AI 制药正在成为当下最热的产业议题之一。

大模型带来的能力跃升，让制药行业看到了真正的可能性：过去一个靶点需要反复试错数年，如今 AI 可以在数周内完成高通量筛选；过去解读一篇文献需要数小时，如今大模型可以实时提炼核心结论并横向串联。算法正在从根本上压缩从靶点发现到候选分子诞生的周期。

这种能力变化，也在重塑行业对 AI 的理解。早期行业对 AI 制药的预期更多是一个 " 替代 " 逻辑：人们期待 AI 能绕过人的经验，直接输出可上临床的分子。但随着实践深入，行业逐渐形成新的共识：最有力的路径，是让 AI 与制药 " 老法师 " 协作。

在这条更务实的路上，清华 AIR 孵化的水木分子，是走得最早也最坚定的玩家之一。自 2023 年起，水木分子相继开源 BioMedGPT 百亿参数模型、发布对话式药物研发助手 ChatDD，发布 OpenBioMed Skills 把生物医药的研发流程封装成 45 项可执行技能。再到最新的生物医药情报工具水木知了 APP ——产品路径清晰指向一个目标：成为制药 " 老法师 " 真正离不开的智能助手。

工具层之外，水木分子还在推进一项更重的工程。2025 年，水木分子的第一条自研管线启动——针对自身免疫疾病的双特异性抗体，用 AI 同时阻断两条核心信号通路。

基于 ChatDD- Discovery 平台的计算设计已完成，多款候选分子进入湿实验验证。

从 ChatDD 到双抗管线，水木分子的产品矩阵里，开始有了 " 结果 " 而不只是 " 工具 "。

这背后，是 AIR（清华大学智能产业研究院）一贯的做事逻辑。张亚勤院士（AIR 创始院长）曾说过："AIR 的研究课题，80% 以上源自企业真实需求。" 而水木分子首席科学家聂再清教授，正是这种逻辑最忠实的践行者。

作为清华大学万国数据教授和 AIR 首席研究员，聂再清教授还是 " 十四五 " 国家重点研发计划 BTIT 融合项目新药研发大模型方向的课题负责人，曾任微软亚洲研究院首席研究员，天猫精灵首席科学家，发表论文 50 余篇，拥有专利近 30 项。

而就是这样一位在学界上声誉卓著的教授，在和我们长达两个小时的对话中，没有提过自己的一篇论文、一项专利。谈话的内容始终围绕：产业端的真实反馈、" 老法师 " 的经验如何与 AI 融合、药企到底愿意为哪种服务买单……这些产业端的真问题上。

"AI 制药，不是 AI 替代人类制药，是 AI 与 " 药研 " 老法师 "" 协作制药 " 聂再清教授表示，" 药物研发从 TMDD（手工制药）发展到 AIDD（AI 辅助制药），而现在和未来是 ChatDD ——人机互动、辅助制药的时代。"

" 昨天有个投资人用户专门联系我们，说他们全公司都要求用上了水木知了 APP。

生命科学领域的投资人都特别喜欢水木知了，说是他们做行研的神器。

" 当得到用户的直接反馈时，聂教授会兴奋地向我们展示。

▎以下为与聂再清教授的对话全文，略有删减：

创投家：您能不能通俗地解释一下 AI 技术到底是如何改变药物研发的？

聂再清：我们认为药物研发已经经历了四个阶段。

第一代叫 TMDD（手工制药），主要依靠 " 老法师 " 的经验和直觉；

第二代叫 CADD（计算机辅助制药），计算机会帮助 " 老法师 " 们更好地用药学经验制药，但核心还是 " 老法师 " 自己的判断；

第三代是 AIDD（AI 辅助制药），用 AI 小模型辅助 " 老法师 " 们制药。这个阶段的最大问题就是：" 老法师 " 们的经验和 AI 模型无法融合，" 老法师 " 无法理解 AI 推导出来的分子为什么好，也没法用自然语言指导该怎么改；

第四代就是 ChatDD。最大的区别是：" 老法师 " 们把经验变成自然语言的 Prompt，大模型基于此去触发对应能力，做高通量阅读和计算。这样两边的强项都发挥出来了，大模型的高通量计算、阅读和最新算法预测，加上 " 老法师 " 的经验直觉，形成不断迭代的闭环。

未来肯定是 ChatDD 的时代，5 年内就完全靠 AI 制药还不太可能，但 AI 和智能体的分量会越来越多、越来越重，" 老法师 " 们会越来越离不开它们，这是一个必然的趋势。

创投家：为什么在整个药物研发过程中，" 老法师 " 的经验直觉始终是不可或缺的？

聂再清：  制药是一个非常复杂的问题。迄今为止，生物学还有很多运行机制没有被数字化和解读出来。大模型能计算抗体的亲和力和结构，但进入人体之后，会跟哪些机理发生冲突、导致什么问题，这些目前还都无法计算。而 " 老法师 " 们的经验和直觉在这个时候能提供很大帮助。

创投家：在外部看起来，水木分子的产品矩阵可以说非常复杂，从底层生物医药大模型 BioMedGPT，到对话式研发助手 ChatDD，到生物医药研发 Agent 平台 OpenBioMed Skills，再到最新发布的水木知了 APP。咱们产品开发路径背后的考量是什么？

聂再清：  BioMedGPT 其实是底层的生物医药大模型，本质上是一项技术而非产品；而随着基础模型能力的提升，结合拿到的产业反馈，我们才把算法研发的一些成果封装成标准化的产品发布。

而 " 水木知了 APP" 的诞生，也是我们通过与行业深度交流后发现，辅助决策是大家的一种通用需求。

行业每天都有很多新进展和新成果，但内容非常专业，看懂的门槛很高。行业里很多普通人也需要这些信息，并且需要通俗化的解读，这就让我们看到了一个 " 情报决策助手 " 的机会。为生物医药研发人员提供海量数据、精准检索、趋势洞察、智能推荐生物医药情报与行研服务。

创投家：水木知了 APP 是如何实现 " 情报决策助手 " 这个定位的？

聂再清：水木知了的底层是基于水木分子自研的生物医药大模型 ChatDD FM 、BioMedGPT、推理大模型 BioMedGPT-R1、智能体知识图谱 PharMolix AgentKG 等技术。

APP 具有 " 情报 " 与 " 对话 " 两大模块：" 情报 " 模块通过对海量生物医药相关信息的检索，为用户筛选和推荐经过精准检索的最新科研与行业资讯；" 对话 " 模块则通过自然语言对话方式，基于生物医药智能体知识图谱，深度为用户答疑解惑。

例如最近，水木知了就全新上线全球医学顶会 AI 解读专题。2026 年 6 月 2 日刚刚落幕、被誉为全球肿瘤新药研发风向标的 2026 ASCO 年会，其全量会议摘要已同步上线平台。用户可以第一时间纵览大会精华，关注同行评论，关注新发布研究结果的站位，包括关于 Revolution Medicines 现场公布的胰腺癌 RAS 靶向疗法的解读。

同时，水木知了的服务不仅覆盖生物医药，还延伸至合成生物及 AI for Science、医疗器械、以及大健康 五大前沿领域，致力于打造一个 " 个性化智能情报枢纽 "。

创投家： 所以水木知了 APP 是一个针对生物医药圈小白提升认知的工具？专业的研究员和圈内核心专家也是水木知了的目标受众吗？

聂再清：  水木知了不仅针对行业小白，也可以服务行业专家。专家的使用场景有如下几个：第一，可以用来发布和推广自己的研究成果；第二，生物医药行业很宽，很多专家都是 "T" 字形人才，纵向很深，但在横向上也是小白，可以通过水木知了来建立最新的基础认知。

未来我们还希望专家能够在水木知了 APP 上利用我们提供的工具来完成其他人发布的咨询任务，最终将整个生物医药行业的情报和信息生态都能落在水木知了上。

创投家： 所以水木分子服务的客户群体主要是实验室里的研究人员吗？

聂再清：  不一定是实验室。药企里面做决策的团队、高管，包括关注生物医药领域的投资人，都可能会用。

药企里对于 AI 的需求分几种场景：决策洞察、分子设计和开发、临床。不同的场景对能力的需求不一样。决策和临床对文本和多模态能力需求多一些，分子设计对我们蛋白质相关的模型需求多一些。

目前我们接收到的需求里，决策和临床部分的量更大。比如服务复星医药，我们主要就是帮他们做更好的决策，类似管线要不要上、要不要推进的决策。而服务博奥晶方，我们更多是帮助做疾病机制的理解，什么通路导致了什么疾病。分子设计上，我们也合作了一家胶原蛋白公司和一家 MNC 药物研发公司。

创投家： 水木分子现在的收入结构是怎样的？

聂再清：  第一曲线还是工具类产品，收入占比也最高。第二部分是结果付费——就是我们直接产出分子、药品或者报告等。这部分收入刚刚开始，但想象空间非常大。

创投家： 在水木分子的很多技术发布中都提到了一个词—— " 学术平权 "，让普通研究员在研究方法、研究工具上追平顶级专家的水准。这件事对整个科研体系和专家体系会产生什么影响？未来普通研究员是否也有机会可以直接攻克最顶尖的科研难题？

聂再清：  确实具备了可能性。" 水木知了 " 主要是实现认知层面的平权——让很多知识大家都看得懂、学得会，慢慢变成专家。而 OpenBioMed 是实现算法能力层面的平权——让不懂计算机的研究员也能用上最前沿的算法和最好的论文，把 AI 人员才有的算力和工具能力补全了。

一个普通人，有了 AI 之后是不是也能做出很好的分子？可能性是存在的。随着大模型能力越来越强，一般人也可以通过大模型的建议去做事，碰到一个分子的成功概率就大增了。

创投家： 水木分子要自己做管线，这是一个什么样的战略考虑？未来会从生物医药大模型公司变成生物医药公司吗？

聂再清：  我们的 AI 技术定位是做最好的药物研发 " 助手 "，最终交付的产品是工具、分子还是药品，只是商业上的决策不同，核心都是助手的能力必须很强 , RAAS- Result as a Service。

而助手有三种使用方式：一种是作为工具交给药企的人去使用；另一种是我们自己的专家团队可以接甲方的定向研发诉求，用我们的助手进行研发，并将分子作为交付结果交给甲方；还有一种就是我们的专家团队自己寻找的一些自研管线研发方向，做到某一个程度再卖给甲方，或者有机会的话，可以自己做上市。

更深层的逻辑是：我们要打造真正顶级的药物研发助手，需要与真正懂药的顶级专家进行紧密合作。

创投家：如何平衡 AI 药研助手的研发和管线研发之间的资源分配？

聂再清：前期主要在打磨助手，资源分配在助手上较多。现在助手已经有一些商业化收入，以后可以实现盈亏平衡。管线前期投入是由同时在研的管线数目来控制的，再有一两年年后就会开始有 BD 收入。

创投家：您自己给自研管线设定的时间有多长？

聂再清：自研管线立项后顺利的话一般两年后就可以有 BD 收入，我们可根据资源的富裕程度来决定是否在早期就 BD 出去一部分权益。

创投家： 做管线会和现有药企合作伙伴产生竞争吗？

聂再清：  医药企业之间最终在靶点层面才存在竞争。只要避开合作客户选择的靶点，我们就可以自由研发药物，合作伙伴也不会有意见。

创投家：我们关注到水木分子正在大力招聘药研人才？咱们准备从哪个方向开始做管线？

聂再清：对，我们正在招聘抗体工程与药物设计专家 , 包含计算方向和实验方向。

水木分子选择从自免领域的适应症入手建立了第一条自研管线。这次选择的是一类由复杂多信号通路网络调控的自身免疫性疾病，现有疗法仅仅针对单一靶点，疗效有限。

基于 ChatDD-Insight 对致病机制的系统分析，我们决定用人工智能设计双特异性抗体，同时阻断两条核心信号通路。目前，基于 ChatDD-Discovery 平台的计算设计已经完成，已产出多款性能优异的候选分子， 初步湿实验结果非常好，接下来会继续进行更多湿实验和临床前的验证。

未来，水木分子将把这一能力扩展到肿瘤及更多疾病领域，用人工智能高速、系统性地打造一系列创新药物管线。

创投家：就您过往的履历而言，其实并没有生物医药赛道的标签，为什么会选择做一家 AI 生物医药公司呢？ 

聂再清：  大模型这次带来的技术进展非常大。亚勤把它称作第四次工业革命，各行各业都会被大模型技术改变。

我们在 2023 年成立水木分子的时候就判断，如果要全力投入算力去做通用大模型，已经是一片红海了。不如在一个相对垂直的赛道进入，会有更充足的资源去支撑。

另外，如果要做垂直领域，到底哪个行业最好？我们判断的标准是：最好的行业，其数据本身一定要具备和自然语言不一样的 " 语法 "。如果用自然语言就能解决，那这个领域迟早会被通用大模型覆盖掉。

从这个标准来看，生物医药是一个特别好的领域。这个赛道最重要的一种语言叫 " 蛋白质语言 "。大部分药物功能都是由不同的蛋白质结构支撑的，而蛋白质语言的语法直接决定了其功能结构规律，这是一种非常有潜力的数据领域。

虽然蛋白质语言目前看上去没有自然语言体系那么庞大，但它是一切的基础。而且蛋白质语言在植物、动物、人身上都存在，是真正通用的语言，未来产生的功效可能比自然语言还要大。

我们在蛋白质语言的领域去构建一个模型，有可能实现一个对社会有更大价值的事。

创投家：从学术研究者过渡到创业公司的首席科学家，您是如何看待这两个身份的转换？

聂再清：  也不能说有很大转换。我一直想做的一件事，就是把技术创新落实在产业中真正产生价值。

学术研究有时会脱离产业，不一定把产业价值放在第一位。但我一直比较喜欢做那种能听到用户反馈的研究。

在微软亚洲研究院的时候，我提出过一个概念叫 "Deployment-Driven Research"（部署驱动的科研）。

秉承这一理念，我们组做了学术搜索、人立方这些系统，都是真正部署到用户端、与用户打交道的系统。

在清华 AIR，我也希望技术能够通过某种产品或服务真正赋能行业，产生真实的反馈。在水木分子里也一样，最重要的事情就是关注产业和用户的反馈。

创投家： 您觉得生物医药 AI 的 ChatGPT 时刻会在什么时候到来？

聂再清：  应该还需要 3 到 5 年。标志就是，干实验结果和湿实验结果的相关性越来越高，高到让 " 老法师 " 们都觉得无法忽视干实验的结果。让 " 老法师 " 们日常的所有工作都离不开 AI，都想听听 AI 的建议，ChatGPT 时刻就到来了。

现在决策和临床部分其实已经接近这个状态了，只是分子设计还没真正达到。

创投家：您预期把水木分子做成一家怎样的公司？

聂再清：  我们希望水木分子做推出行业内大家都离不开的药物研发助手；同时，通过 " 药研管线 +AI 大模型 " 的双驱动模式，去重塑新药研发的底层范式，让过去高不可攀的药物研发变得更高效、更普惠，从根本上加速人类攻克重大疾病的进程。