英矽智能WAIC深度解读：中国AI制药「高速」背后的真实面貌
从「制药超级智能」发展路径到难以模仿的中国因素！
本文聚焦2026年WAIC世界人工智能大会上英矽智能主论坛的演讲，从三个相互联系的层面深入剖析AI制药。
首先，详细解读英矽智能「制药超级智能」（PSI）路径的基础技术架构——PandaClaw自主生物代理（140+项技能/1000+种工具）、LabClaw实验室自主管理平台（Agent-Guard架构/人机协作）、Science MMAI Gym通用LLM药物级训练引擎（Qwen 3-14B性能提升10倍/LFM 2.6B超越GPT-5/ICLR 2026研究成果）。
其次，检验Alex Zhavoronkov反复提及的"9-12个月中国速率"的真实性和局限性——结论是确实存在但并非普遍适用，需同时具备12年平台沉淀、中国CRO生态、干湿闭环及组织效率四大前提。
第三，首次系统梳理中国AI制药的「制度优势」——30天IND审批、数据保护机制（2026年5月实施）、AI+药品监管2030/2035路线图、1.4万亿产业基金等制度基石构成的独特系统竞争力。
2026年7月17日至20日，WAIC 2026在上海世博中心、张江科学会堂和徐汇西岸三地联动举办。英矽智能（3696.HK）创始人Alex Zhavoronkov在主论坛的发言，既是对公司12年技术历程的总结，也描绘了指向未来的「制药超级智能」（Pharmaceutical Superintelligence, PSI）蓝图。该蓝图的核心，是由PandaClaw、LabClaw、Science MMAI Gym三引擎驱动的技术基础，叠加数千维度的基准测试评估系统。
英矽智能的三款主要产品并非同步发布，而是沿循清晰的递进路径演进：先有数据（PandaOmics 2016）→ 再生成分子（Chemistry42 2018）→ 随后是临床预测（Inclinico 2020）→ 知识图谱交互（ChatPandaGPT 2023）→ 内部查询（Ask Panda 2024）→ 自主生物代理（PandaClaw 2026.3）→ 实验室自主操作系统（LabClaw 2026.5）→ 开放模型训练基准平台（MMAI Gym 2026.1，逐步升级）。这背后构建了「数据→工具→知识→推理→行动→训练→进化」的完整能力链条。
发布时间：2026年3月23日
定位：PandaOmics引擎的自主AI代理（Agent），生物学家无需编码的自然语言研究助手。
PandaClaw的核心组件分三层：
从ChatPandaPanda到PandaClaw的进化路径，反映了英矽智能对AI在制药中角色的根本看法：LLM不能仅是"更智能的搜索工具"，必须能自主执行端到端分析、自我纠错，并输出带数据溯源的科学报告。PandaClaw的推出让英矽智能实现了从"AI辅助用户"到"AI代理用户"的质变。
发布时间：2026年5月6日
定位：制药行业首个基于轻量级Agent-Guard架构的实验室自主管理系统，服务于英矽智能全自动实验室LifeStar2。
LabClaw的亮点在于其三层实验范式：
LabClaw解决的核心痛点是制药业的「三重障碍」：工作流僵化（预编程流程遇失败无响应）、数据孤岛（设备数据无法自动回流AI推理）、协调成本高（跨仪器、跨部门的手动调度）。英矽智能声称LabClaw是「永不疲倦的研究伙伴」——将科学家的精力从移液器转移至假设生成和洞察设计上。
发布时间：2026年1月22日（持续迭代至Q2 2026）
定位：将GPT、Claude、Gemini、Grok、Llama、Mistral等通用大模型「重塑」为制药级科学推理引擎的训练与基准测试平台。
MMAI Gym的精髓不在模型规模，而在于它定义了一个新范式：通用LLM在制药任务上的表现，远低于预期。
"75—95%的失败率"：英矽智能的基准测试表明，未经MMAI Gym训练的通用LLM在药物发现关键任务（如DMPK预测、hERG毒性、DILI风险、LD50估算）上的失败率高达75%—95%。模型越大，不意味着越擅长「制药」。
MMAI Gym的训练架构分三步：
实际成果：
英矽智能将MMAI Gym的成员资格分为三级：CSI（化学超级智能）、BSI（生物学/临床超级智能）、PSI（制药超级智能）——对应不同层次的合作伙伴。Human Longevity和Liquid AI已加入。这些模型已通过微软Marketplace向全球企业开放。
用户提及的"1200+任务基准测试体系"，根据现有最全面数据应理解为以下三层叠加：
加上PandaClaw技能库的140+科学技能、1000+生信工具，以及MMAI Gym内部评估体系中数千维度的任务性能追踪，整体校验维度确实达四位数量级。
关键数据点：
Alex Zhavoronkov反复强调的「9-12个月」压缩周期，确切地说，是指从靶点发现到临床前候选化合物（PCC）提名的时间。这个口径在他的公开讲话中始终一致：
这是真实的压缩。但所有关于时间的真相，都有上下文。
时间压缩仅限于「发现阶段」。一旦进入PCC之后，AI无法加速GLP毒理研究（9—12个月固定周期），无法加速临床试验（必须遵循5—10年的人类研究生理周期）。Alex自己明确说过："AI in drug discovery helps from 0 to PCC, after that you are moving with the speed of traffic."
Alex在2026年2月的LinkedIn帖子中非常坦率地解释了为何他频繁与中国药企合作：
中国AI制药的「速度优势」来自三个结构性因素，而非AI本身：
回答用户的核心问题：Alex Zhavoronkov所说的「中国研发架构+AI=9-12个月」在什么条件下成立，在什么条件下不成立？
成立的条件（五个必须同时满足）：
不成立的场景：
结论：英矽智能的「9-12个月」是真实的，但不是普遍的。它是12年技术积累+中国CRO生态+干湿闭环+组织效率的复合结果，而非「AI本身能让你9个月做出一款药」。对中国其他AI制药公司而言，它在方向上是可参考的标杆，在数字上是个体记录，不能作为行业平均速度来推算估值。
「制度红利」——我指的是超越技术本身的、由中国独特的政策、法规和基础设施构成的系统性竞争优势。它不是单一的「政府支持」，而是一系列相互交织、互为因果的制度安排组成的「飞轮」。
过去十年，中国药监体系经历了从全球最保守到最开放之一的转变：
速度层面：
2025年全年NMPA批准289个NDA，是2015年改革初期的数倍。CDE审评人员规模自2017年以来翻了三倍。
比速度更重要的是结构变化——NMPA在2025—2026年密集发布了一系列对AI制药直接利好的政策：
这是2026年最被低估的制药制度变革。2026年5月15日，NMPA正式发布《药品试验数据保护实施办法》，这是中国建立药品数据保护制度的里程碑：
这对AI制药的意义：AI制药公司最核心的资产不是管线（管线会被BD），而是发现管线所用的方法和数据。数据保护制度意味着英矽智能花费12年积累的400万条化学优化链、1亿条合成描述——如果按1类创新药路径申报——可以获得法定的数据独占期。这是AI制药从「开源竞争」转向「数据护城河」的关键制度工具。
NMPA在2026年5月发布了《关于「人工智能+药品监管」的实施意见》，这是一份面向2027—2035年的系统性规划：
核心判断：这不仅是NMPA自身的数字化，更是对AI制药监管环境的系统性升级——当监管机构自身也变成「AI驱动的」，它理解AI制药公司的技术语言将不再需要翻译。这比任何直接的补贴都更有长期价值。
中国AI制药的「制度红利」的底层逻辑不是「中国政府补贴给你钱」，而是中国在2015—2026年间构建了一整套让创新药（特别是AI驱动的创新药）从研发到上市的制度基础设施，其核心特征包括：
对AI制药而言，这组制度安排的价值在于：你在美国需要同时搞定FDA、PBM、IRB、患者招募、CRO采购——在中国，这些环节中有相当一部分被制度性地简化或加速了。这不是什么「中国模式比美国模式好」，而是中国在AI制药这个特定赛道上，完成了制度基础设施的系统性供给。
英矽智能的WAIC 2026演讲展示了一家AI制药公司从「软件工具」到「制药超级智能」的全路径。而「中国速度」和「制度红利」是这个故事中的独特变量：
但最终的判断依然是：制度红利可以提高概率、降低摩擦、加速确认，但无法改变药物开发最终要回答「这个分子在人体内有没有效」这个铁律。英矽智能的Rentosertib正在III期临床中回答这个问题——如果答案是「Yes」，那么整条「制药超级智能」路线图将被一次性地、不可逆地验证。