信达生物的AI战略布局
一、AI赋能药物研发2024年7月，信达生物携手唯信计算，合力推动国清院计算平台的优化与升级，借助人工智能技术构建集高效、智能、自动化于一体的药物研发平台，从而削减研发开支、压缩研发周期并提升研发成功率。二、全集团AI工作模式升级2026年4月27日，信达生物同钉钉达成框架合作协议，双方合作由办公协同向人工智能应用全面跃升，核心在于推进“悟空”试点项目，意在推动全集团AI工作模式的革新。具体落地举措1.AI工具落地：依托企业专属平台“信达钉”，优先部署AI听记、AI表格等核心AI产品，把智能工具深度嵌入日
AI赋能ADC设计：为“生物导弹”装上智能导航系统
早期的ADC研发主要依赖X射线晶体学与分子对接技术，然而抗体中那些柔性的区域（例如CDR-H3环）以及完整的IgG结构往往难以解析。虽然分子动力学模拟能展示动态细节，但其受限于高昂的计算开销以及力场精度的不足。人工智能与机器学习的加入彻底颠覆了这一局面。深度学习能够从庞大的序列-结构数据集中自动提取关键特征，从而预测抗体的可开发性、优化连接子结构并筛选毒素与抗体的最佳组合。现在的ADC研发已从单纯的“试错法”迈向了“预测驱动”的新阶段。主线一：经验筛选 → AI预测 → 理性设计AlphaFold2虽能以
AI制药：资本热潮下的技术挑战与未来走向
步入2026年，人工智能在制药领域的应用呈现出愈发迅猛的态势。三月中旬，罗氏公司宣布进一步扩建其全球人工智能基础设施，成功在美国和欧洲部署了2176个高性能GPU；同期，礼来公司正式启用其医药人工智能工厂LillyPod，并与英伟达达成协议，将在未来五年内斥资超过10亿美元，共同建立人工智能联合创新实验室。两家大型跨国公司所合作的英伟达BioNeMo平台，采用了“实验室内循环”（Lab in the Loop）的模式，旨在构建数字实验室并探索个性化模型的应用。这与前几年AI工具的外包和零散应用方式截然不同
AI驱动药物研发：加速创新，抓住未来机遇
传统的药物研发历经十年、耗资数十亿美元，成功率却不足一成，这无疑是一笔沉重的经济账。面对不断上涨的研发成本和迫在眉睫的专利悬崖，生物医药行业正面临着降低成本、提高效率、缩短周期以及提升临床成功率的关键挑战。人工智能为此提供了解决方案。从国家《医药工业数智化转型实施方案（2025-2030年）》大力支持医药大模型创新平台的建设，到DeepSeek等本土大模型在分子设计和ADMET预测等领域取得显著进展，人工智能正从辅助工具的角色转变为研发的核心驱动力。掌握AI在药物研发全过程的应用技能，已成为一项关乎行业未
AI制药开启算力竞逐：跨国巨头全面押注下，中国玩家如何突围？
AI半月谈【第20期】全球AI制药正由“展示技术”转向“重塑产业”的深水区。礼来、罗氏、武田等跨国药企巨头相继搭建自有算力底座，投入巨资并购AI团队，并把AI能力贯穿到研发全链条——围绕数据、算法与算力的“军备式竞速”已全面展开。与此同时，AI Biotech在靶点挖掘、分子设计生成、临床结局预测等方向不断给出价值验证，但平台型公司也不得不面对一个现实问题：会否被大厂把能力“吸收内置”，从而被替代？对中国AI制药来说，压力更为突出：算力供给相对紧张、优质临床数据难以获取、合规监管路径仍在摸索。在这样的语境
AI制药迎来关键跃升：人体试验启幕与十亿美元合作齐发
2026年4月26日至27日，全球医药AI研发进入突破集中期。从科技公司推出垂直大模型、跨国药企达成刷新纪录的合作，到AI推动药物迈入III期临床，整个行业正在由技术验证阶段加速走向价值兑现阶段。OpenAI推出GPT-Rosalind，生命科学专用大模型正式登场4月26日，OpenAI正式发布面向生命科学研究的新一代推理模型GPT-Rosalind。该模型围绕科研流程进行了深度适配与优化，能够更好理解化学、蛋白工程以及基因组学内容，并在BixBench基准测试中取得了0.751的通过率。
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
OpenAI发布医疗AI工具；四家医疗企业跻身福布斯AI 50；欧盟七成国家应用AI诊断
【海外AI医疗周报】本期导读：OpenAI连推两款垂直大模型——面向临床医生的免费工具“ChatGPT for Clinicians”与药物研发模型“GPT-Rosalind”，撬动循证医学与新药发现；福布斯AI 50榜单中四家医疗企业累计融资超21亿美元，资本与临床场景深度绑定。世卫组织最新报告显示，欧盟74%成员国已在诊断中部署AI，而美国民间已有超过六成公众尝试用AI获取医疗信息，技术渗透率持续攀升。OpenAI正免费开放医生AI工具ChatGPT for Clinicians4月23日，OpenA
AI崛起：开启科学发现的第二纪元
2026年，人工智能已超越代码辅助角色，正协助人类揭开宇宙深层奥秘。近期，埃默里大学科研团队公布突破性成果：其研发的AI系统在解析等离子体动态数据过程中，发掘出若干人类物理学家未曾识别的数学关联。需要强调的是，这并非'现象发现'，而是'定律发现'。这一转变意义深远：AI正从科研工具升级为真正意义上的'联合发现者'。接下来，让我们探讨2026年AI for Science领域的激烈竞争态势。一、AI独立发现物理定律，超越'记忆复现'先来看一个发人深省的实例。埃默里团队训练的AI系统专注于分析等离子体（物质第
OpenAI生命科学研究利器GPT-Rosalind问世
2026年4月16日，OpenAI正式发布其专为生命科学研究设计的推理模型GPT-Rosalind。该系列模型针对科研工作流进行了深度优化，融合了对化学、蛋白质工程及基因组学等领域的深刻认知，并强化了工具使用能力。在美国，一款新药从靶点发现到获批上市往往需要10至15年漫长周期。生命科学的进展不仅受制于基础学科的挑战，更因研究流程的繁琐而受阻。科研人员需在海量文献、专业数据库、实验数据及持续演化的假设间穿梭，以生成并评估创新思路。这类工作流普遍存在耗时长、碎片化且难以规模化的问题。OpenAI坚信，先进的
AI赋能药物靶点研究：英矽智能Nature综述解读
药物靶点的识别是整个新药研发旅程的起点，也是决定成败的核心环节。人类基因组约编码2万个蛋白分子，然而目前真正具备成药潜力的靶点仅有约4500个。更为关键的是，截至目前，全球已上市的药物也仅成功作用于其中的716个靶点。采用传统研发模式，发现一个兼具疗效与安全性的理想靶点往往需要耗费数月乃至数十年时间。值得欣慰的是，人工智能技术正在深刻改变这一局面，使得曾经依赖偶然发现和经验积累的靶点筛选，逐步向数据驱动的系统性探索转型。作为人工智能助力靶点发现的行业先行者，英矽智能于4月20日在Nature Review
华人团队主导!OpenAI重磅发布「首个生物医药大模型」,超越95%专业人士
就在今日，OpenAI正式推出GPT-Rosalind，这是一款专门为生物学与药物研发而设计的垂直领域推理模型！它的核心目标是推动从基础生物学、药物发现到转化医学的完整研究流程，旨在破解新药研发周期冗长、流程繁复等关键挑战。在各类科研任务中，GPT-Rosalind力压群雄，达到了国际领先水平，甚至在部分预测任务上，GPT-Rosalind的表现胜过95%的人类专家与此同时，OpenAI在通用大模型基础之上，发布了免费使用的生命科学研究插件，可连接超过50个科学工具和数据源。OpenAI指出，GPT-Ro
AI行业并购浪潮开启：Anthropic为何斥资4亿布局生命科学
2026 年 4 月 3 日，知名人工智能企业 Anthropic 悄然完成了一笔关键收购。 被收购方是名为 Coefficient Bio 的生物技术初创企业，交易对价超过 4 亿美元，采用全股票方式完成。 这笔交易本身并不惊人——Anthropic 在 2026 年 2 月的 Series G 轮融资后估值约 3800 亿美元，4 亿美元仅占比约 0.1%。 但被收购的企业颇具特色：Coefficient Bio 成立于 2025 年 8 月，截至交易完成时仅运营 8 个月，团队成员约 10 人，此前
距离开班仅剩3天！关于‘人工智能助力药物研发全流程应用实践’高级研修班的通知
各有关单位：在政策指引与科技创新的共同推动下，人工智能正全方位渗透药物研发各个环节，引领医药产业迈向高效、精准的新阶段，相关交叉领域正处在发展的关键时期。《医药工业数智化转型实施方案（2025—2030年）》明确要求，要加强人工智能对医药全产业链的赋能作用，支持医药大模型创新平台的建设以及AI在药物研发场景中的实际应用。为加速人工智能与药物研发创新技术的融合进程，培育满足未来行业需求的复合型人才，我中心计划于2026年4月下旬举办“人工智能赋能药物研发全过程应用实践”高级研修班。届时将邀请中国科学院相关研
AI重塑医疗：创新实践与发展趋势
当前，医疗健康行业正经历着人工智能技术的深度渗透，这正在引发一场深刻的变革。无论是从疾病的早期预警到精准治疗方案的制定，还是从药物研发周期的缩短到偏远地区医疗资源的延伸，AI都在以独特优势重塑医疗服务的每一个环节。随着深度学习、多模态融合等技术的不断突破，AI在医疗领域的应用正从单纯的辅助工具向核心支撑力量转变，同时也面临着可解释性、伦理规范等严峻挑战。深入剖析这一技术变革的现状、困境与未来，对于推动医疗行业的智能化升级至关重要。AI技术已全方位嵌入医疗服务的各个层面，其应用场景的广度和深度持续扩展，为提