AI 4S时代,八家中国公司把智能体送进了实验室

01｜晶泰科技 · XtalPi Science

第一家把智能体「接上机器人手臂」的

晶泰的野心不是生成分子，而是让数字方案真的走进通风橱。

升级后的 XtalPi Science 已经能调度实验室机器人开展实验、采集数据，再按结果反推后续任务；科学家只在物料确认、反应调整、质量判定这些关键节点介入。其智能中枢 Genius Agents 统筹 200 多个垂直模型与 Cetus、MolAgent、HTE 等一族专业 Agent，从意图理解一路管到项目管理与实验编排。

硬数据最有说服力：在其内部分子库合成项目中，数据收集效率提升 40 倍以上，专家分析决策工作量减少 80%；15 人的化学家团队，每月可交付超 2 万条反应数据与实体分子。

🧪 一句话卡位：预测—执行—反馈闭环，已经跑到「物理世界」那一侧。

02｜英矽智能 · PandaOmics + PandaClaw

靶点发现里的「自动驾驶模式」

英矽智能给自己的靶点平台装上了一只爪子——PandaClaw。

它由 Agent Core、专有数据仓库、Skills 技能库三部分构成，能调度 1000+ 生信工具与 140+ 科学技能：你只说一句目标（比如「EGFR 在前十大癌种里的表达图景」），它自己拆步骤、跑分析、画可发表级图表，中途还能自我诊断纠错。

更狠的是下游的「推进/终止」判断：Target Evaluation 引擎把遗传学、结构、专利、安全信号和竞争情报揉成一份证据链报告；Target Claw 用临床验证靶点训练的模型，把数千基因分流成「热门临床 / 高置信度 / 全新靶点」三档，直接给出优先级。

2026 秋季更新还打开了 MCP 接口，意味着这套引擎能直接插进药企自研的 AI 环境里跑。

🎯 一句话卡位：把生物学家最烧脑的多组学分析，压缩成一次对话。

03｜深势科技 · SciMaster

它不当科学家，它当「总调度」

如果其他家都在做专业选手，SciMaster 要做的是教练兼裁判。

这个由深势科技与上海交大联合推出的「通用科研智能体」，任务是把一句科研目标，拆成可执行的长链条工作流，再去协调各领域的专业 Agent 和工具。它的舞台是 Bohrium 这套科研基础设施：Science Navigator 管文献、Lebesgue 调度算力、UniLabOS 把实验步骤变成机器可读的流程。

亮点在于你可以随时喊停：思维链编辑功能允许研究者像总指挥一样，在它「深度思考」时插入修改，再一起迭代。

效果？PaSaMaster 多库文献检索约 3 分钟，人工基线 2–3 小时；PharmMaster 做一份专利态势分析，从约 10 天压到 1 天以内；电解液配方接上干湿闭环装置后，研发交付效率提升 10 倍以上。

🧠 一句话卡位：科研智能体的「操作系统层」，工具越多它越值钱。

04｜望石智慧 · MolVortex

20 多个专家 Agent，组成你的「虚拟药化部」

2026 云栖大会上亮相的 MolVortex，定位很清晰：小分子早研的智能体总装厂。

它搭载 20 余个专业智能体，接到任务后以「首席科学家」身份动态编组——情报 Agent 扒文献专利，分子设计 Agent 改结构，结构模拟 Agent 算亲和力与口袋，再串起 SAR 分析、合成性与成药性评估，全流程自动跑完，输出带证据链的方案，人只在最后拍板，形成 Human-Data-in-the-Loop。

底气来自底层那套「不讲道理」的物理约束：望石把实验电子云密度当训练信号，让模型直接学化学键、氢键、π-π 堆积的物理本质；主力模型 Lingo3DMol 在活性分子复现、结合打分、构象等关键指标上跑赢同类。

💊 一句话卡位：把药物化学家的思维链，固化成一架可复用的机器。

05｜剂泰科技 · NanoForge（ALAN）

最垂直、也最「重」的那一条路

别家争的是分子，剂泰争的是装分子的壳。

NanoForge 是剂泰 2025 年发布的全球首个 AI 纳米递送平台，架构很硬：「干实验 + 湿实验 + 智能体」三层叠在一起。平台智能接口 ALAN 负责听懂自然语言，再动态激活脂质生成、性质预测、处方优化等垂类基础模型；背后是千万级可电离脂质库，其中大量脂质带着 20 项以上湿实验数据，模型从第一天起就被真实数据校准。

闭环也真刀真枪：自研高通量筛选系统 DataLOTS 能一次测数百种制剂组合，干实验设计、湿实验验证、数据回流再训练形成飞轮。官方口径是验证到 PCC 缩至 9–11 个月，立项到首例人体试验约 18 个月。

商业上它已经跑出去了：2026 年与礼来达成 AiLNP 合作，首付款超千万美元、里程碑最高 11 亿美元；与恒瑞的合作则落在 AiTEM 小分子制剂优化上。

🧬 一句话卡位：当别人在造药，它在造「把药送进指定器官」的 GPS。

06｜分子之心 · Molecule OS

蛋白质世界的「AI 原生操作系统」

许锦波团队给蛋白质研发搭了一套 OS。

Molecule OS 以自研多模态蛋白基础大模型 NewOrigin（达尔文） 为基座，融合分子动力学、量子化学等第一性原理方法，复合物结构预测与动态设计能力对标 AlphaFold 3。它的用法很「操作系统」：你以项目目标为入口，系统自己拆任务、调度 MMFold（全原子复合物结构预测）、MMDesign（生成式设计）等一系列模型，结构预测、分子设计一气呵成。

2026 年 7 月，Molecule OS 正式向产业界开放，提供平台授权、联合研发等多种合作形态。

🧩 一句话卡位：蛋白和酶的设计权，正在从「会做的人」转向「会提问的人」。

07｜全球健康药物研发中心 · Agent KongMing

它记住的，不只是数据，是「组织为什么这么判」

GHDDI 的孔明，走的是全场最不一样的一条路：不做最快的单点工具，做研发组织的记忆体。

这家由盖茨基金会、清华大学和北京市政府联合发起的非营利机构，花了八年把 AI 种进真实管线——先花两年建库，再靠一次抗疟分子预测与湿实验「几乎完全一致」的暗考，赢下药化团队的信任。

Agent KongMing 因此格外执着于「沉淀」：项目记忆、实验反馈、专家意见、历史决策，都被转成可检索、可溯源、可推理的组织级集体智慧。它能在新分子优化、实验优先级规划、Go/No-go 决策支持里给出有据可查的判断，已经在抗结核、抗疟疾、老药新用等项目中跑过验证。

GHDDI 数据科学负责人郭晋疆说得很克制：「它的核心定位不是替代科学家，而是极大化地放大科学家的专业能力。」

🏛 一句话卡位：别人的智能体记数据，孔明记的是「这家机构怎么思考」。

08｜百图生科 · Gnosight

在最贵的一步棋上，替你下判断

创新药最烧钱的失败，往往不是分子做不出来，而是靶点一开始就不该选。

所以百图生科牵手弘星相和，把智能体压到了最上游——靶点选择与成药性评价。Gnosight 的一边是 xTrimo V4：2680 亿参数、覆盖 DNA/RNA/蛋白/细胞/多细胞系统的生命科学基础大模型；另一边是弘星相和创始人邵颖博士近 40 年的审评、立项、投资视角，把「这个靶点科学上成不成立、法规上过不过得去、战略上值不值得押」拧成同一个判断。

结果相当夸张：过去要数周的人工评估，现在约 20 分钟出一份完整报告。上线数月已完成近百个靶点评估，由它支持决策的靶点项目已进入 PCC 阶段。

🎲 一句话卡位：它不帮你把药做出来，它帮你先决定，这局要不要开。

把八家摊开看，三条主线浮出水面

① 战场从「问答」移到了「执行」。

晶泰接机器人、剂泰跑干湿闭环、深势管长链条调度——智能体正在跨越数字与实验之间的那道坎。

② 真正的护城河是「带实验数据的垂类模型」，不是更大的通用模型。

电子云密度、千万级脂质库、单细胞数据集、八年管线记忆……英矽智能那句话很准：下一次飞跃不来自某个更大的单一模型，而来自专业引擎 + 智能体 + 严谨基准测试的协同生态。

③ 竞争维度开始分化。

有的拼速度（Gnosight 20 分钟、晶泰 40 倍），有的拼深度（MolVortex 的证据链、孔明的组织记忆），有的拼稀缺资产（剂泰的脂质空间、百图的跨模态基座）。

最后一句

这一波最值得记住的，不是哪家又发了个 Agent。

而是「湿实验」第一次被写进了智能体的主循环。

当实验数据能回流、能纠错、能决定下一轮怎么走，AI 4S 才算真正从「科研助手」，变成了研发管线里那个不睡觉、不离职、越跑越懂你的同事。

至于它能不能独立做出一款新药？GHDDI 的回答最诚实：不能，也本该不能。 真正把药做出来的，始终是数据、算法、实验与科学家的深度协同。

而这八家，正在把这条协同的路，铺得越来越短。