来源：市场资讯

（来源：你好张江）

在张江人工智能创新小镇，一种全新的创业形态——OPC（One Person Company，一人公司）正在悄然兴起。

随着生成式人工智能与自动化工具的成熟，创业者不再依赖大规模团队，也能独立完成从技术研发到商业落地的完整闭环。这种规模小、决策快、技术密度高的新物种，与张江提供的算力、模型、资本及政策环境高度契合。

“你好张江”策划推出全新专栏“OPC@张江”，讲述OPC企业的故事，探寻张江这片土壤如何赋能“超级个体”——在这里，一个人也能造梦。

深夜，张江科海大楼，大半灯光已熄，一间办公室里的屏幕依然还亮着。

分子结构预测结果一行行跳出，蛋白—小分子对接评分不断更新，虚拟筛选的排序列表持续刷新。不同模型在后台接力运转，建模、筛选、评估、汇总一环接一环，几乎没有停顿，整个流程顺畅、安静得有些不真实。

没有来回讨论的团队，也没有密集排布的工位。多数时候，屏幕前只有一个人，在查看结果、调整参数、决定下一步。这不是演示环境，一条完整的新药早期研发流程，正在这里持续运行。

在张江，这样由一个人调度系统推进研发的场景，开始变得不再少见。

这家公司叫律生万物，是一家典型的一人公司（OPC）。

01

从“人不够用”到“人不再是核心瓶颈”

在生物医药行业，“一人公司”听起来几乎是个悖论。一个新药项目，从靶点理解、结构建模，到虚拟筛选、分子设计，再到药效与药理预测，背后通常需要多学科团队协同推进。即便只是计算环节，也往往需要生物信息学、计算化学和算法工程多方配合。

但律生万物的CEO张可欣，起初就不这么理解。在长期科研实践中，他逐渐意识到：很多工作之所以依赖多人协作，并不是因为问题本身无法解决，而是因为流程尚未被系统化。

思考的种子，在学生时代就已埋下。硕士期间，张可欣埋首于计算化学的世界，整日与分子结构、能量计算和虚拟筛选为伴。到了博士阶段转向人工智能后，一种全新的视角骤然清晰：如果把整个研发流程拆解开来，其中相当一部分环节具备被标准化和自动化执行的条件。问题不在于“能不能做”，而在于“每一次都要重新做”。

真正的变化，出现在多智能体技术逐渐成熟之后。

当不同模型可以被统一调度、并串联成连续流程时，张可欣开始了新的思考——原本依赖多人协作的研发链条，是否可以被系统接管。

律生万物的探索，正是从这场“流程重构”起步。新药研发流程被拆解为多个模块，从分子生成、蛋白结构建模、虚拟筛选，到打分排序和药理属性预测，每一个环节由不同能力的模型承担。这些模块并非简单串联，而是随着任务不断调整调用顺序，形成可循环的研发流程。

流程自动流转，人的角色也随之而变：从逐步执行任务转向流程设计、任务拆解与关键判断。张可欣将这种变化形容为“不是一个人在完成所有工作，而是在调度一支虚拟研发团队”。

正因如此，律生万物选择了OPC作为组织形态。对他们来说，这不是单纯的规模压缩，而是将原本由组织完成的协作能力，转移到系统之中。

当系统可以承担协作，团队规模本身，就不再是效率的决定因素。

02

让研发流程真正“跑起来”

行业热潮之下，律生万物保持着冷静的判断。相比AI制药模型能力，他们更看重流程是否能够在真实场景中稳定运行。

张可欣认为，新药研发的难点，从来不在某一个环节，而在于整条链路能否持续推进。单点能力再强，如果无法嵌入流程，也很难真正产生价值。

目前，律生万物的模型已经在多个具体靶点方向展开应用，如GLP-1相关的GPCR靶点、结肠癌新靶点以及部分神经系统疾病方向。这些项目普遍具有结构复杂、实验成本高、早期失败率高的特点。

在这样的场景下，AI的价值并不在于直接给出最优解，而在“扫雷”：提前排除不可行路径。张可欣强调，模型在前端决策阶段的作用，即通过多轮筛选与评估，减少无效尝试，从源头上提高研发效率。

以往，一项任务往往需要经历多次循环：生成候选分子、评估结构稳定性、计算结合能力、筛除明显不可行方案，再进入下一轮。这一过程如果完全依赖人工推进，不仅效率有限，也难以形成连续迭代。

如今，流程被系统化之后，节奏开始发生变化。模型可以连续运行，筛选可以自动推进，结果也能够快速反馈到下一步决策中。研发从“阶段性推进”，逐渐转向“持续流动”。

为此，律生万物并没有一味追求更大的模型规模，而是把更多精力放在工程层面。在预测能力和计算成本之间寻求平衡：通过对模型结构和推理流程的优化，在保证预测能力的同时降低计算成本，提高系统稳定性，使模型能够在真实研发环境中长期运行。

对于OPC企业而言，这种取舍尤为关键。模型不仅需要“有效”，还必须“可持续”。只有当计算成本、运行效率和稳定性达到平衡，系统才能真正成为生产工具，而不是一次性的技术展示。

03

张江，让OPC“持续运转”

研发流程逐渐成型，律生万物的挑战转向了“续航”：从“能不能做出来”到“能不能持续推进”。

在AI制药领域，数据始终是绕不开的限制。一方面，高质量实验数据长期集中在大型药企与科研机构内部；另一方面，公开数据多为静态结构信息，难以反映真实生物体系中的动态过程。这些因素都会影响模型在实际场景中的表现。

除了技术层面，OPC企业还需要面对一系列现实问题：算力成本、办公空间、企业合规、政策申报以及产业合作等。这些事务一旦占用过多精力，就会直接影响研发节奏。

律生万物落地张江，前路豁然开朗。在企业初创阶段，张江集团及相关园区平台围绕科技企业的实际需求，提供了一整套支持体系：从办公空间与租金政策，到算力资源与相关政策对接，再到企业注册、合规辅导和申报服务……诸多原本需要企业自行解决的事项，均被提前纳入统一服务保障中，让企业少走弯路。

这些支持，不仅帮企业降低运营成本，更让企业能够把有限的人力集中在核心研发上。张可欣坦言，在公司早期阶段，算力与研发成本压力较大，而相关资源支持让模型训练得以持续推进。

更珍贵的是，张江独有的生态连接能力。生物医药研发高度依赖真实场景，只有在具体项目中反复验证，系统才能不断完善。在张江，律生万物能够对接到生物医药企业，并围绕真实需求进行测试与迭代。

正是这样的产业环境，让AI模型不再停留在实验室，而是直接进入应用场景。问题也从抽象转为具体，系统在不断反馈中逐步完善。

与此同时，张江聚集的大量科技企业，也在源源不断催生新需求。在这片生态里，律生万物逐渐明确了自身的定位：不作完整的制药企业，而是嵌入新药研发前端，承担早期判断与筛选的角色。

从这个角度看，OPC并不是简单的“小团队”，而是一种在AI条件下形成的新组织结构。内部高度精简，外部依赖连接，而张江所提供的，正是支撑这种结构运行的产业环境。

在过去，新药研发几乎等同于大规模团队协作。但随着计算流程被系统化、模型能力的跃升，这一逻辑正在发生变化。

当多智能体接管了原本由多人承担的工作，一人公司便从边缘尝试，步入了真实研发流程之中。

律生万物的探索仍在继续。对他们来说，更重要的不是规模扩张，而是让一整套研发流程能够稳定、持续地运行下去。当这件事成为可能，组织形式本身也随之重塑。

在张江，这样的尝试正在逐渐增多。OPC不再只是概念，而是可被验证、被承接的创业新途。在新一轮新药研发范式的演进中，这种高度轻量化、技术密集的企业形态，或许正在成为一个新的变量。