峰会回顾|2026 @Philly AI in Biopharma Executive Summit 圆满落幕

2026年10月16日，2026 @Philly AI in Biopharma Executive Summit 在费城 Science History Institute 举行。SAPA-GP携手 Science History Institute，汇聚生物医药、人工智能、学术研究与投资领域的专业人士，围绕AI如何推动药物发现与开发展开交流。

从更好的模型到真正改善研发决策，AI还需要跨越哪些障碍？本次峰会将关注点放在数据质量、科学假设的决策机制、实验验证、临床开发及组织能力等关键环节，通过主题演讲、专题分享和圆桌讨论，审视技术潜力与现实限制。

以宾夕法尼亚州的创新生态为纽带，峰会连接匹兹堡的AI研究优势、州内持续发展的计算与能源基础设施，以及大费城地区的生物医药产业资源，为跨领域对话提供平台。

峰会的核心关切，是如何让AI产生的洞见走向可检验的科学假设，并进一步进入实验与研发决策。围绕这一问题，全天议程贯穿药物发现、临床开发和资本布局三大主题。

三场主题演讲从AI药物研发、临床转化及制药行业技术战略等角度，为当天的专题讨论提供了不同视角。

Alex Zhavoronkov, Ph.D.

CEO, Insilico Medicine

演讲主题：迈向制药超级智能——生成式AI与自动化在药物发现及长寿研究中的应用。

Alex Zhavoronkov 以远程方式参与主题演讲。围绕生成式AI、自动化和药物研发的联系，这一主题将视野从计算模型拓展到候选药物发现与实验验证的完整过程。

Chief Executive Officer, CEO Roundtable on Cancer

演讲主题：模拟器的困境（The Simulator’s Dilemma）。

Sean Khozin 带来第二场主题演讲。该环节由 Haichen Yang（VP, Clinical Research, Amicus Therapeutics） 主持，将AI与生物医药的对话进一步连接到临床研究与证据生成。

Founder, AI & Tech Advisor, Ron Kim Advisory

演讲主题：制药行业新兴AI技术图景——辨析事实与想象（2026年秋季）。

面对快速变化的技术生态，这一主题引导讨论回到具体场景：哪些能力值得投入，哪些预期仍需验证，以及企业如何评估AI应用的实际价值。

专题一｜AI药物发现：突破从哪里来？

传统药物发现通常从已知生物学机制出发，识别靶点，再设计能够调节靶点的分子。AI则提供了另一种路径：直接从数据中学习，提出可能超出现有直觉的新假设。

但模型发现的相关性，是否反映了可重复、可验证的因果信号？现有生物学、化学、抗体工程及临床数据，能否支撑新的发现？组学、真实世界数据与药企专有数据还缺少什么？这些问题构成了专题讨论的重要背景。

专题分享由Li Shen（Professor, University of Pennsylvania） 主持，汇集了学术与产业界的不同视角：Christos Davatzikos（Professor, University of Pennsylvania）、Fei Wang（Professor, Population Health Sciences, Weill Cornell Medicine, Cornell University），以及 Huafeng Xu（Co-Founder & CEO, Fathom Therapeutics），分别带来报告。

随后，Lixia Yao（CEO & Founder, Polygon Health Analytics） 主持圆桌。除三位讲者外，David Henderson（Principal Customer Engineer & Research Solution Lead for Healthcare & Life Sciences, Google） 也参与讨论，共同探讨AI药物发现中的决策机制。

当统计证据与生物学直觉不一致时，谁决定下一步实验？大型药企、AI技术公司和AI原生生物科技企业，各自如何衔接数据、建模与实验验证？专题将关注点从模型性能延伸到“假设—实验—反馈”的研发闭环。

专题二｜临床开发：真实案例与现实约束

药物发现只是研发价值链的一环。临床开发中的成本、时间与风险，同样决定技术进步能否转化为整体研发效率的改善。

本专题围绕患者分层与试验设计、真实世界数据整合、合成对照组、试验模拟、终点优化及早期信号识别等方向，审视AI的应用机会与实施限制。在缺少直接A/B测试的情况下，如何评估和选择AI方案，也是值得持续讨论的问题。

专题分享由来自研发关键职能的嘉宾带来：Long Wang（SVP, Head of Regulatory, Mineralys Therapeutics）、Junshui Ma（Associate VP, Head of Biometrics Research Department, Merck & Co., Inc.），以及Gwenn Oakes（Principal Scientist, Global Clinical Trial Operations, Merck & Co., Inc.） 和Shivanjali Kumar（Associate Director, Core Data Platform, Merck & Co., Inc.），分别从监管决策、专业能力与AI协作、临床试验国家及中心选择等角度介绍应用场景。

圆桌环节由Antong Chen（Executive Director, Data Science and Scientific Informatics, Merck & Co., Inc.） 主持。上述四位讲者与 Kevin He（Director, Business Development, Deep Intelligent Pharma） 一同参与，从监管、生物统计、临床运营、数据平台及产业合作等视角探讨落地挑战。

从试点走向规模化应用，需要的不只是技术部署，还包括人才、流程与组织协作。自主建设、招聘人才还是外部合作？如何平衡内部能力与对外部平台的依赖？这些组织层面的问题，与技术选择同样紧密相关。

专题三｜资本与投资：热度之后看什么？

AI驱动的药物发现与开发，也受到资本配置、商业模式和合作机制的共同影响。投资讨论需要将技术能力与研发验证、合作路径及长期价值创造联系起来。

本专题圆桌由Rui Che（Senior Managing Director, KPMG） 主持。嘉宾包括 Dimitris Agrafiotis（Director, Digital, Analytics, and AI, Arsenal Capital Partners）、Aaron Spivak（Analyst, Balyasny Asset Management L.P.）、Matthew Studney（Chief Customer Officer, TetraScience），以及Kerry Benson（Interim President & CEO, University City Science Center）。来自投资、技术服务与区域创新生态的不同视角，共同构成了资本如何塑造生命科学AI发展的讨论。

怎样的AI与生物医药投资逻辑能够经受时间检验？初创企业需要展示哪些技术与实验依据？药企合作、传统管线与AI基础设施，又分别具有怎样的机会？专题关注的，是投资者愿意资助的方向与创业者希望构建的能力如何相互匹配。

午间专题｜AI如何服务临床试验统计

午间专题由 Joshua Maher（CTO, Princeton Pharmatech） 带来，题为“AI在临床试验统计中的应用：来自系统构建的经验”（AI for Clinical Trial Statistics: Lessons from Building It）。

该环节由 Yali Liang（Director, Global Clinical Pharmacology and Pharmacometrics, Jazz Pharmaceuticals） 主持，将全天关于AI与研发的讨论进一步聚焦到临床试验统计的实际应用。

现场问答与跨领域交流，让讨论从讲台延伸到参会者之间。不同专业背景带来的问题，也为AI与生物医药的合作提供了新的切入点。

从药物发现到临床开发，再到资本布局，贯穿峰会的共同问题是：如何将AI产生的洞见转化为可执行、可验证的研发行动。数据、模型、实验、临床流程和组织决策需要紧密衔接，技术潜力才有机会转化为实际价值。

感谢所有演讲嘉宾、主持人、参会者及志愿者的投入。峰会虽已落幕，围绕科学证据、研发效率与产业实践的探索仍将继续。

文字编辑：Lixia Yao

微信编辑：Fei Meng

摄影：Shuchen Yang，Chengzhang Zhu，Bill Lu

责任编辑：Wen Shi