AI4S（AI for Science）正在为生命科学行业，掀起一场工业革命！
过去几年，Alphafold颠覆了结构生物学，生成式AI也逐步进入分子设计、蛋白质工程等关键环节。但这些突破更多停留在单点能力的提升，AI能够解决某一个科学问题，却尚未真正改变科学发现的根本方式。
随着大模型、自动化实验和生命科学数据体系加速成熟，AI4S开始从技术概念走向产业实践。行业开始形成一个越来越清晰的共识：生命科学需要的，不只是更强的工具，而是一场工程化革命。
海外已经有人把这件事喊得足够响。
2024年，曾执掌辉瑞研发体系15年的首席科学官Mikael Dolsten退休。这位推动超过150个药物进入临床并获得36个上市批准的行业大牛，随后加入了一家当时员工不足10人的AI4S初创公司Chai Discovery。
Chai Discovery联合创始人兼CEO Joshua Meier提出了一个当时看来颇为激进的目标：利用前沿人工智能，将生物学从一门科学转变为一门工程学。
资本和产业用真金白银给出了回应。不到两年时间，Chai Discovery已经成为AI制药领域成长最快的独角兽，获得礼来、辉瑞等头部药企的青睐，合作金额据披露达到八位数规模。
Chai Discovery并非孤例，获得AMD投资的AI制药公司Absci同样押注这一方向。其CEO Sean McClain曾表示，AI与生物学的结合，正在让人类首次有机会像设计iPhone、设计GPU一样，对生物学进行精密工程化。
所谓工程化，不是简单地追求研发效率的提升，而是把原本不可预测、不可复制的科学发现过程，变成可计算、可预测、可优化、可规模化的体系。
把视线转回国内，会发现沿着同一条生命科学工程化的主线，有一家起步更早、体系建设也更深入的中国AI4S企业——百图生科。
百图生科成立于2020年，较Chai Discovery早四年进入这一领域，更长时间的投入，不仅让其积累了更丰富的生命科学数据资产，也沉淀了基础模型、实验闭环与产业验证等一整套工程化能力。
尤其是其自建高通量实验数据工厂，并持续通过真实实验反馈校准模型，形成“基础大模型+AI原生发现系统+规模化验证”的闭环，正在更快地推动科学发展进入新的生产模式。
近期一次千万美元级的NewCo交易，就是观察这一趋势的重要窗口。
量产“Best-in-Class”已经成为可能
近日，AI4S企业百图生科宣布与AI驱动的创新生物疗法公司Biogend Therapeutics达成NewCo交易。据披露，百图生科将获得千万美元量级的现金收入，以及高双位数比例的NewCo权益。
不同于传统围绕单条管线进行授权的NewCo，这次合作更像是一场建立在AI工程化能力之上的长期共创。百图生科将完整的AI发现体系引入Biogend，支持其围绕自身免疫疾病领域，持续开发创新双抗、多抗等大分子疗法。
Biogend由联想旗下君联资本孵化成立并领投，国际知名投资机构淡马锡旗下生命科学加速器跟投，定位为「First-in-Class与Best-in-Class的创新药工程商人」。
这意味着，Biogend并非押注某一款候选药物，而是希望借助AI体系，快速筛选、设计并推进一批具备潜力的创新管线，尤其聚焦AI大分子创新药和自身免疫疾病这一前沿方向。
目前，双方已经在自免领域展开生命科学工程化实践，找到了一款具备Best-in-Class潜力的偏向型IL-2分子，并构建了全球第一款用于自身免疫疾病的Treg偏向性IL-2双特异性抗体。而这款分子的诞生，也成为观察AI如何重塑药物研发范式的一个窗口。
传统药物研发往往围绕单一指标进行线性优化：先调节受体亲和力，再解决表达能力和成药性等问题。整个过程高度依赖科学家的经验判断，也伴随着大量试错。
而百图生科的AI平台尝试提供另一种解法：将药物设计过程转化为一个可计算、可验证、可工程化的问题。平台能够同步满足针对不同受体亚基的亲和力和选择性、表达和成药性等多重约束，实现受体选择性从10倍提升至390倍，并展现出进一步冲击Best-in-Class的潜力。
这条路径也正在获得更多的产业验证机会。今年6月，百图生科与龙头药企和铂医药达成战略合作，同样希望基于AI研发体系，推动First-in-Class和Best-in-Class创新管线的生成式发现。
某种意义上，百图生科正在探索的方向，正是全球AI4S浪潮下的核心路径。通过生命科学工程化，将依赖经验和试错的药物研发过程，转变为可设计、可计算、可验证、可迭代的创新体系。
从交易到共创 AI4S跑起数据飞轮
不同于传统CRO交付研发服务，或传统AI工具提供单点能力，AI4S企业提供的是一套能够持续学习、持续优化、持续创造价值的科学发现系统。
这样的系统无法脱离真实研发场景独立进化。它需要不断吸收实验室产生的数据，在真实反馈中迭代模型能力，是很难通过一次性的资产交易完成的。
这也决定了，AI4S企业的角色不应只是技术供应商，而更适合作为资产共创者。真实研发场景越多元，AI系统与药企共创过程中的专属场景数据反馈就越充分，数据飞轮也会随之加速运作。
在这一过程中，AI4S企业与药企形成了一种新的共生关系：模型负责理解和预测，数据负责反馈和校正。
模型如同大脑，基于长期积累的生命科学数据建立对生物规律的认知，并进一步判断当前认知缺口在哪里、下一步哪些实验和数据最值得优先获取。
而多元化的实验数据，则不断补充模型尚未覆盖的领域，推动模型持续训练和优化。当模型能力提升后，又能够反过来指导更精准的分子设计和数据生产。
更好的模型，能够指导产生更有价值的分子和数据；更高质量的数据，又能训练出更强的模型。这种“模型—数据—实验”的正向循环，会持续放大系统优势，并不断提高壁垒。
Chai Discovery选择的是其中一种只做平台、不建立自有管线的路径。其核心判断是，如果一套药物发现引擎能够稳定产生大量有价值的候选分子，平台本身就足以构成一家公司的核心价值。
但百图生科走的是另一条布局更深入、也更强调全栈能力的路径，不只提供一个药物发现平台，而是从基础能力开始为行业搭建完整的基础设施体系。
这意味着，相比主要依赖外部合作或公开数据获取反馈的平台模式，百图生科既能帮助药企和科研机构在真实研发场景中积累数据，也能通过自有湿实验能力主动生产和验证数据。
让模型更快发现认知缺口、指导下一轮实验，再由新的实验结果反哺模型。
以工程化能力 打通“模型+数据+实验”闭环
而在这套AI4S体系中，各环节并非彼此独立，而是共同构成了一套完整的生命科学工程化基础设施。这也解释了为什么百图生科能够以共创者的姿态，在国内AI4S企业中率先探索规模化产出Best-in-Class和First-in-Class药物的路径。
首先，是拥有足以作为底层能力支撑的强大自研生命科学大模型。其xTrimo系列模型最新版本xTrimo V4包含2680亿参数，采用MoE架构，已覆盖蛋白质、DNA、RNA、细胞等七大生命科学模态。
大规模参数并非简单提升模型规模，而是增强了模型理解复杂生命规律、捕捉隐性高维关联的能力。尤其是在弱相关、多模态以及跨物种数据之间进行推理时，xTrimo能够展现更强的泛化能力，从而更好适配不同药企和合作伙伴在真实研发场景中的多样化需求。
例如在全球首届虚拟细胞挑战赛中，百图生科就依靠xTrimo强大的多模态能力从来自全球114个国家、1200余支队伍中脱颖而出夺得冠军，在生命科学最前沿的未知领域中，展示出远超同行的细胞预测理解能力。
模型能力只是AI4S的入场券，想要真正实现持续进化，还需要来自真实研发场景的数据反馈。
除了外部合作方提供的真实数据反馈之外，百图生科还在苏州自建AI原生高通量实验数据工厂，通过更高效的湿实验去验证模型预测结果，并将实验反馈持续用于模型校准，推动模型、数据与实验之间形成闭环迭代。
苏州高通量实验室
而要让这一闭环实现高频运行，关键在于通过工程化体系降低每轮研发迭代的时间与成本。为此，百图生科构建了生命科学AI原生干湿闭环发现系统BioMap OS。
该系统能连接知识助手、预测设计、智能实验、数据管理和模型训练等环节，在内部支持数据洞察、参数优化、生成式设计等研发任务的顺利推进，在外部帮助合作伙伴沉淀自身数据、训练专属AI模型，让单个实验室经验，成为可复用、可扩展的数据资产。
依托这套“基础大模型+AI原生发现系统+规模化验证”的完整体系。百图生科已在抗体与创新蛋白、创新疗法与精准医学、合成生物学及前沿科研等多个方向开展应用探索，并形成了一批可验证、可复制的产业化成果。
截至2026年6月，公司已累计推进80多个跨阶段概念验证（POC）项目。
每一次科技革命，最终胜出的都不是最早提出概念的人，而是最先将概念变成基础设施、将能力变成系统的人。
2026年以来，AI4S领域快速升温，市场关注度持续提升，行业讨论也伴随着不同声音。但穿越周期来看，技术演进的方向和产业发展的底层逻辑并不会因短期波动而改变。
这也是百图生科持续投入建设“模型+数据+实验”闭环的意义所在。人工智能在生命科学领域的潜力仍远未触及边界，真正决定长期竞争力的，是对底层能力的持续积累、对产业趋势的准确判断，以及对未来研发范式的长期布局。
率先完成体系化建设的企业，将有机会在这场生命科学工程化变革中，把技术突破转化为持续增长的产业价值，打开下一轮科学创新的指数级增长空间。
—The End—
热门跟贴