人工智能正以不可逆转之势深刻重塑全球科研范式与医疗生态。政策维度的战略布局正为AI在科研与医疗领域的应用注入强劲动力，其中国家层面的顶层设计尤为关键。2025年8月26日，国务院印发《关于深入实施“人工智能+”行动的意见》，不仅提出至2027年实现新一代智能终端、智能体等应用普及率超70%的目标，更明确将医疗保健、生物科技列为AI融合重点领域，标志着我国以战略级行动推动AI与科研医疗深度结合；同期美国发布《赢得AI竞赛：美国AI行动计划》，通过投资自动化云实验室、开放高质量数据集等90余项政策强化技术主导地位。这种全球性战略聚焦，叠加中美AI模型性能差距逐渐缩小的竞争态势，使得AI在科研与医疗领域的深度应用，成为培育新质生产力、重塑全球创新格局的关键变量。
医药产业层面，以AI制药行业为例，已迎来爆发式增长的里程碑时刻，商业化价值加速兑现。2025年6 月，阿斯利康与石药集团达成52.3亿美元战略合作，凭借AI引擎驱动的药物发现平台刷新中国AI制药BD 纪录；仅两个月后，晶泰控股与DoveTree的59.9亿美元“AI+机器人”新药研发合作，进一步验证智能技术对药物研发效率与成功率的颠覆性提升。这些交易背后，是AI从靶点筛选到临床试验的全流程赋能，标志着智能研发模式已获得商业市场的认可。从基础研究到临床应用，从技术突破到产业落地，人工智能正以“技术-产业-政策”的三角驱动模式，开启科研与医疗创新的全新时代。
AI在科研与医疗领域的深度应用，根植于其技术体系的持续迭代。从早期依赖人工设计规则的传统模式，到生成式、多模态AI的应用，如今具备自主感知、决策与执行能力的Agent智能形态，AI技术已完成多轮关键突破，为科研效率提升与医疗场景革新奠定核心基础。
2012年以前：机器学习时代——统计算法与先验知识驱动
此阶段AI以传统统计算法为核心，需依赖人工提取特征与领域先验知识，在医疗数据处理、科研变量分析等场景中应用范围有限，难以处理复杂非结构化数据（如医学影像、生物分子结构）。
2012-2017年：深度学习时代——数据驱动的模式突破
随着深度神经网络技术成熟，AI进入数据驱动阶段，可直接从海量数据中自主学习特征，在医学影像识别、基因序列初步分析等领域实现精度提升，但其性能高度依赖标注数据质量，跨场景泛化能力较弱。
2017- 2022年：大模型时代——Transformer框架的核心赋能
2017年谷歌提出的Transformer框架，凭借自注意力机制解决了传统模型的长程依赖问题，为大模型发展提供关键支撑；其中AlphaFold2借助该架构实现蛋白质结构预测精度达实验水平，2024年相关成果获诺贝尔奖，直接加速药物研发与疾病机制研究进程。
2022年起：生成式AI及多模态模型时代——从 “识别” 到 “创造” 的医疗科研突破
2022年ChatGPT发布标志生成式AI进入大众视野，其从“理解现有数据”向“生成新内容”的能力，为科研与医疗领域带来全新可能；而多模态模型的快速迭代则进一步打破数据类型边界，为科研与医疗领域带来 “跨模态融合创造”的全新可能。当前生成式AI已能辅助科研人员设计新型候选药物分子、模拟病理生理过程，同时在医疗场景中可快速生成个性化诊断建议初稿，显著缩短科研周期与医疗服务响应时间。
2025年起：AI Agent——自主决策的科研医疗 “智能助手”
2025年被视为“AI Agent元年”，比尔・盖茨曾指出“未来5年内将进入AI Agent时代，其将改变人与计算机交互方式、颠覆软件行业”。当大语言模型的竞争进入白热化、开源模型的进展日新月异，实现“科技平权”的时候，人们不得不重新思考相关公司的破局之道，而AI Agent在垂直行业的应用显然是个巨大的、有待挖掘的机会。
近期Coscientist（Google发布的AI科研助手）、ChemCrow（化学智能体）等成果的出现、海外独角兽OpenEvidence的火爆，以及国内企业的萌芽（如晶泰科技的内部产品“AI项目经理”、若生科技的Noah AI），显示出AI Agent在制药行业的广阔前景。
AI Agent将重塑药物研发的工作流程，最终促成行业进入数据驱动、工作流驱动、并且高度自动化的新阶段。
从院外的产业端视角来观察AI医疗的趋势，我们可以观察到AI作为一个不断拓新的技术，在研发环节和药物形态上不断突破并取得进展，并结合诸如分子动力学、自动化实验室等技术，在不断破解底层“Science”的密码。并逐渐拓展到除了药物本身以外的更多下游应用形态。在此过程中，AI医疗企业作为参与方，也完成了从工具提供者到产业共建者的华丽转身。展望未来，我们观察到具身智能和机器人技术的外溢在医疗领域不断拓展软硬结合的应用，以及Agent作为释放员工价值的新形态，正赋予行业更大的想象力。
趋势一：技术不断渗透——AI制药在各类新形态药物、各个研发环节的持续渗透
随着生成式AI等新技术的不断渗透、包括mRNA、多肽在内的新形态药物的逐步成熟，以及AI制药企业与传统药企在药物开发及临床环节的合作加深。AI制药应用的场景在变得更广、更深，体现在：
随着生成式AI等新技术的不断渗透、包括mRNA、多肽在内的新形态药物的逐步成熟，以及AI制药企业与传统药企在药物开发及临床环节的合作加深。AI制药应用的场景在变得更广、更深，体现在：
在临床前环节打开了新的技术栈，并延伸至临床阶段：例如在靶点发现及验证环节，包括AlphaFold以及其类似的算法正在实现对于蛋白质结构和动力学的建模，虽然尚不能实现对于冷冻电镜的替代，但得以从原理上开始探索蛋白质瞬时结构之外、动态的互作机制，预测药物分子与靶点蛋白质结合后蛋白质结构的变化过程，推断药物与靶标蛋白结合的稳定性，从而提升AI药物设计的精度和效率（例如高维医药自主构建的全球最大人类蛋白质互作网络，显著提升成药性预测效率，为攻克“不可成药靶点”等难题提供了创新路径）；在临床环节，国内头部AI制药企业基于自身和药企的大量合作，已经开始探索临床患者分层、临床结果预测、实验设计及优化，乃至虚拟患者的相关技术。有望突破AI仅能在临床前环节发挥作用，而无法切入价值巨大的临床环节的“魔咒”。
由小分子药物向大分子乃至新形态药物拓展：尤其在蛋白质领域日新月异的进展，AI得以对此前难以进行建模的蛋白质结构及功能预测、此前公开数据集不足的新形态药物领域实现渗透。例如在抗体药物领域，新技术正在实现蛋白质的从头设计（De novo design）以及抗体的性质预测；在mRNA领域，序列的设计及优化、递送材料（如LNP）的设计正在逐步出现AI赋能的解决方案，例如剂泰医药聚焦AI驱动的纳米材料设计，其自主开发的AI纳米基座大模型及AiLNP、AiRNA、AiTEM三大平台，已实现肝、肺、肌肉、心脏等多器官靶向递送突破。
趋势二：底层密码破解——AI+分子动力学+自动化实验室赋能下的AI4S
AI4S代表了科学研究第五范式的兴起，它通过人工智能技术处理和分析大规模科学数据，揭示数据间复杂关系，帮助科学家更快更准确地理解生物系统中的复杂现象。在医疗领域，这一变革尤为显著，AI4S新范式通过整合多源异构数据、构建精准预测模型和实现高通量实验验证，将传统“试错法”转变为“理论预测-模拟验证-实验优化”的智能化研发流程。
分子动力学模拟是破解生命底层密码的关键工具，它能够在原子级别上模拟生物分子随时间推移的运动和行为。传统分子动力学模拟受限于计算资源和算法效率，难以模拟足够长的时间尺度和足够大的系统，而AI的引入改变了这一局面：通过机器学习力场（如ReaxFF）与量子力学算法的结合，现代分子动力学模拟实现了接近量子力学精度的效率，能够突破性地模拟复杂生物系统的动态过程。这使研究人员能够直观观察蛋白质折叠、药物-靶标结合、膜传输过程等关键生物事件，为理解疾病机制和创新药物设计提供分子层面的见解。
自动化实验室构成了AI4S的物理载体，实现了从“虚拟模拟”到“物理验证”的闭环。现代自动化实验室系统通常包括自动化设备、传感器网络和数据分析系统，能够自主完成复杂实验操作。这种闭环模式的核心价值在于数据迭代：机器人记录的每一次成功或失败实验数据，都会反哺AI模型优化预测精度。在任何领域均吻合“数据密度决定AI价值”的行业规律，AI正在从“预测可能性”向“保证确定性”进化。
例如晶泰科技的智能自主实验平台：AI模型先通过干实验预测分子活性与反应路径，再由自动化机器人集群执行湿实验，7×24小时不间断生成数据，人效提升 5倍的同时，数据收集能力提升40倍。例如在电解液研发中，其机器人工作站可自动完成配方混合、性能测试全流程，将研发周期缩短60%以上；
再如剂泰医药创造了AI驱动的干湿实验迭代递送系统优化方法，将量子力场计算工具与高通量实验平台结合。其高通量干湿实验平台每周可完成1000+剂型筛选，结合量子化学模拟，将传统需要数年的材料开发周期大幅压缩。
趋势三：下游场景拓展——制药之外，新材料与生物制造大有可为
AI技术从底层技术的角度，不仅仅可以应用于长验证周期的制药行业，尤其基于蛋白质工程、自动化工艺、分子动力学计算等技术，可以自然地向合成生物（新材料、新农业）等领域延伸，已成为华兴多家伙伴的战略共识。
今年2月，晶泰科技与赋澈生物达成战略研发合作，双方将依托晶泰科技的AI+机器人平台共同开发新型可持续材料技术，实现回收材料与工艺的“原子级优化”，开发兼具优越性能和超高分解回收率的环保塑料，推动材料科学领域绿色可持续发展。此次合作标志着晶泰科技首次将其AI+机器人平台拓展至合成生物学与生物制造领域。
今年8月在全球农业智能升级的背景下，百图生科以生命科学基础大模型为支点，开启了智慧农业「底层操作系统」的升级。凭借2100亿参数的生物语言大模型，百图生科可以解码大农业领域的基因组、蛋白质、细胞、生物系统的底层规律，作为AI+农业的垂类「生物模拟器」，大幅减少对传统实验模型的依赖，从垂类技术突破向全场景赋能跃迁，推进大农业领域的科研发现与应用落地。
剂泰医药用AI打开纳米材料的“设计空间”。其团队先从一两万个已公开的脂质结构（类似AlphaGo学习的“棋谱”）入手，再通过生成式算法创造出人类从未见过的新结构。应用一系列生成式算法强化学习以语言模型等11种不同的纳米算法集群，透过AI Agent以及推理模型去完成整个AI纳米材料的设计，扩大1000倍以上的脂质纳米设计空间和设计集。
趋势四：玩家角色深入——AI制药企业从“工具提供者”走向“产业共建者”
华兴资本陪伴的明星企业如晶泰科技、百图生科、剂泰医药等，其商业模式演进折射出AI在制药研发领域中的角色深化。
Vendor模式：以软件工具为主，例如提供分子模拟算法模块，切入药企的研发环节，提供有针对性的软件服务，更多以SaaS和定制项目的形式进行落地。
Partner模式：以CXO服务为主，承接药企研发外包任务。并且随着模型能力的提升，业内出现了AI+MaaS等新的模式：基于大模型能力打造生命科学大模型MaaS平台也已实现全球首度重大突破，出现10亿美金的大模型及平台调用合作（例如百图生科和赛诺菲的合作）。
Player模式：企业以Biotech身份深度参与产业分工，通过BD交易实现技术价值最大化。典型如晶泰科技与DoveTree达成的59.9亿美元合作，围绕肿瘤、神经疾病等领域的多个靶点共同开发创新药。这种模式下，企业不仅获得首付款与里程碑付款，更通过销售分成分享商业化收益，标志着AI 公司从服务商向产业共建者的转型。
注：部分企业可能会有多种商业模式结合（如百图生科亦合作开发管线），此处取主要商业模式
AI制药行业已经开始步入初步收获期，根据AI制药公司提供的解决方案、以及在制药产业链上的参与深度的不同，形成了AI+SaaS、AI+CRO、AI+Biotech的三种商业模式，目前均已产生了可观的进展，并且业内对于各种商业化模式仍在做出新的尝试和探索。
特别是AI+Biotech正取得可观的进展，目前最快的自研管线已经成功进入临床III期，与海外龙头站在同一起跑线；并且2023年也见证了亚太区首单license out合作（Insilico、费米子科技）的出现，均标志着AI制药公司的管线生产能力持续得到产业认可。
并且随着生成式AI和大模型的在生命科学领域的应用，业内出现了AI+MaaS等新的模式：基于大模型能力打造生命科学大模型MaaS平台也已实现全球首度重大突破，出现10亿美金的大模型及平台调用合作（百图生科和赛诺菲）。并且在AI+SaaS领域，国内也开始出现基于生成式AI的SaaS服务。生成式的AI预期将继续为AI制药企业提供新的商业化动能。
趋势五：软硬耦合突破——机器人及具身技术的潜力
具身智能正推动医疗机器人从“机械执行”向“感知-决策-执行”一体化的智能实体跃迁。通过多模态感知与融合、智能决策与自主规划、仿生设计、多模态传感与具身大脑的深度耦合，医疗机器人不仅在突破传统刚性结构的物理边界，更在重塑人机交互的安全性与适应性，为精准医疗、远程诊疗、康复及康养、临床干预、护理陪伴、设施运转和研究开发等医疗健康领域展现潜力。
典型的场景包括但不限于：手术操作精准化与微创化（性机械臂与触觉传感使手术机器人得以突破传统腔镜限制，进入更狭小空间执行复杂操作）、护理服务安全化与温情化（精准的刚柔转换，在失能老人护理、康复辅助等场景中提供安全可靠的解决方案）、康复训练个性化与人性化（康复外骨骼机器人通过刚柔耦合设计实现“主动康复”）、药房自动化（门诊智能发药系统、药品库存管理与自动补货）、实验室自动化（样品自动处理与检测、实验过程自动化监控、数据自动采集与分析等）等等。
例如，傅利叶推出的新一代人形机器人产品GR-3，该机器人定位于交互陪伴功能，在机身设计、交互系统、外观材料、肢体动作等多个方面进行创新，将面向专业护理、康复、养老等公共服务场景展开应用探索；
以及星尘智能推出的人形机器人产品S1，其DuoCore快慢协同系统，使S1拥有”本能反应+深度思考“的能力。在养老服务场景中可以合理应对各种状况，且具备较强的抗干扰能力，确保监护陪伴工作的安全、持续、稳定与可靠。
趋势六：智能员工升级——Agent赋能下的“新型员工”
AI Agent（智能体）作为具备自主决策和任务执行能力的“新型数字员工”，正在重塑医疗行业的组织形态和工作方式，结合规划、记忆与工具使用能力的智能程序，使得AI Agent从被动的信息处理工具升级为主动的“数字合作伙伴”——能够根据给定目标，自主分解任务、调用工具并执行复杂操作。国内外AI Agent在医疗领域的应用正深度融合诊疗全流程，从诊前、诊中到诊后，以及医院管理和前沿探索，都有着广泛且深入的应用场景。典型如：
Agent to Pro-sumer（Professional customer）：AI Agent在科学研究领域的应用正在深刻改变专业研究的工作范式，它们不仅能自动化深度信息检索，还能进行多步骤推理、验证假设并生成学术级报告，为药企员工、医院医生、医疗投资及咨询等医疗领域的专业人士提供强大支持，将传统需要数小时乃至数天的文献调研或行业分析，压缩到5-30分钟内完成，大幅提升研究效率；例如OpenAI及Perplexity等均推出了自身的类Deep Research功能，OpenAI与顶级医疗机构深度合作，并且推出了医疗领域新基准HealthBench，包括5000个真实的医疗对话，旨在更好地衡量AI系统在医疗领域的功能。
Agent for Science：根据智药局分析，AI Agent基于大语言模型强大的规划、推理和工具调用能力，AI Agent有望成为未来制药流程中的关键节点，将重塑药物研发的工作流程，最终促成制药行业进入数据驱动、人工智能赋能并且高度自动化的新阶段；例如晶泰科技内部开发了一款“AI项目经理”，能够对实验过程中所产生的大量谱图和实验数据进行结构化智能解读，并协助管理实验原料的到货状态跟踪、实验的进度以及反应物和中间体的合成流程。
院内Agent（诊前/诊中/诊后/医院管理）：包括但不限于诊前的智能导诊与分诊、健康咨询与科普教育；诊中的临床决策支持系统的升级、医学影像分析；诊后的慢病管理与康复指导；医院管理的资源调度与流程优化、行政自动化等等；例如Hippocratic AI，其核心技术是其安全优先的大语言模型Polaris的聊天问诊机器人。但与通用的聊天机器人不同，Polaris由多个大语言模型协同工作，总参数从1万亿（Polaris 1.0）到3.7万亿（Polaris 2.0）。这种多模型相互监督的设计，显著提高了输出准确性和安全性。
Agent作为产业链接方：Agent未来将不局限于产业链条的某一方，而可以作为链接药企、医院、医生的核心角色与桥梁。例如基于大语言模型和数据积累的AI Search帮助医生更好的开展学术更新、临床研究课题，从而反哺药企研发。在链接医生资源的同时，可以为药企提供更加高效的平台，做精准的数字化营销；例如OpenEvidence通过AI技术为医生提供临床决策支持，旨在帮助医生快速获取最新的医学证据，提高诊疗效率和准确性，解决医生面临的信息爆炸难题，覆盖美国超40%的执业医生。其占据医生日常工作和学习中的“证据查询入口”，成为连接医生、学术内容（如NEJM）和医药广告主的平台中枢。
在未来，AI Agent有望促进人机协同与新组织形态的演进，从人机协作期（AI作为辅助工具，人类员工主导决策）、角色转换期（员工转型为AI训练师与流程管理者），最终走向生态重构期（形成新型人机组织形态，医护人力更多聚焦于创造性、情感交互与复杂决策任务）。
在这个远景下，若生科技与大多数自研垂类模型、聚焦于临床前研发环节的AI医疗企业不同，独树一帜地面向药企研发、临床、战略、BD、医学、准入、市场等多部门员工、覆盖药物研发全链条的AI Agent，基于自有高质量数据和针对数据和场景高度优化的检索算法，整合生物医药领域的专业工作流和医药的专业数据，打造出能够运用多种医药行业专业工具的智能体工具箱和AI Agent，除可进行生成式AI自然语言交互外，还可执行具体医疗相关任务，这种“专业性 + 自主性”使其成为生命科学领域多场景玩家的全栈式伙伴。
从临床前到药物研发全流程覆盖、从制药到多场景延伸、从AI的“黑箱”到底层密码的不断破解、从虚拟设计到干湿验证闭环、从机器人的精准操作到具身智能的泛化突破、从工具嵌入到与员工深度耦合，AI在医疗场景的演进本质是“技术能力 - 产业价值 - 商业闭环”的不断演进。华兴资本始终站在趋势前沿，陪伴与见证诸如晶泰科技、剂泰医药、百图生科、傅利叶、若生科技、费米子、高维医药等行业优秀企业定义智能研发的未来范式。
华兴资本更期待携手更多深耕AI医疗领域的卓越伙伴，以资本力量和资源整合赋能优秀企业，深度参与并见证这场重塑科研范式的时代变革。
