AI重塑新药研发：从提效工具到成功率提升
人工智能正在彻底改变新药研发模式，不仅将早期开发时间缩短了30%到40%，还大幅提高了临床成功率，解决了传统研发中成本高、周期长、转化率低的难题。该技术贯穿了靶点筛选、分子设计、ADMET性质预测及临床优化等全流程，在大小分子领域均取得进展，已有多种AI药物进入临床试验。当前行业的竞争壁垒已从算法优势转变为对高质量私有数据及干湿实验闭环迭代能力的掌握，估值重点转向管线价值的临床兑现。随着全球监管环境成熟，药企与AI企业的合作日益紧密，预计2026年将迎来关键临床数据，标志着行业从效率验证走向价值实现的新阶
AI赋能分子生成：方法、数据与应用
引用格式：许黄超，张宝花，刘倩，金钟. 基于人工智能的分子生成策略及数据资源综述[J]. 数据与计算发展前沿（中英文）, 2026, 8(2): 184-203.DOI:10.11871/jfdc.issn.2096-742X.2026.02.014.文章亮点本文全面梳理了由AI技术支持的小分子创造技术及相关核心数据资源，从“数据-算法-应用”全链条视角梳理了该领域的技术演变。重点探讨了变分自编码器、生成对抗网络、Transformer、扩散模型及大语言模型等主流生成架构，并结合靶点引导、片段组合与语言建
生成式AI突破抗生素研发困局：从"大海捞针"到"无中生有"
阅读时间：约5分钟 | 基于Cell论文《A generative deep learning approach to de novo antibiotic design》图1｜本文主线：抗生素危机、传统研发瓶颈与生成式AI造药。这篇文章最吸引人的地方，不是“AI又找到一个分子”，而是它把抗生素发现从“筛旧仓库”推进到“探索未知化学宇宙”。┃先说结论：这不是马上能上市的新药，但路线很值得看如果要选一个最容易让普通读者产生兴趣的AI生物医学故事，抗生素一定排得很靠前。因为“超级细菌”不是遥远概念：当细菌对常
AI赋能分子生成：方法、数据与前沿洞察
近年来，人工智能在药物研发进程中扮演着日益重要的角色。传统新药开发模式常因耗时漫长、成本高昂、成功率低下而备受挑战。而人工智能辅助的药物设计为该领域带来了新的技术途径：通过学习现有分子的结构、性质分布以及与靶点的相互关系，模型能够在广阔的化学空间中自主生成具有潜在药物价值的新型分子。《人工智能驱动的分子生成方法与数据资源综述》是一篇针对人工智能药物设计领域的研究性文章，系统梳理了小分子生成所需的数据资源、分子表示方式、主流的生成模型、药物发现的应用场景以及未来的发展挑战。对于有志于投身人工智能制药、分子生
算力竞赛催化AI制药：跨国All in，中国机会在哪
AI半月谈第20期全球AI制药正在从“只为展示技术”的阶段，走向“以产业重构为目标”的深水区。礼来、罗氏、武田等跨国巨头纷纷打造自有算力平台、投入巨资并购AI企业，并把AI能力深入嵌入研发的每个环节——围绕数据、算法与算力资源的“军备竞赛”已经拉开序幕。与此同时，AI Biotech在靶点发现、分子生成、临床预测等方向持续验证其价值；但对平台型公司而言，也不得不面对被大厂“内化替代”的现实压力。放在中国AI制药的语境下，难度更大：算力供给相对紧张，高质量临床数据的获取成本高，且监管路径仍有不确定性。因此，
AI代理新拐点：成本塌缩与边界再塑
今天的科技圈热度有点“爆表”：一位23岁的零基础研究者靠ChatGPT切入，硬是撬动60年数学难题；DeepSeek又以“价格屠夫”的姿态搅动市场；还有人忙着给AI搭建专属的“纯净社交圈”……信息流冲得太快，我们就直接上今天的硬核速递。这位没有高等数学背景的23岁研究者，借助GPT-5.4 Pro，只花80分钟就拿下困扰学界60年的Erdős问题。AI的思路走的是“vibe mathing”，证明路线（马尔可夫链）和人类常规路径完全不是一个画风；连菲尔兹奖得主陶哲轩都忍不住评价：人类往往在最初一步就偏了。
英矽智能Pharma.AI春季更新全览
随着人工智能与基础模型不断加速迭代，生物医药这一核心落地场景正快速进入 AI 赋能研发的“深水区”。近日，生成式人工智能驱动的临床阶段药物研发科技公司英矽智能（Insilico Medicine，03696.HK）举办了 Pharma.AI 2026 春季启动网络研讨会。本次研讨会重点介绍了 Pharma.AI 平台在 2026 年第一季度的几项重要进展，主要包括：正式推出面向科学研究的 MMAI Gym，发布全新的基准评测门户与排行榜，并现场演示 MMAI Gym 如何把通用基础模型训练成可服务药物研发