一个AI化学反应预测工具的四个核心能力,跟量化建模的逻辑出奇一致

正文

我是Mario量化，之前这个号主要写量化交易、策略回测、市场微观结构。

但从今天开始，我想把观察范围扩大一个维度——AI制药，特别是AI化学合成这个方向。

为什么？两个原因。一是做量化这些年，我越来越发现，真正有价值的算法落地，都在"离确定性最远"的工业环节里；二是这个赛道跟量化底层逻辑出奇地像，都是在高维噪声中寻找可行性。我会持续跟踪，也欢迎老粉一起探讨。

先讲一个AI制药行业的真实瓶颈。

过去几年，生成式AI在药物设计领域火得一塌糊涂——输入一个靶点，模型能吐出成百上千个理论上完美的候选分子，亲和力、选择性、成药性指标拉满。资本市场也狂欢了一轮，觉得"AI做药"这件事已经搞定了。

但行业内的人都知道一个尴尬的事实：设计得再漂亮，合不出来，就是一张废纸。

药物研发有一个经典的 DMTA 循环（Design设计 → Make合成 → Test测试 → Analyze分析）。AI在前端的"设计"环节已经证明了价值，但"合成"（Make）这个步骤，至今仍然是整个链条里最慢的、最依赖经验的、最难规模化的环节。

具体来说，一个候选分子从纸面走到试管，往往需要经历十几步化学反应。每一步都要选试剂、温度、催化剂、溶剂、反应时间——化学家基本是靠经验和试错硬啃。你让AI设计了一百万个分子，化学家拿到手里，首先要问的是：这玩意儿能造吗？哪条路线最便宜？产率能不能过10%？有没有剧毒中间体？

如果这些问题回答不了，前面的"智能设计"就全部归零。

这就是AI制药的下半场：不是"设计"，而是"可合成性"。

晶泰科技（2228.HK）的打法

说到这个赛道，晶泰科技是一个绕不开的样本。

2015年创立于MIT，三位物理学背景创始人（温书豪、马健、赖力鹏），最早靠晶体结构预测起家，后来扩展到AI药物研发和自动化实验，2024年港股上市，被称为"中国AI制药第一股"。

它的核心平台叫 XtalPi™，整合了量子物理计算、人工智能、云计算和大规模机器人自动化实验。最独特的标签是"干湿闭环"——AI算法做预测，机器人实验室做验证，实验数据再回流训练模型，形成一个持续自我优化的飞轮。

目前晶泰在上海和深圳拥有超过7500平方米的智能实验室，部署数百台自动化工站，客户覆盖辉瑞、礼来、巴斯夫、中石化、复旦大学等。

它不像行业里很多公司只做"轻资产的AI算法"，而是算法+机器人+实体实验一起做的重资产模式。这种打法很"重"，但一旦跑通，壁垒也很高。

SureRXN™：合成可行性预测

在晶泰的化学业务板块里，我觉得最有意思的一个系统是 SureRXN™。

它的定位非常精准：不是帮你"设计分子"，而是帮你回答"这个分子能不能合成、该用什么条件合成"。

打个比方：AI设计部门扔给你一个看起来很美的新分子，SureRXN™ 会做一个合成可行性预演——

它本质上是在做化学合成的"策略回测"：化学家真正动手做实验之前，先在AI里跑一遍模拟，看看哪条路线靠谱，避免在实验室里盲目试错。

核心能力包括：

过去一年，这套系统已经从实验室阶段推进到了商业交付，说明它不再是发论文的Demo，而是在处理真实的客户订单。

两个值得关注的产品

顺着晶泰化学业务，有两个产品可以看看：

VAST™ —— AI化学合成分析平台**

可以理解为"化学合成的回测系统"。你输入目标分子，它会帮你规划逆合成路线，评估每一步反应的可行性，告诉你"这条路线大概率能走通"或者"这一步会死"。

核心就是减少试错成本——化学家不需要把所有试剂买回来试一遍，先在数字世界里预演。
👉 https://www.aifchem.com/vast

InnoBB™ —— AI创新分子砌块平台**

药物研发里，先导化合物很多时候是靠拼装基础单元搭出来的。InnoBB™ 用AI设计了一套高质量、可合成的分子砌块，相当于提供了一批"标准化乐高积木"，加速后续拼装和优化。
👉 https://www.aifchem.com/category/new-product

给量化/AI圈朋友的一句话

你把药物研发理解成一个巨大的优化问题：

晶泰做的事情，本质上就是建立了一个从"搜索最优解"到"验证最优解"的完整闭环。

这让我想到量化交易里的一个老问题：策略回测夏普比率再高，如果不接实盘，就只是纸上谈兵。AI制药也一样——设计得再漂亮，不走完合成这一步，就是纸上谈兵。

后续计划

接下来这个号会逐步加大对AI化学合成领域的跟踪。一方面，这个赛道确实有意思；另一方面，我手上接触到的技术进展和产品动态，比公开报道要早一些，能给大家分享点有深度的观察。

如果你对"AI如何从设计走向实体"感兴趣，或者从事医药/化工/材料相关的工作，欢迎关注后续内容。老规矩，有问题评论区直接问。