人工智能制药会如何改变医药外包行业格局？
1. 核心逻辑：AI制药（AIDD）公司的商业模式本质是"试错"人工智能模型能够批量产出候选分子（包括抗体、小分子等多种类型），但这些分子必须经过湿实验验证，从中筛选出PCC（临床前候选化合物）。验证环节可划分为三个层级，不同层级的CXO/试剂企业从中获得的收益也各有差异。2. 第一类：基因合成/蛋白合成（价值量扩张，具备杠杆效应，最为受益）典型代表：金斯瑞、Twist Bioscience。核心逻辑：AI企业在试错过程中需要合成大量基因与蛋白（从高通量基因合成延伸至高通量蛋白合成及测试环节），价值量随试
金蝶AI套件上新：PLM卡片视图让研发数据一目了然
对于产品研发人员来说，想必都遭遇过类似的困境：界面上密密麻麻全是物料编码，不得不逐行核对、翻页查找，才敢确信找到了目标；图纸明明存储在系统中，但在打开之前，根本无法预知其具体内容；材质、规格及版本信息分散在多个页面，完成一次核对往往需要反复切换七八个界面……研发数据的呈现方式，理应更加直观易懂。金蝶AI PLM重磅上线卡片式视图功能：告别繁杂的数据列表，转而采用直观的3D卡片展示。它不仅能让零部件实现"一眼识别"，而不仅是冰冷的记录。无论是设计阶段的物料检索、图纸查找，还是BOM选型及流程审批，该视图都将
AI制药：从概念到救命药的转折点
一款新药从实验室到患者手中，平均耗资26亿美元，历时十余年。更严峻的是，研发效率持续下滑——‘Eroom定律’（‘Moore定律’的反向映射）表明，每九年新药研发的单位产出便减半。投入越来越大，产出却越来越慢，这是制药业长期难以突破的困局。AI被寄予厚望，并非因其时髦，而是传统路径已逼近极限。世界顶尖科学家协会最新发布的《AI驱动药物研发产业报告》指出，AI对制药的变革已超越‘锦上添花’，正深入重塑整个研发链条。临床前阶段的变革最为显著。AI对生命科学数据的强大处理能力，将‘从靶点发现到提交IND’的时间
科学发现迎来AI变革，实验室成为新战场
过去两年，我目睹了AI在办公室里承接大量琐碎任务：编写代码、记录会议、进行检索、排版文档，甚至帮人打开一封难以措辞的邮件。然而，若仅将其视为"更高效的白领工具"，我认为这一定位过于局限。科学智能（AI for Science）正在将模型推向实验室、数据中心和研究团队的交汇点。这里的愿景并非让模型替科学家撰写更规范的论文，而是让它融入科学发现的完整链条：提出假设、设计实验、采集新数据、再决定下一步验证什么。届时，科学研究的瓶颈将从"是否有创意"转向"实验与数据能否跟上步伐"。基础模型（foundation
天驰PLM AI+上线：语义+参数双引擎智能查料
制造业研发工程师，大多都被「找零件」拖累过研发进度：库里明明有现成物料，却因命名格式、空格、写法细微差异，无法检索匹配；需要匹配规格、性能适配的替代零件，只能人工逐条翻阅物料清单，耗时费力；存量物料长期闲置无法复用，团队只能反复新增物料建档，最终造成非标件堆积、物料库存冗余，持续抬高企业研发、采购与库存管理成本。针对制造业研发普遍存在的查料难、找料慢、复用低、建档冗余核心痛点，天驰PLM AI+版本正式发布！本次升级深耕研发实际场景，推出轻量化全新界面+双维度AI智能物料选型能力。在保留原有操作习惯、保障
智能技术重塑开发流程：煜象科技AI实战培训推动全链路效率革新
人工智能浪潮正深刻改变各行各业，技术演进节奏日益迅猛，在智慧化转型的关键时期，煜象科技积极迎接AI变革，正式推出AI赋能系列专项训练。瞄准研发全周期场景，抛弃空泛的理论说教，以实际应用落地为重心，促进AI工具无缝融入开发各阶段，协助全体开发人员拓展技能极限、开启高效作业新路径，达成团队生产力质的飞跃。AIArtificial IntelligenceAI全链条AI整合，重塑开发作业新范式这次训练的根本目标，是让AI不再只是边缘化的支援手段，而是紧密贯穿研发全过程的“效能搭档”，完成从“人力主导低效运转”到
AI 引爆超导革命！达摩院智能体 28 小时筛选百万晶体，四款新品获验证
盘点近期公开的行业科研动态，剖析门外汉难以理解的材质研发底层逻辑。超导材料始终被当作物理学界的核心攻关方向，其零电阻特性，能深度助力电力输送、磁悬浮列车、量子计算、医疗核磁设备等众多领域。过去一百年间，全球科研工作者依靠人工配比试错，沉淀数十载的权威超导资料库，仅收录两千多种有效超导物质，研发效能长期受掣肘。传统研究范式极度依赖人工推导、反复合成实验，单一材料配方的验证常需耗时数月乃至数年，海量晶体结构无法实现全面筛查，众多蕴含超导潜力的组合长期被埋没。此次达摩院携手高校推出的专属 AI 智能体，直接重塑
AI Review 的本质：构建代码审查的风险分流机制
AI Coding实战观察AI Review 如果什么都评，最后会变成新的噪音源。真正有用的做法，是先按 PR 风险层级分流。很多团队引入 AI Code Review 后，会遇到一个反直觉问题：评论变多了，Review 却不一定更快。原因很简单：评论数量增加，不等于 Review 质量提升。AI Code Review 的第一价值，不是替人拍板，而是提前识别 PR 风险，把低风险问题自动前置，把高风险问题准确送到负责人面前。下面这张分流图，可以作为团队设计 AI Review 规则的起点。从主流工具实践
江淮项兴初：深度对标华为推流程变革，研发效能大增近四成
6月25日晚间消息，在今日举办的鸿蒙智行尊界品牌盛典中，江淮汽车党委书记、董事长兼总经理项兴初登台致辞。 他坦言，自携手华为以来，江淮犹如立于巨人肩头与巨人并肩前行。公司主动向华为看齐，驱动内部重构与跃升，全体员工自驱奋进，不断向卓越迈进。“我们全方位落地了多项流程化组织革新，促使产品研发效能跃升近40%。在变革进程中，我们持续筑牢人才团队根基，现阶段技术人员的比例已升至34%。” 他强调，江淮同华为目前正围绕技术共创、产业链互通、品牌共建为焦点，将双方战略协作推入2.0深度拓展期。华为顶尖的科技结晶，尊
江汽集团项兴初：借力华为加速升级，研发效能跃升约40%
IT之家 6 月 25 日消息，鸿蒙智行尊界品牌盛典今晚举行，江淮汽车党委书记、董事长、总经理项兴初在演讲中提到，与华为合作以来，江淮汽车站在巨人的肩膀上，与巨人同行。目前，双方战略合作已经进入 2.0 全面纵深阶段。 据介绍，尊界实现了“一车带全链”，拥有顶尖院士团队、高校院所，以及中外顶级供应链伙伴的加持，形成整车企业工程化基座。 项兴初说，江淮汽车积极对标华为，推进江淮的重塑与升级，全员自动自发，持续追求卓越。公司全面推动了一系列流程化组织变革，推动了产品研发效率近 40% 的提升，并不断夯实人才队
科技巨头挺进AI新药研发
STAR ENERGY字节此次的业务拆分，令业界看清，科技巨头已动真格。AI制药不再是大厂口中的“尝试性课题”，而是一项能够深耕且具备巨大潜力的实体产业。正文共：4547字预计阅读：12分钟AI制药领域，迎来了超级巨头的入场。6月10日，消息传来，字节跳动将其内部AI制药业务剥离，开启独立融资进程，原有核心团队、算法平台及管线资产整体划转至新实体，字节保留控股权，火山引擎持续供给算力支持。鉴于生物医药已被确立为国家支柱产业，AI制药更是当下的热门风口，字节的这一举措让行业确信超级巨头已入局——AI制药不再
AI制药已入临床，干细胞研发为何仍处手工时代？
lab-research-real.png 2025 年末，《Stem Cell Research & Therapy》年度综述中有一句话，读来令人坐立难安："干细胞与再生医学的发展路线正愈发明朗——然而研发效率的瓶颈，依旧卡在 front-end（前端发现）环节。" 换言之：我们虽知晓干细胞能疗愈何种疾病，但要寻得那个可成药的治疗方案，速度之慢仍让人焦灼。 此时，AI 登场了。 · · · · · · 先列一组数据 截至 2024 年底，全球已有多能干细胞疗法 115 项进入临床
AI代码生成率超六成，为何企业研发效率仍未突破？
AI代码生成比例突破50%，研发周期却未见缩短；非技术背景者借助Vibe Coding开发软件，但对其可靠性存疑。AI Coding能力已如此强大，企业级开发应用究竟卡在何处？近期，InfoQ《极客有约》X AICon直播栏目特别邀请贰贰壹咨询合伙人&蜂量科技CEO张子天担任主持，与小红书AI Coding总架构师郑鑫祺、快手AI Coding负责人李京共同探讨，在AICon全球人工智能开发与应用大会2026上海站即将开幕之际，AI Coding在企业落地过程中面临的核心挑战。部分核心观点如下：善用AI工
中国团队推出高分子材料智能体：让材料研发从经验摸索迈向数据驱动
过去数十年间，高分子材料研发始终是一个高度依赖个人经验的领域。无论是光刻胶、功能涂料、高性能树脂，还是各类特种聚合物，研发人员往往需要在庞大的配方空间中反复试验。一个性能指标的微小变化，背后可能涉及单体结构、添加剂比例、工艺参数等多个变量的耦合影响。大量知识沉淀在论文、实验记录和资深研究人员的经验之中，难以被系统化复用。这种特征也让高分子材料成为人工智能进入科研领域（AI for Science）后最具挑战性的方向之一。近日，苏州材科源图（MatSource）发布了一款面向有机高分子材料研发的应用智能体（
AI 界三大现象揭示同一趋势：人类角色正在边缘化
全球开发者广泛使用的模型调用平台 OpenRouter，近日发布了一份榜单。DeepSeek 的多个模型以压倒性优势占据榜首。并非因为其比 GPT-4 或 Claude 更聪明，而是成本极低——推理费用仅为顶尖模型的几十分之一。开发者们用实际选择投票。逻辑很简单：若同等资金能调用几十次 DeepSeek，何必选择昂贵的那一次？此事件核心明确：性价比正战胜纯性能。“智能”的溢价正在快速消失。上周数据尚未公布或许你以为 OpenAI 最关注的是评测分数。事实并非如此。内部消息显示，OpenAI 真正的核心 K