© 商业与生活 文｜朱晓培
校对｜大道格
明天的天气可以精准预报，城市路况能实时仿真，芯片里几百亿晶体管的运行也都是在计算机中完成数字孪生。那么生命，这个看似最复杂、最神秘的系统，也能在计算机上被数字化、被模拟、推演吗？
" 生命这么复杂、神秘，怎么可能被模拟？" 这几乎是每一位初次见到赵宇博士的人都会脱口而出的疑问。
赵宇是图灵 · 达尔文实验室副主任、哲源科技联合创始人，也是 " 计算医学 " 的发起与倡导人之一。他给出的回答是：计算医学的本质，就是用 AI 理解生命如何运行、疾病如何发生，进而在计算机里模拟药物与人体之间的相互作用，让 " 电子人 " 吃上 " 电子药 "。
这一愿景，直指当前创新药研发的现实困境：高投入，高失败率。有数据显示，全球临床成功率长期徘徊在个位数，一款新药的平均研发成本已逼近 30 亿美元，耗时近 20 年。
AI 制药被视作破局的关键变量，资本也在加速涌入这一赛道。日前，哲源科技就完成了由圣湘生物携产业基金领投，中科创星、张江科投等联合跟投的近 2 亿元 A2 轮融资。
但是，当数十条 AI 设计的管线冲进临床时，众多行业学者却在集体反思 AI 的真实价值。他们认为，当前 AI 制药存在资源错配、概念混淆等现实问题。
2026 年 8 月，Nature 旗下顶级综述类期刊《NatureReviewsDrugDiscovery》刊发了一篇由全球 16 位学者联合署名的观点文章——《药物发现中的人工智能——定义、现状与未来方向》。文章认为，蛋白结构预测、单细胞组学等技术确有突破，但尚无充分证据证明 AI 已系统性改善研发决策或提高临床成功率。抛出了一个核心追问：AI 已产生大量模型和数据，但这些进步究竟在多大程度上转化成了更安全、有效、更快抵达患者的药物？
而摩根士丹利发布的《跨越分子：人工智能药物发现的成败之年》研究报告中指出，化学模型是药企研发体系中的 " 加速器 "，但生物模型的发展水平才能决定 AI 制药行业的价值上限。前者解决的是 " 如何高效开发药物 "，后者则回答 " 能开发什么药物 "，决定了研发的天花板。
不久前，赵宇也与多位学者在国内权威期刊《中国食品药品监管》上，联合发表封面文章《临床价值导向下的 AI 制药范式转型：从 FIC 到 FID 的二元模型协同路径》，提出，应推动创新药研发从 " 同类首创 " 转向 " 疾病领域治疗价值首创 " 范式。
在赵宇看来，国内大量创新停留在化学模型层面，不少 1.1 类新药即便完成变构分子改造、取得新药分类认定，也没有开辟新适应证、满足未解决的临床空白需求，广义上仍属于跟随创新。AI 制药不应止步于 " 材料学 " 层面的计算化学（AIDD/CADD），去卷分子结构设计；而必须回归生物学的 " 第一性原理 " ——用复杂系统科学构建生命运行的数字孪生，在计算机里完成大规模试错与决策导航。唯有如此，才能前瞻性地回答：一款药对谁有效、对谁无效？一旦做到这一点，药物就能精准分配给真正获益的患者，这将是整个社会的巨大福祉。
以下为《商业与生活》与赵宇的独家对话：
01
传统范式，新范式
《商业与生活》：国内资本市场似乎一直不太看好创新药，医药公司 PE 普遍偏低。前几天莫德纳的癌症疫苗消息才带动板块短暂拉升。您怎么看这一现象？
赵宇：传统药研方式下，一支药进入临床二期、三期，股市就会剧烈波动，这种 " 赌运气 " 式的偶然性说明，医学研发至今还不能完全称为 " 科学 "。
我们构建的是一套全新的技术体系，叫做 " 认知生命 "。用 AIforScience 的方式，去获得人类过去无法达到的认知洞见，去研究生命怎么运行、疾病怎么发生。这不是赶 AI 热潮，我们已深耕多年。
《商业与生活》：大家都觉得生命太复杂、太随机，难以模拟。到底什么是 " 计算医学 "？
赵宇：就是计算机仿真模拟在生命科学上的应用。就像天气预报、城市导航、芯片 EDA 设计一样，复杂系统可以被建模。我们面对的是生命这个复杂系统，不能简化，但可以用数字孪生来逼近。
很多人觉得不可能，那是一种 " 习惯性缺失 " ——问题太难，就绕着走做容易的。计算化学（CADD/AIDD）做了几十年，大家都在分子设计、蛋白质结构上卷，但分子做得再多，并没有降低临床失败率。一旦进入 " 死亡之谷 "，依然靠人、靠动物去试。
所谓 " 试 "，就是拿动物试，再拿人试。人体太复杂，你有多少钱、多少人的生命能试出一个适应症？试不出就把所有失败成本摊到成功药上，药价自然越来越贵。
《商业与生活》：那您说的新范式到底是什么？
赵宇：仿真的最大特点，就是把试错放在计算机上。阿尔法狗下棋、导航软件规划路线，都是秒级给最优解。我们以计算医学理解生命，构建了 " 信号通路活性图谱 "，把几千条信号通路的活性用数字描述出来，形成一个人的数字孪生。然后在计算机里建立药物、病人、疾病的模型——电子人吃电子药，模拟病灶、血管、免疫微环境，像打游戏一样瞬间进行上万场 " 战争 "，算力够的话一分钟模拟完，看哪个结局最优，而不是拿真人去试。
摩根士丹利报告、16 位专家联名在《Nature》上呼吁的，正是这个方向。行业必须重视生物学问题，这是第一性原理。很多人习惯对自己能做的抠得很细，对做不到的视而不见，但生命那么复杂，就一定需要仿真模拟。
《商业与生活》：生命科学这个产业前景有多大？
赵宇：美国有判断，到 2050 年，全球 GDP 的 20% 多会和生命科学相关，没有比它更大的产业。但如此庞大的产业，却缺少扎实的科学底座。
行业不缺分子，缺的是药——能治病才叫药，否则只是个分子。所谓 " 双十定律 " 早过时了，现在是近 30 亿美元、20 年时间，其中 80% 花在临床试验上，这就是 " 死亡之谷 "。AI 目前大多用在临床前，很少真正介入临床试验环节。
02
生物学模型是地图，
化学模型是铲子
《商业与生活》：你们做的生物学模型，和行业里常见的 AI 制药模型有什么不同？
赵宇：行业多数在做化学模型（AI+ 物理化学，本质是材料学），而我们做的是生物学模型——直接面对 " 死亡之谷 " 和 " 靶点匮乏 "。全世界 25000 个基因，FDA 只批了 600 多个靶点，国内天天围着几十个靶点转。
一个靶点对应千亿美元级产值，一个管线百亿美元，一个疾病万亿美元。生物学模型是第一性原理，它先回答疾病机制、靶点位置、可成药性，再决定用什么分子去干预。
《商业与生活》：生物学模型和化学模型是什么关系？
赵宇：协同关系。光有科学发现，没有扰动手段没用；光有一堆分子，不知道砍谁也没用。生物学模型是画地图的，告诉你哪里有矿；化学模型是铲子，去挖矿。两者缺一不可。
《商业与生活》：你们选了最难的胰腺癌去验证模型，为什么？
赵宇：胰腺癌是 " 癌症之王 "，全世界没药，发现即晚期，生命周期 6~8 个月，延长一个月都是重大突破。我们用它做标杆，证明模型的高阶能力。我们已经对上百个实体瘤新靶点完成验证，其中胰腺癌管线已进入临床一期，18 个月从靶点发现到申报 IND，速度超过很多仿制药。
《商业与生活》：过程中最大困难是什么？
赵宇：技术本身没有真正困难，全程可控。我们建立了全球最大的 1000 多个胰腺癌数字孪生生物库，导航地图出来后顺藤摸瓜找靶点，再用化学模型做分子。获批临床后，模型还指导选病人、选亚群、设入排条件。刚入组还没用药时，我们就敢说它还能治结直肠癌——因为模型已经推演过。
真正的难题是范式推广。行业习惯专家产生科学认知，不习惯 AI 产生洞见。传统范式 97% 失败率，就是因为用还原论、以分子为中心、靠专家经验碰运气。新范式应该是：AI 产生认知→计算机仿真试错→真实世界只做验证性实验。
《商业与生活》：有没有做过 " 虚拟临床试验 " 的闭环验证？
赵宇：有很多。比如我们和北医合作，完成了全球首个前瞻性虚拟临床试验——提前 4 周预判受试者的 ORR/PR/SD 疗效，8 周揭盲后 100% 匹配，并且清晰区分了获益人群和非获益人群。还有针对百万分之一罕见病激素瘤的预测，10 个单药里预判 8 个无效，真实结果完全一致。这些 " 小而完整的科学闭环 " 证明了模型的前瞻性。
03
旧思维不习惯 AI 新范式，
投资人也难理解
《商业与生活》：这套技术落地，能把二期临床成功率提升多少？
赵宇：《Nature》引用数据说，提升二期临床成功率单药可节省 9 亿美元。但更重要的是，我们不再在现实中盲目试错。传统二期 + 三期耗时 8-9 年，我们通过精准圈定有效人群，可以直接推进三期，3-4 年完成。
受试者不再是分母，而是真正的获益者。不能只看最后成功的那个药，要看到背后大量失败管线的成本。
《商业与生活》：监管审评会有阻力吗？
赵宇：没有。临床审评看的是真实实验数据和证据，不会管科学发现怎么来的。虚拟临床试验是我们计算机里大规模试错的工具，不是给监管看的。所有推论都要经过真实实验验证，再提交传统申报数据包，监管按原有标准审核。
《商业与生活》：但别人相信你们的范式吗？
赵宇：行业根深蒂固两种思维：循证思维和仿制药思维，极度追求 " 确定性 " ——其实就是 " 抄作业 "，等海外三期做完再跟进，结果一个靶点几百家扎堆。
很多 1.1 类新药只是分子修饰，没有实质创新，获批后遇集采，收益微薄。嘴上说创新，实际躲回红海。
数字化时代，生物医药产业的核心要素是：临床数据、数据解读（科学洞见）、临床验证。未来掌握这三类资源的主体将主导产业。跨国药企近 80% 创新管线来自外部收购，自有研发范式红利越来越少。旧范式下，即便是顶级医学家，成功率也不到 2%，本质是 " 买彩票 "。
《商业与生活》：投资人接触你们时什么态度？
赵宇：生物医药投资人大多是药学背景，很难理解 IT 复杂系统；IT 投资人又看不懂生物医药。很多人误以为我们做的是统计学筛选，其实我们是 500 多层卷积神经网络。
我们办公场景没有白大褂做试管，核心算力在超算中心，没有直观 Demo。所以资金大量涌向 AIDD 分子设计，很少投向底层生物学范式。直到最近，行业反思增多，但理解门槛仍在。
《商业与生活》：那你们的融资是怎么做的？
赵宇：投资方多为产业协同方，如国科控股、圣湘生物等产业基金，纯财务风投较少。因为理解难度高，敢投的不多。
产业出路：
从原料药大国到制药强国，靠 IP 输出
《商业与生活》：您认为，国内生物医药产业的出路在哪？
赵宇：国内已把生物医药列为支柱产业，但目前仅 3 万多亿，真正支柱要达 10 万亿。我们拥有全球最完整的 CRO 体系、庞大疾病样本、医院信息化数据、巨大本土市场——唯独缺失科学发现 IP，大量 IP 仍从海外引进。
如果我们还在买海外 IP、做变构分子抢国内市场，那只是 " 压药片 "，国家不会给高定价。真做出全球首创，就该直接冲向美国、冲向全球，向 " 一带一路 " 输出 IP。
中国生物医药产业要跨越临床 " 死亡之谷 "，摆脱对海外靶点 " 抄作业 " 的路径依赖，就必须依靠新技术体系，把这些资源全部驱动起来产出真正原创的科学发现 IP，从原料药大国走向制药强国。
《商业与生活》：你们 IT 和 BT 背景的团队怎么管理？
赵宇：难度很高，两类人群知识体系完全不同。我们的解法是：需要一个 " 总师级 " 人物——一个人脑子里同时懂算法和生物学。不能让两帮人跨边界争论，由总师拆解问题，IT 做 IT 的，BT 做 BT 的，最后汇总。我们有两位这样的合伙人，这类复合型人才极度稀缺。
《商业与生活》：大语言模型对你们的生命模型有提升吗？
赵宇：很多人把语言大模型等同于大模型，但产业里还有基于物理规则的世界模型和基于生物机制的生命模型，三者并列，解决不同问题。大语言模型不产生真正的科学，它倾向 " 谄媚 "、迎合输出，而科学需要客观证伪，这恰恰是它做不到的。我们也会用 LLM 做辅助翻译，把模型输出晦涩的科学洞见转成人类可读的综述，但推演本身不靠它。
— End —
推荐阅读
深度访谈｜双派机器人杨宇智：创业第四年，终于理解了马斯克盯产线的感觉
AI Agent" 三国杀 "：字节抢跑、阿里突围、腾讯蓄势
Vbot 卖了 6540 台，家庭消费级具身智能时代正在到来
" 长河 " 的深度，vivo X300 系列定义旗舰新标准
高德扫街榜首日用户 4000 万：诠释什么叫 " 降维打击 "
内容同步：网易号、同花顺、百家号、今日头条、UC、雪球、企鹅号、一点资讯、知乎、搜狐等。
商业合作、创业者采访：hongzeng629
登录后才可以发布评论哦
打开小程序可以发布评论哦