夜雨聆风
全球药企加速布局!AI Agent for Science时代开启,谁在定义下一代研发体系?
当行业还在讨论“AI能否改变研发效率”时，跨国药企已经给出了更为确定的答案。
年初，葛兰素史克与AI生物技术公司Noetik达成一项五年合作，以5000万美元的前期资金及近期里程碑付款，以获得后者的两款癌症模型的使用权。
几乎同一时间，礼来与AI医药大模型公司Chai Discovery联手，以获得其核心平台Chai 1和Chai 2的使用权，并一起为礼来打造独有的早期药物发现和开发模型。
从表面上看，这些仍然像是普通合作，但如果仔细拆解就会发现——
这些合作的核心已经不是传统的软件采购，而是将AI大模型作为重要基础设施，整合到药企研发平台之中。
这一变化，正在悄然改写医药行业。
如今，大药企与AI公司之间形成了长期且共享的伙伴关系，通过持续的产业协同、数据融合与技术迭代，双方真正成为研发共同体。
在这样的背景下，全球药企的思路也在发生变化。越来越多企业开始更加开放，开始联合算力平台、硬件平台、AI技术平台公司，共同搭建一个完整的AI for Science生态。
毫无疑问，这也对参与其中的企业提出了更高的要求，不仅要有技术能力，还能在真实场景落地，更重要的是，能够在复杂生态中进行协调与整合。
在全球产业加速演进的同时，中国市场也开始出现具有标志性的实践落地。
近日，望石智慧、华为、华鲲振宇三方正式达成战略级生态合作，重磅发布AI药研联合解决方案。
该方案整合华为顶尖算力技术底座、华鲲振宇硬件平台以及望石智慧小分子药物设计平台，构建起从底层算力到上层药物研发智能应用的完整解决方案。
图：望石智慧与华为共同参加央视频《新智会客厅》栏目采访
如果说，之前的跨国药企动作，代表的是全球趋势，而这一次三方合作，则意味着这一重要方向，正由中国市场的先行者引领进入实质性落地。
AI Agent for Science，未来已来
经过多年的发展，AI for Science（AI4S）正在走到一个关键拐点。
早期的AI4S更多是将AI作为辅助工具，提升研究人员的效率。如今，智能体的出现，让AI解决科学问题，逐步迈向让AI像科学家一样解决科学问题。
一个代表性的案例来自美国的非营利性研究所FutureHouse。其开发的科研智能体罗宾Robin，在短短的10周之内，自主发现了一款治疗干性老年黄斑性变形（AMD）的潜在疗法。
这个案例之所以引起关注，并不在于结果本身，而是展示了一种可能性：AI开始具备自主科学探索和决策能力。
从这个角度看，AI Agent for Science的出现，标志着行业正式进入 “智能体驱动的科学研究” 时代。
这一趋势，也在跨国药企的动作中不断印证。
标志性事件是，医药巨头礼来和人工智能巨头英伟达宣布投入10 亿美元，共建AI联合创新实验室，核心目标之一就是开发面向药物研发的专属AI大模型，打造智能研发闭环流程。
更具说服力的是，跨国药企开始直接通过收购将AI Agent能力内化为核心竞争力。
2026年1月，阿斯利康宣布收购Modella AI，将这家波士顿生物医学AI公司的多模态基础模型和AI智能体全面整合进其肿瘤研发体系。
就在上周，全球制药巨头默沙东与谷歌云双方达成为期至少十年、总价值最高达10亿美元的战略合作协议，这是默沙东史上规模最大的单笔AI技术投资。
然而，当我们将目光聚焦于药物研发这一核心场景时，一个关键问题浮现出来：单纯的工具调用和通用科研智能体，能够支持真实的药物研发吗？
答案并不乐观。
药物研发，特别是小分子药物研发，是一个极度复杂的系统工程。它不是在某个指标上做到最好，而是需要在活性、毒性、稳定性、可合成性等多个维度之间不断权衡。
这意味着，这个研发过程是一个持续动态的优化问题，而不是一次性计算。
单纯的工具调用或者科研智能体，因为缺乏对药物化学、结构生物学和药理学的底层理解，很难在多轮优化过程中作出靠谱的判断。
例如，上述Robin科研智能体成功证明了AI 自主科学探索的可能性，但严格意义上，它完成的只是药物早期线索挖掘与理论方案。
它既没有完成成药性评价，也无法解决真实药物研发中的毒性、有效性与安全等核心问题。
正因如此，单一模型能力再强，也只能解决其中某一个环节，难以最终转化为药物。
这也是AI Agent for Science出现的必然原因。它不只是一个一次性出结果的工具，而是通过整合多个模型、多种数据源和实验反馈，构建出一个能持续决策的系统。
这意味着，AI制药已经从模型竞争升级为专业智能体能力竞争。
谁能构建真正理解药物研发核心逻辑，具备端到端研发能力的垂直领域智能体，谁就更有可能在下一阶段占据主动权。
全球生态重构，AI制药逻辑正在改写
2026年，以OpenClaw为代表的一批产品，让智能体彻底走进大众视野。
它的出现证明了智能体不只是个概念，而是能够真实落地的生产力工具，同时也给各个垂直赛道提供了新的启发。
医疗行业正是其中变化最明显的领域之一。
科技巨头正在加速入局。4月，OpenAI、亚马逊接连发布生命科学模型及智能体，以通用能力与平台化服务切入药物研发领域。
回看过去一年，医药赛道中的智能体产品更如雨后春笋般涌现。从当前市场格局来看，大致可归为三类。
例如医院管理智能体，聚焦医疗机构的运营效率提升，如病历质控、用药审查、患者管理等场景；第二类是医患服务智能体，主要面向C端用户的健康咨询、用药提醒和慢性病管理等服务；第三类，则是直接切入药物研发环节的研发智能体。
前两类智能体主要服务于医疗领域的患者和医药端，对现有流程进行优化，与药物发现这一源头创新环节关联不大。
而第三类研发智能体，则直接进入医药产业最核心，也是壁垒最高的环节。
进一步深入观察会发现，目前绝大多数玩家还扎堆在文献检索、分子筛选、化学合成等能力上，解决的是某一个环节效率问题。
这些能力都非常重要，但仍然有一个共同的局限——难以直接转化为药物。这也是为什么，行业仍然缺乏真正面向早期药物发现、具备全栈能力的医药研发智能引擎。
在这一趋势下，望石智慧的策略极具前瞻性。它并没有停留在工具层，而是将能力延伸到研发决策系统。
望石智慧聚焦壁垒最高的早期医药研发场景，打造了行业首个以药化思维链为驱动的全栈式小分子医药早研智能体，作为基础设施，该智能体能够作为帮助药企拿下AI Agent for Science新生态的“入场券”。
它并不只是生成分子，而是试图像药化学家一样思考问题。
在当前行业中，很多模型都可以生成结构新颖的小分子。但无法判断药物分子在真实研发环境中是否可行。这就导致一个现象：模型在计算指标上表现优异，但在实际研发场景中脱节。
而望石智慧的智能体，核心在于具备药物化学家的判断能力，串联起从靶点发现、分子设计再到湿实验验证全流程，真正走进了研发核心。
更重要的是，这套系统形成了“AI设计—实验验证—数据回流—模型优化”的完整闭环。这一闭环非常关键，因为药物研发不是一次性问题，而是持续试错与优化过程。望石智慧打通这些环节，让这套系统具备持续学习与自我反思能力，而不是一次性输出工具。
原因在于，它不是基于通用智能体去适配药物研发，而是围绕药物研发这一场景，打造了一个具备类药化学家认知能力的专业研发伙伴。
这种原生优势，让其对药物研发的理解也更贴近真实场景，同时又和实验体系紧密结合。这让它的智能体不仅能生成分子，还能做出更接近实际的判断。
但如果把视角进一步拉高，会发现另一个更加重要的趋势：生态，正在取代单点能力，成为行业关键变量。
一套真正可用的AI药研系统，基本涉及算力、数据、算法模型和实验验证这四大要素，往往分散于不同组织手中，难以由单个公司独立完成。
因此，基于生态的基础设施协同，已成为不可逆转的趋势。
国际市场已经给出清晰的样本。例如，赛诺菲联手OpenAI、AI初创公司Formation Bio三方共同合作，打造一系列行业顶尖的模型。目前已经发布首个用于优化临床试验患者招募的AI工具Muse，将其运用于多发性硬化症的Ⅲ期临床试验之中。
不只如此，英伟达在算力层面之上，与业内Recursion、Terry等公司合作，构建了庞大的算力与模型生态；谷歌母公司Alphabet孵化Isomorphic Lab，并与DeepMind 共享技术基座，打通药物研发流程。
这些实践共同指向一个方向，产业分工正在被重新定义。
过去药企、AI应用公司、算力公司边界相对清晰，但新范式下，产业边界正在变得模糊，各方企业围绕一个研发体系进行深度协调。
也正是在这样的背景下，华为与望石智慧的合作，具有独特的战略深意。它不仅是一项合作，更是生态协同理念在中国AI制药领域的一次率先落地。
过去几年，中国AI制药企业在技术层面不断突破，在部分方向上已经具备与国际玩家竞争的能力。但在生态层面，尤其是在算力与基础设施整合上，仍然存在差距。
而这一次联合，则意味着中国在这一层开始补齐短板。
其更深层的意义，在于尝试构建一套从底层算力到上层应用、完全自主且深度协同的AI制药体系。这意味着，未来中国药企有可能在一个相对独立、可控的环境中完成AI驱动的药物研发。
这不仅是效率问题，更是产业安全与长期竞争力的问题。如果这一模式能够跑通，它很可能不只是一个案例，而会成为行业未来的重要范式。
打破行业瓶颈，中国AI医药新路径
可以说，此次望石智慧与华为、华鲲振宇的合作，并非简单的业务叠加，而是试图构建更加统一的研发系统。
这一合作建立在三方各自核心优势的深度互补之上。
如今，医药已成为华为重点布局的战略级新赛道。据公开报道，华为近年已组建制药军团，由集团高管带队，将生物医药提升至与金融、制造同等重要的行业级战略高度。
目前制药行业正处于算力需求爆发期，基于昇腾AI计算和鲲鹏通用计算，华为在生命科学关键计算场景实现效率跨越式提升：成功将蛋白质结构预测训练耗时缩短30%–35%，在长序列场景下，耗时缩短幅度甚至高达65%；不止如此，华为还将分子动力学模拟场景从几周级压缩至秒级。
由此可见，华为的算力底座拥有难以替代的核心优势，能够为行业提供AI开发框架等底层技术支撑，保障算力稳定与数据安全可信。
在AI药研联合解决方案中，华鲲振宇负责构建适配医药场景的高性能算力载体，将国产算力与医药研发的特定需求进行深度适配。
望石智慧则填补了这一生态中至关重要的“价值创造”一环。
与传统医药背景出身的团队不同，其创始人兼CEO周杰龙拥有20多年人工智能算法工作经验，在技术路径选择上具有独特的工程化视角。
这使得公司在构建AI驱动的研发体系时，更强调系统能力，而不是单点的技术突破。
深耕小分子医药早研8年多以来，望石智慧深知数据的价值，目前已经积累了海量医药研发垂类数据。其200亿+小分子库、2亿+虚拟复合物库、300w+电子云密度库、上亿二面能量扭转数据的庞大数据资产，为制药大模型研发、分子设计与研发决策智能体提供核心数据支撑。
这些数据，也构成了望石智慧底层关键资产。
在这一基础之上，公司构建了工业级多模态AI 3D分子生成大模型，以及小分子药物设计平台Molvado，以及具备自主决策与闭环执行能力的小分子医药早研智能体MolVortex，从药物化学家思维链出发，打通从需求理解、策略生成到工具调度、迭代优化的全流程自主闭环。
图：多模态 AI 3D分子生成模型 &小分子药物设计平台MolVado（来源：望石智慧官网）
在此前的采访中，周杰龙提到，某头部药企使用Molvado后，仅3个月就获得了全新骨架的百纳摩尔级活性分子，将原本需要1到3年的时间大幅缩短，合成和实验的费用也减少了80%。
不只如此，望石智慧的能力没有停留在案例展示，已经获得产业认可度。
公司已服务超过100家国内外药企和科研机构，助力客户发现20多个针对差异化机制的早期候选药物，多个项目已进入临床前及临床开发阶段。
其合作伙伴广泛覆盖武田、拜耳、辉瑞等多家跨国制药企业，以及齐鲁制药、微芯生物、泰德医药等国内头部创新药企。
此外，望石智慧内部已开发10余条围绕肿瘤和自免两大疾病领域的管线项目，研发效率超行业平均水平。其中自主研发的HPK1口服抑制剂SWA1211于2025年6月获得中美双报临床试验许可，成为全球首批进入临床阶段的AI参与设计的HPK1抑制剂。
这些成果，成功验证了望石智慧作为一家拥有强AI技术基因的公司，在药物早期研发有着深厚的技术积淀和全流程落地能力。
这些结果共同说明一件事：望石智慧已经完成了从技术到研发结果的跨越。
从更本质的角度看，其核心壁垒并不只是模型，而在于打通了一条业内少有的打通“AI 3D分子生成大模型+湿实验+化合物库+药物管线”完整链路。使其不再局限于单一工具，而成为一个可以持续产出结果的系统。
而通过与华为、华鲲振宇的合作，望石智慧正在把自身能力嵌入到更大的体系中，形成从算力到应用的完整解决方案。
从长期来看，它的价值不只体现在单个项目上，而是成为药企长期的平台合作伙伴。
过去，药物研发高度依赖定制化项目，难以规模化推广，而当底层算力与上层智能体形成标准化组合后，有更多机会在企业中快速部署。
整套AI研发体系能够快速适配不同药企、不同研发场景的个性化需求，大幅降低企业落地AI制药技术的门槛与成本。
换句话说，这有望为行业建立一套新的研发基础设施。这种基础设施平台的转变，商业逻辑也会随之发生变化。
技术平台不再只是通过单次软件合作获取收入，而是可以通过平台和数据整合的解决方案赋能，获得额外的项目收益分成，形成稳定的商业回报。
这一转变，是当前AI制药行业从概念落地、技术试点，走向成熟商业化规模化发展进程中，最关键的一步。
写在最后
新一轮AI技术浪潮下，医药研发行业的竞争逻辑已发生根本性转变。
单纯依靠模型参数或工具已不足以制胜，生态整合能力与全栈落地能力成为企业核心竞争力。
望石智慧凭借小分子药物研发智能体的前瞻性生态布局，在这一变革浪潮中先踏出一步。
它没有满足于分子生成能力本身，而是围绕药物研发流程构建智能体系统，这种从单点环节到系统决策的提升，正是AI Agent for Science时代的核心。
可以期待的是，通过与华为、华鲲振宇的深度合作，望石智慧将凭借其可复制的AI药研联合解决方案能力，从国内走向海外，加速商业价值释放，真正引领AI Agent for Science的新生态。
其稀缺性与不可替代性，正在被越来越多的药企所感知：它不是工具供应商，而是能真正驱动研发范式变革的生态核心。
未来，随着更多AI赋能的管线进入临床，更多合作伙伴加入创新研发，这一中国自主AI制药新范式必将加速全球创新药研发进程，为患者带来更多突破性疗法。
————————————–
声明：以上信息只是对公开信息的整理、分析及转载，不作为评估参考做任何决策的建议，文中信息若有误或其他事项，欢迎联系、沟通交流~