央视严选AI创业十骏：唯一AI制药公司水木分子如何突围

AI江湖的名头换了一茬又一茬：AI四小龙、大模型六小虎……这一次，行业的下一批明星公司，轮到央视亲自大点兵。1200家参赛企业层层突围，中国AI创业十骏新鲜出炉。名单横跨机器人、智能制造、生命科学，唯独有一家AI制药公司上榜，今天值得单独拎出来讲讲。

它做的是当下最火热的AI生物制药。早前莫德纳与默沙东联合宣布，由AI参与研发的个性化mRNA癌症疫苗，在素有“皮肤癌之王”一称的黑色素瘤治疗中取得积极结果。消息令人振奋，也让人忍不住追问，国产AI制药如今走到了哪一步？透过央视十骏名单里唯一的这家AI制药企业，我们或许能找到一些答案。

公司成立刚满三年，由张亚勤院士创办的清华AIR孵化，聂再清教授担任首席科学家。它就是水木分子，AI制药玩家里各种AI模块跑得最快最全的那一批。水木分子想解决的问题，也是药物研发的深水区：一个药研专家积累了几十年的经验，如何才能让AI真正用起来？水木分子的“老法师”们思来想去的结果是：对话式AI原生。从2023年开始，他们就在持续推进自然语言与生物语言的连接，并将相关能力带入对话式药物研发平台ChatDD。更进一步，水木分子已经将专家通过对话描述的研究方法，整理成AI智能体可随时调用的技能包。同时它亲自推进面向自身免疫疾病和肿瘤的创新药管线，把平台用进自己的研发决策、分子设计和项目运营。

多管齐下的背后，折射出水木分子乃至整个制药行业一份朴素的判断：当生物制药遇上AI，自然语言交互让专家的经验与判断，同大模型的高效知识推理和全原子端到端分子设计能力更紧密地结合。这种人机协同带来的极致研发效率，最终要兑现为中国创新药真实的临床进展和成功率。

水木分子的COO邢杰在节目上提到，医药行业有一个广为流传的三「十」定律。一款新药的诞生，平均要10年时间、超过10亿美元投入，成功率却不足10%。难题也远不止找到一个能够结合靶点的分子。创新药进入人体后如何分布、能否达到预期效果、有没有不可接受的副作用，以及哪部分患者可能获益……诸如此类的问题，都需要人为建立起完整的证据链。老实说，“古法”制药过程一半都得靠经验判断，难以复制，也很难直接交给AI训练。

在聂再清看来，过去一些AI药物研发项目中的关键隔阂，就出现在这里。模型可以预测结构、生成分子，再给候选结果排出名次，但研究者未必能充分理解排序依据，也很难把自己的顾虑反馈给模型。计算结果可以交给实验验证，专家与算法之间，却缺少持续协作的通道。

水木分子由此提出了药物研发的四阶段划分：TMDD→CADD→AIDD→ChatDD。TMDD代表最早期依赖实验积累与专家判断的药物研发过程。随后计算机开始参与辅助，承担起部分计算和模拟工作，也就是CADD。再往后，AIDD开始将AI用于性质预测、分子生成等任务。但是专家的经验和直觉很难和小模型时代的AI模型有效交互和有机融合。至于ChatDD试图推进的，是让专家能够通过自然语言对话参与任务规划、执行与结果修正。从而将药物研发专家的经验与直觉，同AI智能体在高通量文献阅读、高效计算与推理、高质量分子设计与筛选方面的能力有机结合，形成优势互补的人机协同研发模式。专家提出问题和任务目标，大模型进行拆解并调用工具，再把结果交回专家。多轮交互下来，专家经验得以高效参与AI制药的每一步。

在机器还没能掌握足够完整信息的当下，这至关重要。对话式交互恰恰让专家与AI的联结第一次成为可能。事实上，这也是颇具前瞻性的代际划分。ChatDD是水木分子在2023年提出的，现如今，海外的GPT-Rosalind和Claude Science也都开始探索与之相近的交互方向。行业竞争的范畴，正在从单模型预测能力，进化至整套科研工作的组织上。用更通俗易懂的话来说，就是看谁能抢先成为药物研发的AgentOS入口。

要让AI用上，首先得看清，这些经验究竟藏在哪里。有的已经写进了论文和数据库，AI即拿即用；有的体现在专家对当前项目的判断里，需要日常交互来承接；还有的可以沉淀为可复用的工作流。水木分子正在尝试将这些经验分别接入模型和具体任务中，并让它们持续影响下一步该怎么做。

举个简单例子，假设研究者希望通过突变优化某种抗体，专家说出的是功能目标，模型最终要处理的却是氨基酸序列和空间结构。这中间明显隔着语言断层，第一关便是需要将相关知识融入基座模型中。水木分子于2023年和清华AIR联合推进的BioMedGPT，首先探索自然语言与分子、蛋白质等生物数据的对齐。其中的BioMedGPT-10B，也是全球首个开源可商用的百亿参数多模态生物医药大模型，在基准测试上位列行业第一梯队。MutaPLM则把这道连接做得更具体。这项入选NeurIPS 2024的研究，将突变影响的文字描述与蛋白质突变对应起来，既探索解释一次突变可能带来什么变化，也探索根据研究者描述的目标提出候选突变。近期公开的StructEvo把结构信息引入蛋白质突变优化，让候选搜索考虑空间约束，该研究已被NeurIPS 2026录用。以上种种的背后均出自水木分子一个明确的技术判断：蛋白质设计长期存在「顾此失彼」的矛盾