物技术专家、药物开发专家和临床

专家等卓越开发者伙伴携手合作,发挥各自优势,联合开

发更多疾病领域、更多调控机理的免疫机器人药物。

资 料 中 心

M O D E R N - D A Y 24

予路乾行

LOGO：

公司全称：苏州予路乾行生物科技有限公司

成立时间：2021年11月

总部属地：苏州市

注册资本：193.5万元人民币

注册地址：中国（江苏）自由贸易试验区苏州片区苏

州工业园区星湖街328号创意产业园1-B801

公司介绍：予路乾行是一家以人工智能、量子力学及

分子模拟算法为核心技术，通过模拟运算赋能新药研

发的交叉学科技术驱动型生物医药公司。

公司是基于多尺度分子动力学结合自主创新的AI算法

而构建的新一代人工智能药物研发平台，提供各类计

算化学服务，包括但不限于高柔性靶点建模、靶点可

成药性分析、面向大分子及小分子药物结构筛选、设

计、优化等，特别是针对难成药靶点提供分子成药机

理解析、全新药物分子结构设计、和结构优化解决方

案。公司创立之初即获评苏州市工业园区科技领军项

目企业，转年即2022年获批苏州市级姑苏领军人才项

目，核心技术获得诺贝尔化学奖得主Roald Hoffman推

荐，目前已与多家国内外生物医药企业合作推进数个

新药研发管线并取得多个突破性成果。

推荐产品：

生物大分子体系动态结构建模

合理、精确的靶标结构与构象动态机制是新药研发的

基石，特别是对柔性较高或结构高度复杂的体系来说。

此类蛋白难以通过实验解析出其晶体结构，获得的晶

体结构往往存在一定程度的缺失，这成为了针对该体

系进行新药研发的最大痛点。予路乾行结合物理模型

和多尺度分子动力学模拟技术，能够做到对复杂体系

的高精度结构解析和动态构象建模，擅长的领域包括

但不仅限于：

1、蛋白质三维结构的从头/同源建模和优化；

2、靶点-配体复合物结构建模，以及靶点、配体分子

各自在自由态/结合态的构象特征分析；

3、蛋白质-蛋白质结合界面（PPI）建模与重要残基分

析;

4、跨膜体系（生物膜、跨膜蛋白等生物大分子）的构

建和优化；

5、固有无序蛋白（IDP）优势构象群的构建。

难成药靶点机制探索

具有明确结构和清晰作用位点的蛋白靶点在人类疾病

靶点中仅占约15%。在剩余85%左右的蛋白靶点因柔性

过高而没有稳定的三维结构、或蛋白表面平坦无清晰

作用位点等被称为“难成药靶点”，鲜有针对这类靶点的

药物问世。予路乾行着眼于蛋白质靶点与生理功能相

关的功能性构象变化背后的动态机制，揭示靶点构象

变化过程中的多个关键构象，以及生理环境下各功能

构象的呈现概率，为之带来赋能的应用场景包括但不

仅限于：

1、难成药靶点蛋白建模和优化；

2、难成药靶点蛋白新结合位点的探索和苗头化合物发

现；

3、难成药靶点蛋白与药物分子的结合/解离路径探索

和机理解释；

4、靶点蛋白别构结合位点发现与分子药效学机理探索；

5、多聚体蛋白质形成过程的结合/解离路径探索和机

理解释；

6、固有无序蛋白（IDP）与药物分子相互诱导形成的

优势结合构象群的构建。

动力学虚拟筛选

除传统方式的虚拟筛选外，予路乾行充分发挥自身在

分子动力学领域深耕多年的经验和技术优势，通过多

尺度分子动力学模拟评估靶点和配体间关键相互作用

的发生概率，充分挖掘靶点分子在生理环境下存在的

多构象可成药空间，以及靶点-配体复合物间的关键作

用力贡献，揭示配体-靶点相互作用机理，更精准地从

百万甚至千万级别的类药化合物分子或分子片段库中

锚定和筛选出苗头化合物。

资 料 中 心

M O D E R N - D A Y 25

水木未来

LOGO：

公司全称：水木未来（北京）科技有限公司

成立时间：2017年12月

总部属地：北京市

注册资本：94.5605万元

注册地址：北京市海淀区永泰庄北路1号天地邻枫2号

楼3层303室

公司介绍：水木未来（北京）科技有限公司是一家AI+

冷冻电镜驱动的新型药物研发公司，是商业化冷冻电

镜服务平台的先行者，基于冷冻电镜、计算化学、机

器学习和高性能计算核心技术，在小分子、抗体药、

蛋白降解、基因治疗等领域推动数字化创新，助力全

球创新药企大幅提升药物研发效率和成功率。

水木未来2017年创立于清华大学，核心团队由优秀的

生命和计算科学家、IT互联网和医药产业专家组成，成

立伊始，已成功为来自中国、美国、欧洲的260余家创

新药企和顶级科研机构提供了结构生物学和药物发现

服务。

推荐产品：

SBDD 基于结构的药物发现平台

先导化合物的发现处于药物研发流程的上游，计算机

辅助的虚拟筛选在该过程中发挥重要的作用。从药物

设计角度出发，虚拟筛选有基于配体和基于结构两种

思路，它们各有适用的条件又相辅相成，通常在已知

受体结构信息的情况下，基于结构的虚拟筛选更加实

用可靠，因而被广泛应用在药物发现过程中。基于受

体的虚拟筛选也称为基于结构的虚拟筛选，利用分子

对接技术，基于受体的三维结构，在结合位点处自动

匹配化合物数据库中的小分子，然后对可能的结合模

式运用基于分子力场的打分函数进行结合能计算，最

终得到化合物能量排名。

水木未来基于结构的药物发现技术利用分子对接的方

法，基于现有的受体结构信息或水木未来冷冻电镜技

术解析的受体结构信息，利用开发的基于结构的药物

发现平台进行早期药物发现，通过多层次计算方法评

价配体和受体的相互作用，平衡预测速度和准确度，

提供多种药物发现方案，充分发挥了水木未来特色的

“结构”+“计算”优势。

技术优势

1、冷冻电镜结构解析

水木未来团队对冷冻电镜结构解析技术的研究和运用

处于世界领先地位。高分辨率、接近天然、完全水合

状态的蛋白结构，为基于结构的药物发现提供了突破

口。

2、高效灵活的计算平台

可以根据用户不同的计算需求，动态扩充计算资源，

灵活选择高性能计算和云计算的服务模式。

3、丰富的数据库资源

自建超过6亿个成药性分子计算化学筛选库，大幅提高

找到活性分子的成功率。

应用场景

传统的X射线晶体学主要解析分子量在10万道尔顿以下

的蛋白质结构，冷冻电镜技术可突破这一限制。水木

未来基于结构和计算的药物发现核心技术适用于针对

各种药物靶标结构进行药物发现，尤其是针对难以获

得晶体结构的膜蛋白，例如离子通道、G蛋白偶联受体

（GPCR）等分子量大的蛋白结构。冷冻电镜平台与计

算化学平台结合，这样在获得蛋白质结构以后能在短

时间内设计或筛选出可能有效的化合物结构。

平台展示

基于结构的药物发现技术从靶标结构出发，而靶标结

构可以通过X-ray、Cryo-EM、NMR或同源建模的方法

获取，利用分子对接技术在构建的化合物数据库中进

行虚拟筛选，通过构象搜索以及打分函数对配体与受

体的结合亲和力进行评价，最终得到化合物能量排名，

通过分子动力学模拟进行精细筛选，获得目标分子并

进行生物实验验证。

资 料 中 心

M O D E R N - D A Y 26

哲源科技

LOGO：

公司全称：北京哲源科技有限责任公司

成立时间：2015年12月

总部属地：北京市

注册资本：654.856万元

公司地址：北京市海淀区白家疃尚水园2号楼6层613室

公司介绍：哲源科技是一家以数字生命技术赋能医药

创新的平台型公司。 公司拥有领先的生命功能的数字

孪生技术，实现系统性递呈肿瘤新靶点，精准评估优

势适应症，精准预测响应患者。

公司已经拥有新靶点、新适应症、药物伴随诊断等多

项高价值IP。哲源致力于构建“药物数字试验场”，突破

生化技术的瓶颈，提升药物研发效能、临床试验成功

率、临床治疗有效率，为医药研发引入新范式，为人

类健康保驾护航。

中科院计算技术研究所与哲源科技联合组建了图灵-达

尔文实验室，首倡“计算医学”，以系统论为指导思想，

以密集数据驱动为科研范式，以人工智能为方法，以

高性能计算为支撑，承担生物医学与计算科学相交叉

融合的技术攻关工作。

推荐产品：

核心技术

哲源将信息科学思想、人工智能技术、以及超级算力

引入生物医学与药物研发领域，有效地利用来自真实

世界患者的大数据（包括多组学数据、人类生理病理

表型数据）与4000万篇生物医学文献知识，建立具有

因果关系的机制仿真模型。

TWIRLS棍棍

生物医学文献处理算法大规模生物医学知识AI平台。

构建生物医学知识超脑，感知目标药物或目标疾病相

关文献，将其他领域的知识成功迁移至目标领域，为

目标药物找出新MOA和新适应症，为目标疾病找出新

发病机制、找出新有效药物。

DAGG

基因组霰弹枪损伤评估算法细胞功能定量评估AI平台。

哲源的基因组解读AI工具，利用个体基因组中所有变

异信息，描绘个体化细胞功能与信号通路定量图谱

（APSP），有效关联个体基因型与生理病理表型，小

样本量即可识别出特定疾病的关键特征，以确定性支

持新适应症、优势人群的筛选与疗效预测。

DPverse

泛癌种功能数字化病人库MOA虚拟平台。

实现了泛癌种患者的遗传信息和肿瘤基因组信息的信

号通路活性图谱化。用于在虚拟临床试验中测试各种

药物的MOA模型，在不同癌种下统计响应各种药物机

制患者的比例，为各种药物提前预判适应症和患者画

像。

精确模拟生物学机制

计算模拟不是黑箱，定量模拟信号通路活性，直观描

述病因、病理。

1、广泛覆盖疾病与药物

30+泛实体肿瘤、上百种病理型、自体免疫疾病小分

子。

抑制剂或激动剂、单克隆抗体、双抗异性抗体、融合

蛋白和细胞疗法。

2、深度认知疾病和靶点

病因、病理、易感人群特征、诊断、治疗方式、预后、

随访。

生物学机制、适应症、临床前研究、药物疗效与预后、

无显著疗效、改善耐药性、作为判断疗效和筛选用药

人群的标志物、基因组学证据、副作用、药代动力学。

3、高投入产出比

一个具体药物只需再输入极少量的样本数据即可完成

机制模拟和临床试验仿真。结果直接反映潜在生物学

机制，可无缝续接湿试验的验证。

资 料 中 心

M O D E R N - D A Y 27

普瑞基准

LOGO：

公司全称：普瑞基准科技（北京）有限公司

成立时间：2015年07月

总部属地：北京市

注册资本：279.3713万元人民币

公司地址：北京市海淀区上地三街9号D座7层D802

公司介绍：普瑞基准是一家以“多组学+数据挖掘”驱动，

专注于创新药的差异化研发策略的新型平台公司。公

司以先进的多组学技术、生物信息学和AI算法为核心，

基于独立开发的AI驱动的海量多组学数据挖掘系统

AIBERT®，为药企及生物科技公司提供全球领先水准

的药物机制研究、生物标志物开发、基于生物标志物

和精准医学的药物临床差异化研发策略、临床统计、

中心实验室、药物伴随诊断联合开发等创新服务，目

前已与多家国内外领先的药企及生物科技公司形成深

度合作，助力多个新药的研发和获批。同时，公司也

在临床端与合作的药企、医生一道为患者提供先进、

精准的检测服务，助力精准用药的临床实践。

推荐产品：

AIBERT ® AI驱动的药物差异化研发技术平台

1、专注于解决生物标志物鉴定、药物联用策略及适应

症选择等研发关键问题；

2、借助PB级数据资源，挖掘临床试验中小样本量背后

的数据价值；

3、基于自主研发的可解释神经网络模型，为申办方提

供多维度的组学证据，得出可靠结论。

生物标志物鉴定

基于组学数据挖掘，为申办方发现有价值的生物标志

物，富集潜在受益人群，助力新药研发。

适应症选择

基于组学数据挖掘与分析，为创新药在临床试验中选

择合适的适应症提供决策依据。

药物联用策略推荐

运用可解释的深度学习模型，推荐能够产生协同效应

的药物联用方案。

耐药机制研究

基于多组学数据，深入解读药企创新药物耐药分子机

制，并基于此，提出序贯用药方案，以实现患者长期

获益。

药物靶点发现

鉴定可用于治疗特定疾病且具备重大转化价值的高成

药性靶点，支持First-in-Class药物研发。

基于多组学数据的药物机制研究

涵盖来自大量不同癌症类型的组织、模型（包括细胞

系、肿瘤细胞移植模型CDX、人源肿瘤移植模型PDX、

肿瘤类器官）的癌症基因组、功能基因组、药物基因

组等多维度数据资源。

1、中国人群基因组

普瑞基准基于过硬的科研实力，积极开展多项中国癌

症患者人群的多组学研究，相关成果已经陆续发表于

国际高水平期刊，并形成普瑞基准特色的中国泛癌种

基因组学数据资源。

2、癌症基因组

基于对数据的深刻理解，汇集世界最新顶级癌症基因

组科研成果，通过深度清洗、整理、均一化处理，形

成普瑞基准特色的泛癌症多组学高质量基因组数据，

广泛覆盖人类癌症类型。

3、功能基因组

广泛收集对不同肿瘤模型（包括细胞系、肿瘤细胞移

植模型CDX、人源肿瘤移植模型PDX、肿瘤类器官）

进行系统扰动试验（包括基于CRISPR-Cas9的Knock

out、基于siRNA或shRNA的Knock down、基于化合物

处理的扰动）产生的功能基因组学数据，并基于对数

据的深刻理解，通过深度清洗、整理、均一化处理，

形成了普瑞基准特色的泛癌症多组学高质量功能基因

组数据资源，广泛覆盖癌症类型。

资 料 中 心

M O D E R N - D A Y 28

园 区 动 态

INDUSTRY PARK

DYNAMICS

M O D E R N - D A Y 29

【重点】2月29日，钉钉“C10圆桌派”医药专场在上海

举行，钉钉面向医药企业发布“4A”行业解决方案。中

国企业数字化联盟理事长雷万云、复星医药首席数字

官兼总裁助理林锦斌、信达生物制药集团副总裁郑怀

亮等国内生物医药领军企业的数字化负责人现身现场，

共话医药生物企业数字化转型趋势及实践经验。

医药产业是我国国民经济的重要组成部分，具有举足

轻重的地位。在医药产业迈向高质量发展的当下，医

药企业不可避免地在管理、安全、效率、成本等方面

面临数字化挑战。会上，钉钉面向药企发布“4A”医药

行业解决方案，包括敏捷组织实践战略、产业拓展强

化韧性、普惠智能赋能全域、多元服务拓新思路，并

展示了AI在医药行业的最新落地实践。在提升员工能

力、业务流程创新、知识沉淀活用等方面，AI已得到

广泛应用，展现出巨大价值潜力。

据了解，当前有超过60%的百强生物医药企业都在使

用钉钉。钉钉大健康行业总经理韦亚伟在活动中表示，

生物医药企业在与钉钉的合作实践中，也探索出多条

具有借鉴意义的数字化路径。

复星医药在全球拥有近4万名员工，自2015年起开始使

用钉钉，是最早使用钉钉的企业之一。复星医药整体

业务布局广泛、产业公司众多，对数字化建设带来了

极大挑战。在此背景下，复星集团基于专属钉钉打造

了千人千面的协同办公平台“复星通”，构建起从复星国

际到复星医药，以及复星医药下面各个产业分层的组

织架构。

同时，复星医药将OA、电子签章、IT自主服务平台、

费控等办公系统集成上钉，有效提升日常办公效率，

并通过集中采购和管理同一套应用实现整个集团资源

复用，极大减少了办公、人力、行政等领域“重复造轮

子”的问题。在林锦斌看来，基于钉钉打造的“超级前

端”，让复星集团从人找系统，变成了系统找人，形成

了智能式的数字工作环境。

信达生物在2019年以前，内部都使用企业邮箱进行沟

通，一封一封的邮件来回沟通，十分影响沟通效率。

2019年起，信达生物开始启用钉钉作为员工之间沟通

协同的主要工具，极大降低了内部的沟通协同成本，

并有效解决了内部协同的信息安全问题，从“控权限”、

“限行为”、“管访问”、“可审计”四大维度构建了契合生

物制药企业特性的协同安全框架。

基于钉钉的数字化底座，信达生物还将内部众多信息

化系统集成起来，打造统一协同办公入口。降低信息

安全保障第一道门槛后，企业内部协同办公的效率也

得到了显著提升。此外，信达生物的转化医学等部门

也利用Teambition实现临床前研究项目的数字化管理，

每个产品研究阶段的重要任务、文档、审批、数据目

前都已线上化和可视化，有效提升了员工的项目协同

效率。

中国企业数字化联盟理事长雷万云认为，数字化转型

是企业战略层面的概念，并不是追求眼前效益的机灵

战术，药企的数字化转型尚处于初期探索阶段，未来

还有很长的路要走。在他看来，数字化转型的价值在

于体验创新、流程创新和模式创新。而想要达到智能

化，理想和现实之间会存在应用、数据、能力、人才、

技术、生态六大“裂谷”。医药行业的关键应用场景将存

在于内部一体化、产业链协同、社交化商业之中。

（来源：快科技）

钉钉“C10圆桌派”走进上海

发布全新医药行业解决方案及AI落地实践

园 区 动 态

M O D E R N - D A Y 30