AI 制药究竟需要怎样的基建？2026年，这个问题应当有新答案。

新的共识出现——科学发现正由“人类主导，机器辅助”，最终走向“人定义目标，机器自主探索”。与此同时，数据成为重磅核心资产，持续反哺AI大模型，为 AI 制药筑牢底层根基；而物理AI的兴起推动AI制药从“算得准”走向“做得到”，即打通高效、准确、自动化的干湿实验闭环。

具体来看，物理AI（Physical AI）驱动的实验室自动化体系，能够承接数字AI（Digital AI）成果，结合智能体设计，自主完成各模块标准化操作，把“虚拟流程”变成“实物动作”，缩短干湿实验的时差。

但行业现实痛点依然突出：数字 AI 可批量生成海量候选分子，但多数虚拟设计难以通过湿实验完成成药性验证，仿真计算与湿实验验证体系相互割裂，模型难以获得真实数据迭代优化。这意味着，仅具备“思考能力”的数字 AI 或仅具备“执行能力”的自动化设备都无法独立撑起干湿闭环，必须有一个中间层来翻译意图、编排流程、协调设备、回收反馈——智能体正是足以支持的工程化中间层载体。

近期，在首届大国新药全球会议（CPIC 2026）现场，镁伽科技、华为联合主办“智研未来专场-AI for Life Science and Drug Discovery”分论坛，AI药研的产业链参与者们，试图给出一套生态级答案。

作为中国机器人技术应用领域领先的自主智能体提供商，镁伽科技致力于为智慧实验室与智能制造场景提供全面的自主智能体及多智能体解决方案，构建面向科学发现的AI基础设施。

凭借在人工智能与机器人自动化领域创新性构建的“感知（Perception）、构思（Conception）及执行（Execution）”闭环技术架构，镁伽的多功能自主智能体能够独立执行复杂任务，同时模块化产品组合设计可轻松配置，并规模化部署于不同场景。

在镁伽看来，要让新药研发“黑灯实验室”真正实现稳定落地与高效运行，需要“五位一体”的基础设施体系支撑。这五大要素共同构成了镁伽 AI for Science Infrastructure 的核心框架：

第一部分，绘制应用场景蓝图。基于应用场景，明确需求，全景扫描流程，疏通传统流程断点，识别实验操作与干湿数据链路，设计适配 AI 智慧实验室的全新空间动线规划和空间布局，并运用数字孪生技术，在投建前预见实验室全貌，谋定而后动。

第二部分，打造AI智能体的算法基建。算法基建是在打造“会思考的大脑”，核心优势在于其垂直落地属性。依托AI方案设计—自主实验规划—数据反哺迭代全链路，构建干湿闭环、自我进化的实验室算法体系。

第三部分，构建物理世界的基座。以“模块化的智能体集群”代替人工操作，实现产能一致性和通量优化。通过多种智能体的交叉组合，可支撑多管线并行运转，适配抗体、蛋白等多类型分子研发需求。系统支持7×24小时的黑灯运行，突破人力带来的通量上限与操作一致性偏差，从而实现研发产能的量级跃迁。

第四部分，设立标准化数据的自动采集系统。高质量数据的获取不仅涉及数据的自动采集过程，还包括可追溯、可标准化、规范化的治理流程。镁伽遵循 FAIR 原则（可发现、可访问、可互操作、可重用）开展数据治理，搭建企业级湖仓一体架构汇聚多模态实验数据，将零散实验数据转化为可复用的核心研发资产，持续为 AI 模型迭代供给高质量数据，驱动模型持续进化。

第五部分，建立全流程合规溯源基建。透明可审计、全程可追踪的数据体系，是新药产业化、临床研究与药品申报的关键，也是兜底的信任基座。镁伽可以帮助客户实现从原料到实验结果的全链路电子化记录，全程可审计、可追溯；以及依托数字化手段稳定管控批次一致性，为客户构筑长期可信、可监管、可规模化放大的新药研发范式。

再看需求端，大量早期候选分子井喷，AI制药干实验价值被市场与资本认可。但悬空问题依旧存在——早期管线资产需要湿实验数据进行价值验证。因此，干实验成果井喷与湿实验效率受限的矛盾愈发显著，尤其体现在研发速度与生产力的脱节。

长远来看，如果干湿闭环的飞轮难以顺畅转动，药企与Biotech多年积累的研发Knowhow，就无法结合 AI 模型的推演能力完成数字化沉淀，企业也就无法形成自身独有的、可复用的、能持续增值的数字资产壁垒。

 镁伽科技副总裁费家俊

镁伽科技副总裁费家俊指出，模型的能力非常重要，但决定产业价值的并不一定是模型能力——当模型提出一个假设，如果没有实验去验证，那么永远只是推测。进一步地，如果实验产生的海量数据不能回流模型，其价值就无法释放。

因此，真正的瓶颈在于是否有足够低的成本和足够快的速度，持续地将真实实验数据反馈给模型。镁伽将其称为“加速再加速闭环”：

第一重加速，镁伽将全球领先的中国精密制造与自动化工程能力，跨界迁移到新药研发的实验体系中，重新构建湿实验的执行方式，将高质量数据的边际成本压缩到全新量级。

例如，2025年镁伽携手途深智合，打通蛋白 AI 设计与自动化验证全链路，实现抗体PCC研发周期缩短50%，研发成本压至30%～40%，100%的体外实验命中率。2026年的半年时间内，途深智合已成功推进了16条高竞争力PCC管线的设计和验证工作。

再有，镁伽科技联合乐纯生物在论坛现场发布的“全自动抗体纯化智能体”，面向抗体研发与筛选场景，将智能体决策能力与自动化实验平台深度融合，实现从样本信息识别、实验流程规划、自动纯化执行到数据采集分析的全流程智能化运行。该智能体具备一定的自主决策能力，可实现实验任务理解、自主调度与流程优化。落地百奥赛图后，该产品已稳定支持7x24小时连续运行——单台设备配备16路独立并行层析通道，单日最高可处理256个样品，年处理能力可达6.4万个样品。

第二重加速，即大量高质量实验数据持续回流至模型本身，实现反哺迭代。费家俊指出，AI药研正在从单一能力的模型竞争迈向系统能力竞争，即模型、数据、算力、场景与人才形成的持续迭代闭环。

据悉，镁伽科技打造的“镁伽鲲鹏实验室”已实现7×24小时无人值守运行，每天可完成接近400项复杂生物分子构建任务和超过10000个样本点的药物筛选实验，部分场景可将6到10个月的研发周期缩短至6到8周。

 镁伽科技CTO汤培峰发表主题演讲

镁伽科技CTO汤培峰也强调，数据飞轮并非依赖人为干预与维系，而是通过智能体的自主决策与运行，实现持续的自我更新与迭代。未来的研发实验不再局限于经验驱动，更关键的是“大力出奇迹”——依靠指数级乃至量级的数据增长，完成对应的知识沉淀。借助这套飞轮机制，企业能够在不同的实验环境中，将数据转化为难以复制的护城河。

打通数据与生态飞轮，是AI药研产业实现价值指数级增长的关键路径。围绕这一命题，来自算力基础设施、科学计算、学术研究、AI药物设计与生物药研发等不同领域的嘉宾，从各自视角给出了高度互补的回答。

 华为制药军团解决方案销售部部长张巍发表主题演讲

华为制药军团解决方案销售部部长张巍表示，制药行业正迎来AI驱动的新阶段，未来竞争的关键在于自主可控的基础设施与产业生态。华为将聚焦算力、云平台、存储等底层能力，联合合作伙伴打造覆盖研发、临床、生产、供应等场景的解决方案，共同构建开放繁荣的制药创新生态，加速AI赋能药物研发。

思朗科技AI首席科学家任智祥发表主题演讲

思朗科技AI首席科学家任智祥提到，科学智能时代需要从底层重构基础设施。围绕自主芯片与整机、科学计算软件、科学数据与模型，打造面向科学智能的全链条体系，持续生产高质量动态科学数据，为AI模型提供关键支撑，加速新药与新材料研发。

 清华大学药学院副教授张数一发表主题演讲

清华大学药学院副教授张数一谈到，蛋白质设计面临的是一个近乎无限的序列空间，仅靠堆积数据无法解决问题，关键在于理解生物规律，对数据进行高质量压缩。团队提出基于进化计算的序列－功能映射方法，通过识别决定蛋白质功能的关键位点，结合自动化设备实现标准化数据采集，推动建立从“序列到功能”的数据库和算法体系，加速蛋白质设计。

途深智合创始人兼CEO王宇光发表主题演讲

途深智合创始人兼CEO王宇光指出，AI药物设计真正实现产业化的关键，在于打通模型设计－自动化实验验证－数据反馈－模型迭代的闭环。通过与自动化实验室深度协同，持续获取高质量实验标签数据，AI智能体能够不断优化药物设计能力，加速候选分子发现，推动生物药研发向高效率、低成本、规模化方向发展。

 百英生物SVP史雷发表主题演讲

百英生物SVP史雷认为，AI抗体设计的发展已从算法驱动迈向数据驱动，当前制约行业发展的关键瓶颈不再是模型，而是高质量湿实验数据的获取能力。围绕抗体研发，百英生物构建了覆盖表达、检测和可开发性评价的高通量实验平台，将功能验证与成药性评价纳入标准化流程，以结构化实验数据持续反哺模型，实现“设计—验证—学习”闭环，加速AI抗体研发迭代。

 同源康生物合伙人兼CAIO鲜翾发表主题演讲

同源康生物合伙人兼CAIO鲜翾强调，AI时代药企的核心竞争力不再只是算法，而是高价值数据、组织能力与知识沉淀。随着AI能力逐渐普及，企业真正需要思考的是如何将专家经验、实验数据和业务流程沉淀为公司资产，通过智能体和企业级平台实现知识复用、决策辅助和组织协同，最终让AI持续创造面向患者和商业化的真实价值。

在《AI药研的下一程：模型、数据、算力与场景，如何拼出真正的“超级能力”？》圆桌论坛中，镁伽科技副总裁费家俊与同源康生物合伙人＆CAIO鲜翾、近岸蛋白董事长朱化星、云济智曜创始人＆CEO宋云龙、唯信计算合伙人＆副总裁李小兵、水木分子联合创始人＆COO邢杰、睿智医药董事长兼CEO胡瑞连、百英生物SVP史雷展开深入交流。

讨论过程中，多位嘉宾认为，AI药研已经越过“能不能用”的验证期，正式迈入“怎么用好”的效率竞赛阶段，而决定下一程胜负的关键在于——模型、算力、数据、场景与人才五块基石的系统性咬合。

结合一线实战成果与产业痛点，嘉宾们指出，当下智能体与 AI 大模型已全面赋能药物研发全链路，大幅缩短靶点立项、分子设计、合成验证的研发周期，打破传统制药的效率瓶颈。但行业规模化落地仍存在诸多卡点：干湿实验体系割裂、计算仿真与真实实验存在转化壁垒、高质量结构化数据稀缺、高端复合型人才难留存、国内 AI 药研商业化价值兑现缓慢等问题，持续制约产业深度升级。

与会嘉宾也形成了统一的行业共识：AI 药研产业链长、技术维度多元，单一企业难以实现全链条闭环领跑，专业化分工、生态化协同将是产业未来核心趋势。业内普遍认为AI 药研的真正 “超级能力”，并非企业包揽全部研发环节、构建大而全的封闭闭环，而是基于自身专业赛道的长板优势，通过产业协同实现研发提效、降本、提质的综合系统能力。各企业应立足核心优势深耕细分赛道，通过能力互补打通干湿研发全链路，沉淀可复用、可持续迭代的产业数据资产，构建差异化的长期技术壁垒。

基于本次圆桌共识，行业未来竞争不再是单点技术的内卷和比拼，而是体系化能力与生态整合能力的角逐。产业链各方将聚焦能力互补、场景共建、数据互通，推动 AI 技术从单一研发工具升级为全产业赋能载体，让智能化、自动化、数据化能力深度融入新药研发全流程，驱动整个行业实现从效率提升到研发范式升级的跨越。

《AI药研的下一程：模型、数据、算力与场景，如何拼出真正的“超级能力”？》圆桌嘉宾

会后，镁伽科技AI4S业务总经理李国军接受动脉网专访时谈到，镁伽较早就围绕自动化（Automation）、人工智能（AI）、行业应用（Application）三大维度持续深耕，打造 A³ 三位一体能力底座，并将 All in AI 定为集团核心发展战略。早在 2024 年初，镁伽便基于一线客户需求与行业发展趋势开始系统性布局AI for Science，如今当AI4S成为行业热词时，镁伽早已在 AI 药物研发领域积累了充足的技术沉淀与规模化落地案例。

镁伽科技AI4S业务总经理李国军接受采访

在李国军看来，当前药企与创新生物企业的核心诉求分为两层：一是打通模型设计、实验执行、数据采集与结果回流，形成可持续迭代的干湿实验闭环，沉淀企业自有研发数据资产；二是通过标准化接口连接上下游合作伙伴，提升跨机构、跨平台的研发协同效率。

基于A³能力，镁伽可将分子设计模型、智能体、自动化实验系统与数据平台贯通，为客户构建从计算设计到实验验证、再到数据回流和模型优化的闭环。同时，镁伽既可交付可独立运行的“黑灯实验室”，也可通过标准化智能体接口接入客户现有实验室及产业合作网络，推动实验流程与数据链路协同，加快创新药研发成果转化。