AI for Science（AI4S）時代到來。生命科學(xué)領(lǐng)域隨之迎來一場深層次的范式革命，傳統(tǒng)依賴試錯與經(jīng)驗積累的研發(fā)路徑，正被以人工智能為核心的數(shù)據(jù)驅(qū)動模式重塑。

AI技術(shù)將原本海量、分散且復(fù)雜的生物信息轉(zhuǎn)化為可驗證、可復(fù)現(xiàn)的科學(xué)規(guī)律，突破了長期以來困擾生命科學(xué)研發(fā)的效率瓶頸和結(jié)構(gòu)再現(xiàn)性難題。

在這一變革基礎(chǔ)上，AI for Life Sciences（AI4LS）正加速構(gòu)建以數(shù)據(jù)為核心生產(chǎn)要素的新型科研基礎(chǔ)設(shè)施。該體系涵蓋高通量數(shù)據(jù)采集、智能算法建模、自動化實驗驗證與知識圖譜構(gòu)建等關(guān)鍵技術(shù)模塊，形成創(chuàng)新的研發(fā)生態(tài)。

當(dāng)前，AI4LS已在藥物研發(fā)、研發(fā)實驗室、基因組學(xué)、合成生物學(xué)等多個前沿領(lǐng)域展現(xiàn)出賦能效應(yīng)?？梢灶A(yù)見，AI4LS將持續(xù)引領(lǐng)生命科學(xué)向更加高效、精準、可預(yù)測的方向演進，成為推動生物經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵引擎。

弗若斯特沙利文（簡稱“沙利文”）于2025年11月4號正式發(fā)布《2025中國AI4LS行業(yè)發(fā)展藍皮書》（以下簡稱“藍皮書”），全面解析了AI4LS從科學(xué)研究范式演變、多維驅(qū)動體系到場景應(yīng)用落地的全景生態(tài)，并系統(tǒng)梳理了技術(shù)矩陣、商業(yè)模式及未來趨勢。

通過對高潛力賽道與核心增長動力的深度挖掘，本藍皮書旨在為相關(guān)企業(yè)與投資者提供具備前瞻性的市場洞察與戰(zhàn)略決策參考。

掃描二維碼立即獲取報告

第一章 AI4LS的概覽

從“工具輔助”至“范式重構(gòu)”，AI4LS通過機器智能與科學(xué)原理的深度融合，重塑生命科學(xué)的研究規(guī)則

AI4S范式的核心定義

圖靈獎得主Jim Gray提出的四范式理論為理解科研模式演變提供了經(jīng)典框架，而當(dāng)前科學(xué)家們正在提出的第五范式——以AI為核心的智能化科研AI for Science（AI4S）。AI4S所代表的下一代科學(xué)范式，是指融合機器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)，分析處理多維度、多模態(tài)、多場景下的模擬和真實數(shù)據(jù)。不同于傳統(tǒng)計算機，其作用僅能代替人類完成復(fù)雜繁瑣的計算。AI更加追求“智能”，希望計算機能夠模擬人類思考，從而進行學(xué)習(xí)、推理與決策。

AI4S范式的技術(shù)路徑

自文藝復(fù)興以來，科學(xué)研究的演進始終沿著數(shù)據(jù)驅(qū)動與模型驅(qū)動兩條并行的范式展開。數(shù)據(jù)驅(qū)動的范式擁有統(tǒng)計學(xué)方法與機器學(xué)習(xí)技術(shù)的加持，然而固有“黑箱”的特性導(dǎo)致其難以對結(jié)論形成機理層面的解釋；模型驅(qū)動研究通過揭示自然界的底層規(guī)律推動理論科學(xué)的突破性發(fā)展，但苦于計算量巨大，在需要使用這些原理時，人們往往陷入空有理論而無法使用的境地。

AI4LS開創(chuàng)性地將兩者深度融合，即從“數(shù)據(jù)”中提煉經(jīng)驗性“原理”，也可以使用“原理”來仿真模擬出“數(shù)據(jù)”。相較于其他領(lǐng)域如自然語言處理中大模型對符號關(guān)聯(lián)的淺層建模，AI4LS所實現(xiàn)的機理層融合使得復(fù)雜的系統(tǒng)研究成為可能。

AI4S的應(yīng)用領(lǐng)域——生命科學(xué)

從生命科學(xué)中的蛋白質(zhì)結(jié)構(gòu)預(yù)測，到材料科學(xué)中的新型配方設(shè)計，再到地球科學(xué)中的氣候建模與能源系統(tǒng)優(yōu)化，AI4S正嵌入多個科學(xué)領(lǐng)域。某些領(lǐng)域具有獨特的科研特征與產(chǎn)業(yè)需求，成為AI4S能力釋放最為徹底、價值體現(xiàn)最為顯著的代表。其中，生命科學(xué)因其數(shù)據(jù)基礎(chǔ)深厚、問題復(fù)雜度高與應(yīng)用前景廣，正逐步確立其作為AI4S最理想應(yīng)用場景之一的地位。

生命科學(xué)領(lǐng)域的研究對象具有極高的復(fù)雜性與多樣性，從微觀的分子結(jié)構(gòu)到宏觀的生理過程，傳統(tǒng)方法往往面臨數(shù)據(jù)過于龐大、變量關(guān)系難以解析以及研發(fā)周期漫長等諸多難題。而AI4LS恰好具備處理多維復(fù)雜數(shù)據(jù)的天然優(yōu)勢，能夠快速發(fā)現(xiàn)隱藏在海量數(shù)據(jù)背后的潛在規(guī)律，并將這些規(guī)律轉(zhuǎn)化為精準的預(yù)測與優(yōu)化策略，大幅提升生命科學(xué)研究與產(chǎn)業(yè)開發(fā)的效率和成功率。藍皮書內(nèi)對AI4LS成果中AlphaFold 3、Chai-2和Boltz-2進行重點呈現(xiàn)。更多內(nèi)容請參見完整版報告。

AI4LS的發(fā)展歷程

當(dāng)以較長的時間周期和更宏觀的視角去總結(jié)和預(yù)測AI4LS行業(yè)的發(fā)展，按照行業(yè)總體上需要解決的問題，可以把AI4LS的歷史和未來可預(yù)見范圍內(nèi)的發(fā)展大致分為三個階段：

?概念導(dǎo)入期——“模仿”階段（2016-2021）：AI4LS 1.0的角色是“智能外延”。算法基本依賴人工設(shè)置的規(guī)則進行學(xué)習(xí)，屬于數(shù)據(jù)的智能延伸，通過深度學(xué)習(xí)海量實驗觀測數(shù)據(jù)實現(xiàn)規(guī)律總結(jié)。

?大規(guī)?；A(chǔ)設(shè)施建設(shè)期——“預(yù)測”階段（2021-2026）：AI4LS2.0的關(guān)鍵詞為“預(yù)測”，強調(diào)有邊界、有誤差評估、可驗證性。AI不再是“盲目學(xué)習(xí)者”，而是帶著約束與目標在特定科學(xué)框架內(nèi)運行。

?成熟應(yīng)用期——“創(chuàng)造”階段（2026年及以后）：AI4LS3.0從“預(yù)測助手”躍遷為“設(shè)計者與探索者”，具備從功能需求到結(jié)構(gòu)設(shè)計的全閉環(huán)自主能力，真正實現(xiàn)在復(fù)雜系統(tǒng)中的自主創(chuàng)新。

此外，藍皮書分別對AI4LS三大發(fā)展階段的典型應(yīng)用和關(guān)鍵轉(zhuǎn)折事件進行梳理和呈現(xiàn)。更多內(nèi)容請參見完整版報告。

第二章 AI4LS多維驅(qū)動體系

產(chǎn)業(yè)需求牽引、政策引導(dǎo)護航、技術(shù)矩陣支撐與資本賦能

產(chǎn)業(yè)需求——在基礎(chǔ)科學(xué)研究的指數(shù)級進步與產(chǎn)業(yè)轉(zhuǎn)化需求在日益增長的背景下，生命科學(xué)行業(yè)長期面臨著數(shù)據(jù)規(guī)模、實驗成本與研發(fā)周期的“不可能三角”

01實驗成本阻礙科學(xué)突破

實驗成本的持續(xù)攀升正成為生命科學(xué)產(chǎn)業(yè)轉(zhuǎn)型升級的硬性約束。從早期高通量篩選到臨床前體外實驗，大量昂貴且重復(fù)的濕實驗不斷推高研發(fā)費用，使新項目的資本回報周期被拉長，投資人和企業(yè)的風(fēng)險承受閾值迅速逼近極限。專業(yè)技術(shù)人員短缺更進一步放大了時間與資金消耗，造成創(chuàng)新管線在前進途中頻頻受阻。藍皮書將從濕實驗環(huán)節(jié)和重復(fù)性人工操作角度拆解實驗成本。更多內(nèi)容請參見完整版報告。

02研發(fā)周期放大失敗風(fēng)險

在生命科學(xué)產(chǎn)業(yè)中，研發(fā)周期過長與項目成功率偏低是長期制約行業(yè)效率與創(chuàng)新活力的核心難題。在資本趨于審慎、市場競爭加劇的背景下，傳統(tǒng)研發(fā)流程顯得愈發(fā)笨重低效。因此，如何在保障科學(xué)嚴謹性的前提下壓縮時間成本、提高決策效率與試驗命中率，正成為驅(qū)動產(chǎn)業(yè)向AI4LS加速融合的關(guān)鍵動因。藍皮書將從線性流程與高失敗率、臨床招募與設(shè)計滯后兩個角度分析研發(fā)周期的高風(fēng)險所在。更多內(nèi)容請參見完整版報告。

03數(shù)據(jù)規(guī)模限制研究效率

在生命科學(xué)邁向數(shù)據(jù)驅(qū)動時代的進程中，日益龐大的數(shù)據(jù)規(guī)模已成為推動產(chǎn)業(yè)轉(zhuǎn)型的關(guān)鍵力量。這一趨勢不僅體現(xiàn)在數(shù)據(jù)生成速度的激增，還包括跨機構(gòu)數(shù)據(jù)整合的障礙和高質(zhì)量標注資源的匱乏，全面制約了研究效率和知識轉(zhuǎn)化能力。藍皮書梳理數(shù)據(jù)爆發(fā)與處理壓力、數(shù)據(jù)孤島與共享障礙、數(shù)據(jù)質(zhì)量與通量瓶頸等數(shù)據(jù)規(guī)模帶來的挑戰(zhàn)。更多內(nèi)容請參見完整版報告。

04倫理壓力影響實驗進展

當(dāng)前，以高通量篩選為代表的實驗技術(shù)雖能加速數(shù)據(jù)采集，但其依賴的專用耗材與大規(guī)模動物模型導(dǎo)致單次實驗成本高達數(shù)十萬美元。而涉及靈長類等高等動物的復(fù)雜藥效評估，則因倫理審查壓力不斷升級面臨實施壁壘。更嚴峻的是，實驗方案的不可復(fù)現(xiàn)性進一步加劇資源浪費，導(dǎo)致大量初期實驗結(jié)果無法向臨床研究階段有效轉(zhuǎn)化。資源密集型的研發(fā)模式推高研發(fā)成本，更在倫理合規(guī)與生態(tài)可持續(xù)性層面引發(fā)系統(tǒng)性風(fēng)險。從歐美的政策動向來看，F(xiàn)DA正通過立法與監(jiān)管更新，加速將AI、器官芯片等新興技術(shù)納入藥物評估流程，逐步取消對動物實驗的依賴，EMA以政策指令和科學(xué)評估為抓手，系統(tǒng)推動動物實驗的替代方法在化學(xué)品與藥品開發(fā)中的廣泛應(yīng)用。藍皮書對相關(guān)政策進行系統(tǒng)性梳理。更多內(nèi)容請參見完整版報告。

政策引導(dǎo)——中國政府高度重視以AI為核心的技術(shù)革新在生命科學(xué)領(lǐng)域的戰(zhàn)略價值，構(gòu)建了從國家頂層設(shè)計到地方實踐支持的多層次政策體系

面向AI4LS的政策，政策數(shù)量呈現(xiàn)數(shù)量持續(xù)攀升、內(nèi)容不斷細化、關(guān)注重心由宏觀頂層設(shè)計向示范應(yīng)用和治理標準邁進的發(fā)展趨勢。

早期政策以國家級規(guī)劃和專項經(jīng)費為主，著力構(gòu)建大數(shù)據(jù)平臺、高通量自動化實驗中心與公共算力基礎(chǔ)；進入“十四五”階段后，陸續(xù)下發(fā)一系列聚焦場景示范的應(yīng)用通知，并配套生成式AI管理辦法及標準建設(shè)征求稿，表明監(jiān)管與標準化正成為行業(yè)健康發(fā)展的核心。

國務(wù)院也于2025年8月印發(fā)《關(guān)于深入實施“人工智能+”行動的意見》（國發(fā)〔2025〕11號），將醫(yī)藥健康作為應(yīng)用方向之一，推動人工智能與生物醫(yī)藥的深度融合。與此同時，各地政府也不斷補強區(qū)域創(chuàng)新生態(tài)，聚焦示范區(qū)打造、人才引育、專用平臺孵化及產(chǎn)業(yè)全鏈條扶持。

總體來看，AI4LS政策既加大經(jīng)費與項目支持力度，也日益強調(diào)應(yīng)用場景落地、標準規(guī)則和可持續(xù)治理，為AI驅(qū)動的生命科學(xué)研究和產(chǎn)業(yè)化轉(zhuǎn)型奠定了更為全面的制度基礎(chǔ)。

此外，藍皮書匯總了國家及各地政策在2017年至2025年期間出臺的AI相關(guān)產(chǎn)業(yè)發(fā)展支持政策。更多內(nèi)容請參見完整版報告。

技術(shù)矩陣——AI4LS在生命科學(xué)領(lǐng)域的落地依托于五大核心技術(shù)支柱的快速發(fā)展

數(shù)據(jù)資源：生命科學(xué)領(lǐng)域的“基礎(chǔ)設(shè)施”

大規(guī)模、高質(zhì)量的數(shù)據(jù)資源是AI4LS模型訓(xùn)練和科學(xué)發(fā)現(xiàn)的基石，而獲取方式正由傳統(tǒng)的人工實驗逐步轉(zhuǎn)向自動化的生產(chǎn)模式。自動化的意義在于數(shù)據(jù)產(chǎn)出量的指數(shù)級擴張，更體現(xiàn)于通過標準化、閉環(huán)化和高可信度的數(shù)據(jù)供給。

藍皮書對被定義為生命科學(xué)“數(shù)據(jù)工廠”的實驗室自動化平臺進行了深入剖析，更多內(nèi)容請參見完整版報告。

此外，當(dāng)前生命科學(xué)研究呈現(xiàn)出多模態(tài)數(shù)據(jù)并存的特征，這些數(shù)據(jù)信息在整體上勾勒生命過程的全貌，遠超單一數(shù)據(jù)維度所能提供的洞見。人工智能技術(shù)對其價值的挖掘，可以自動提取出基因序列、蛋白結(jié)構(gòu)、影像病灶、臨床表型等高維特征，并在統(tǒng)一的模型中學(xué)習(xí)它們之間的關(guān)聯(lián)，在更高層次上揭示生命科學(xué)的規(guī)律。

算法平臺——從海量數(shù)據(jù)中萃取科學(xué)發(fā)現(xiàn)

隨著Transformer、GNN等深度學(xué)習(xí)架構(gòu)的引入，AI模型在處理序列信息和多模態(tài)輸入方面能力顯著增強，使得從DNA序列到蛋白質(zhì)結(jié)構(gòu)、從化合物結(jié)構(gòu)到表型行為的“端到端建?！背蔀榭赡?。

藍皮書報告內(nèi)匯總了海內(nèi)外包括AlphaFold3、Lingo3DMol、Biotrajectory以及NanoForge在內(nèi)應(yīng)的實例，更多內(nèi)容請參見完整版報告。

強化學(xué)習(xí)優(yōu)化通過構(gòu)建與實驗系統(tǒng)或生理模型的交互環(huán)境，從而實現(xiàn)實驗設(shè)計、參數(shù)調(diào)控、治療路徑選擇等關(guān)鍵任務(wù)的動態(tài)優(yōu)化。此外，模擬復(fù)雜過程中的因果推理能力，其適配現(xiàn)實場景，主要應(yīng)用在分子合成路徑規(guī)劃、生物實驗路徑搜索和個性化治療等領(lǐng)域。

此外，藍皮書還對其他技術(shù)矩陣的細分模塊展開解析，包括提供規(guī)?；?、高速的計算能力的算力平臺、確保模型輸出符合科學(xué)規(guī)律的領(lǐng)域知識嵌入以及支撐系統(tǒng)運行與交叉創(chuàng)新的復(fù)合團隊。更多內(nèi)容請參見完整版報告。

資本支持——資本往往支持那些建立系統(tǒng)性壁壘并形成跨科研、產(chǎn)業(yè)、資本的聯(lián)動，且具備更強的放大潛力與穩(wěn)定成長性的企業(yè)

藍皮書呈現(xiàn)了2019年至2024年期間中國AI制藥領(lǐng)域一級市場投融資情況，總體來看，投融資熱度從高峰后回調(diào)，資本逐漸回歸理性、更加注重技術(shù)落地與產(chǎn)業(yè)協(xié)同的大背景下，AI4LS領(lǐng)域的投融資邏輯也正在發(fā)生深刻轉(zhuǎn)變。

相比早期對算法突破或概念創(chuàng)新的單點關(guān)注，當(dāng)前資本更加青睞具備結(jié)構(gòu)化能力的企業(yè)——往往擁有可驗證的技術(shù)路線、可擴展的平臺架構(gòu)以及可對接產(chǎn)業(yè)需求的實際應(yīng)用路徑。資本押注的不再是“是否會做AI”，而是“能否將AI嵌入生命科學(xué)核心流程中并持續(xù)釋放價值”。

在這一趨勢下，藍皮書從技術(shù)、應(yīng)用場景和商業(yè)化路徑和產(chǎn)業(yè)協(xié)同能力的維度對資本所青睞的企業(yè)特征進行了歸納梳理。更多內(nèi)容請參見完整版報告。

場景應(yīng)用解析和挑戰(zhàn)應(yīng)對策略

AI4LS廣泛滲透至多樣化的應(yīng)用場景并發(fā)揮效應(yīng)，在技術(shù)、科學(xué)融合、倫理與法律以及生態(tài)系統(tǒng)方面的挑戰(zhàn)亟待應(yīng)對

應(yīng)用場景：藥物研發(fā)

AI正重構(gòu)藥物研發(fā)各關(guān)鍵環(huán)節(jié)的技術(shù)路徑與效率邊界，提升設(shè)計質(zhì)量與開發(fā)成功率重塑藥物研發(fā)核心環(huán)節(jié)

人工智能技術(shù)能夠在低樣本、小數(shù)據(jù)、復(fù)雜非線性問題中構(gòu)建出穩(wěn)定可遷移的預(yù)測與生成模型，從而實現(xiàn)在多個階段同時提升設(shè)計質(zhì)量與成功概率，改變了藥物研發(fā)長期依賴經(jīng)驗、線性推進的被動模式。從制藥的流程看，AI技術(shù)已經(jīng)在多個環(huán)節(jié)找到了適合自己的應(yīng)用場景：

藍皮書進一步對AI在包括靶點的發(fā)現(xiàn)與驗證、結(jié)合位點確證、苗頭化合物發(fā)現(xiàn)、先導(dǎo)化合物優(yōu)化、成藥性優(yōu)化以及臨床前驗證在內(nèi)的細分研發(fā)環(huán)節(jié)展開解析，體現(xiàn)了AI在研發(fā)范式重構(gòu)中的系統(tǒng)性價值。更多內(nèi)容請參見完整版報告。

AI技術(shù)企業(yè)與藥物管線

AI藥物管線正由早期探索集中邁向驗證與確證階段，關(guān)鍵代表項目已在多個靶點上體現(xiàn)出從機制創(chuàng)新到臨床推進的可行性與速度優(yōu)勢。藍皮書梳理了AI開發(fā)藥物管線在不同臨床階段、不同疾病領(lǐng)域與不同研發(fā)環(huán)節(jié)的結(jié)構(gòu)特征。更多內(nèi)容請參見完整版報告。

藥物研發(fā)場景下的代表性AI企業(yè)

不同類型企業(yè)圍繞平臺構(gòu)建、模型驅(qū)動與落地能力展開多元探索，代表性公司通過差異化技術(shù)路徑和應(yīng)用模式，正在推動AI從工具向賦能主體的躍遷。

藍皮書中列舉了AI+Biotech、AI+SaaS/技術(shù)平臺、AI+CRO與AI+Hybrid四種類型企業(yè)及其代表性企業(yè)案例。更多內(nèi)容請參見完整版報告。

應(yīng)用場景——智慧研發(fā)實驗室

智慧實驗室通過系統(tǒng)化改造與智能化集成，打破傳統(tǒng)實驗體系中的效率瓶頸與再現(xiàn)性難題，構(gòu)建以數(shù)據(jù)驅(qū)動為核心的新一代生命科學(xué)研發(fā)基礎(chǔ)設(shè)施

傳統(tǒng)生命科學(xué)實驗的痛點分析

藍皮書解析了影響傳統(tǒng)生命科學(xué)實驗發(fā)展的關(guān)鍵障礙，包括效率與通量瓶頸、數(shù)據(jù)孤島與管理混亂以及復(fù)現(xiàn)性與一致性的不足，并說明這些長期積累的結(jié)構(gòu)性矛盾如何制約生命科學(xué)發(fā)展效率、可靠性與智能化水平，也正是智慧實驗室這一全新范式出現(xiàn)的根本驅(qū)動力。更多內(nèi)容請參見完整版報告。

智慧實驗室的發(fā)展目標

智慧實驗室的發(fā)展目標是以系統(tǒng)性重構(gòu)的方式，全面提升生命科學(xué)研究的效率、標準化水平、數(shù)據(jù)價值和智能決策能力。

藍皮書系統(tǒng)闡述了智慧實驗室的發(fā)展目標，核心圍繞效率提升、標準化重構(gòu)、數(shù)據(jù)價值挖掘、智能決策驅(qū)動四大維度展開。更多內(nèi)容請參見完整版報告。

頂層設(shè)計框架指導(dǎo)智慧實驗室的構(gòu)建

智慧實驗室并非一蹴而就地構(gòu)建完成，而是通過一個由基礎(chǔ)到高級、由局部自動化到整體智能化的演進過程推進的。技術(shù)體系的每一層都承接并回應(yīng)著相應(yīng)的發(fā)展目標，構(gòu)成智慧實驗室頂層架構(gòu)中的關(guān)鍵支柱。

藍皮書內(nèi)呈現(xiàn)了智慧實驗室在五個層級從逐步搭建與集成的路徑。更多內(nèi)容請參見完整版報告。

實驗室自動化的發(fā)展路徑

在生命科學(xué)自動化版圖里，中國企業(yè)正沿著“單模塊—工作站—系統(tǒng)—智慧”四個迭代臺階迅速鋪開。前期以硬件解放人力、規(guī)范操作流程為核心，中期通過系統(tǒng)集成實現(xiàn)流程連續(xù)化與數(shù)據(jù)一體化，而最終則依托AI與算法構(gòu)建具備自學(xué)習(xí)與自優(yōu)化能力的科研閉環(huán)。

藍皮書系統(tǒng)梳理了單模塊自動化、工作站自動化、系統(tǒng)自動化與智慧自動化及其代表產(chǎn)品。中國企業(yè)正通過以上技術(shù)路徑，推動智慧實驗室從單點設(shè)備升級為系統(tǒng)集成，構(gòu)建具備自主執(zhí)行與動態(tài)調(diào)度能力的新型科研基礎(chǔ)設(shè)施。更多內(nèi)容請參見完整版報告。

藍皮書進一步拓展了AI技術(shù)更多生物科技鏈條的實踐圖譜——AI技術(shù)在合成生物學(xué)場景中的精準設(shè)計能力以及在基因組學(xué)與個性化醫(yī)療場景中的數(shù)據(jù)解讀價值，均被系統(tǒng)梳理并呈現(xiàn)于報告之中。更多內(nèi)容請參見完整版報告。

場景應(yīng)用解析和挑戰(zhàn)應(yīng)對策略

中國AI4LS行業(yè)在產(chǎn)業(yè)協(xié)作、跨界融合與自主創(chuàng)新的協(xié)同驅(qū)動下，正加速形成全球競爭力，邁向從技術(shù)追隨到范式引領(lǐng)的轉(zhuǎn)變

藍皮書內(nèi)系統(tǒng)性梳理了以下中國AI4LS行業(yè)在產(chǎn)業(yè)協(xié)作、跨界融合以及自主創(chuàng)新方面的發(fā)展趨勢。具體內(nèi)容請參見完整版報告。

?產(chǎn)業(yè)合作推動AI4LS商業(yè)化落地：中國AI4LS企業(yè)正通過“驗證+協(xié)作”、“標準+接口”、“整合+落地”的深度產(chǎn)業(yè)合作路徑，打通從算法模型到臨床應(yīng)用的關(guān)鍵環(huán)節(jié)，加速技術(shù)落地轉(zhuǎn)化與商業(yè)模式構(gòu)建。

?跨領(lǐng)域協(xié)同帶動平臺型企業(yè)崛起：AI4S技術(shù)的通用性正推動中國企業(yè)跨領(lǐng)域融合、多場景復(fù)制，眾多平臺型企業(yè)加速崛起，構(gòu)建起貫通醫(yī)藥、材料、能源等產(chǎn)業(yè)的多元化創(chuàng)新生態(tài)。

?科研、產(chǎn)業(yè)、創(chuàng)新三重驅(qū)動下的孕育環(huán)境：中國AI4LS企業(yè)在科研投入、產(chǎn)業(yè)基礎(chǔ)和創(chuàng)新能力的三重驅(qū)動下，正逐步建立起支撐管線開發(fā)、自主創(chuàng)新和全球競爭的系統(tǒng)性優(yōu)勢，孕育出面向國際舞臺的行業(yè)龍頭企業(yè)。

部分中國AI4LS領(lǐng)域的企業(yè)介紹

藍皮書匯總了包括鎂伽科技、望石智慧、予路乾行、劑泰科技在內(nèi)的AI4LS領(lǐng)域企業(yè)作為案例研究，這些企業(yè)正通過其在智慧實驗室、藥物研發(fā)、分子動力學(xué)模擬及納米遞送等關(guān)鍵環(huán)節(jié)的技術(shù)突破與模式創(chuàng)新，展現(xiàn)了中國AI4LS領(lǐng)域多元化的技術(shù)路徑與蓬勃的產(chǎn)業(yè)生態(tài)。

鎂伽科技

鎂伽科技是中國機器人技術(shù)應(yīng)用領(lǐng)域領(lǐng)先的自主智能體（Autonomous agents）提供商，致力于為智慧實驗室與智能制造場景提供全面的自主智能體及多智能體解決方案。

通過高度智能化的軟硬件系統(tǒng)，推動行業(yè)加速邁向高效、精準、可持續(xù)的智能化未來。憑借在人工智能與機器人自動化領(lǐng)域創(chuàng)新性構(gòu)建的“感知（Perception）、構(gòu)思（Conception）及執(zhí)行（Execution）”閉環(huán)技術(shù)架構(gòu)，鎂伽的多功能自主智能體能夠獨立執(zhí)行復(fù)雜任務(wù)，同時模塊化產(chǎn)品組合設(shè)計可輕松配置并規(guī)?；渴鹩诓煌瑘鼍?，將人力從重復(fù)性工作中解放出來，使其專注于實驗室與制造場景中的高價值任務(wù)，為下一代科研與制造業(yè)等領(lǐng)域發(fā)展做好前瞻布局。

目前，鎂伽正將技術(shù)優(yōu)勢與產(chǎn)品創(chuàng)新力應(yīng)用于生命科學(xué)及化工、食品飲料及農(nóng)業(yè)、消費級集成電路、新能源等行業(yè)，并持續(xù)拓展至更為多元化的戰(zhàn)略新興領(lǐng)域，助力客戶建設(shè)智能組織、突破技術(shù)邊界、重塑運營范式，成為引領(lǐng)產(chǎn)業(yè)升級轉(zhuǎn)型的關(guān)鍵驅(qū)動者與最佳合作伙伴。

望石智慧

望石智慧（StoneWise）成立于2018年，是一家使用人工智能技術(shù)驅(qū)動新藥研發(fā)的科技公司。

憑借人工智能藥物研發(fā)底層理論的突破、藥物研發(fā)數(shù)據(jù)的深度治理、藥物研發(fā)行業(yè)的沉淀認知和強大的軟件與工程能力，望石搭建了能夠精準地生成與靶點口袋結(jié)構(gòu)契合的分子或分子骨架的多模態(tài)AI 3D分子生成大模型基座。

公司的分子生成模型以GPT/Transformer框架為基礎(chǔ)，融合了幾何深度學(xué)習(xí)等算法。該模型還可作為基座模型，合作伙伴能夠在此基礎(chǔ)上，充分整合自身擁有的數(shù)據(jù)、認知以及模型等要素，進行定制化迭代。

目前，已有近百家藥企、科研機構(gòu)客戶日常使用。依托該模型，公司內(nèi)部自研管線已收獲顯著成果，其中最快的管線已進入臨床一期；同時基座模型衍生出的實體庫業(yè)務(wù)，也在海內(nèi)外積極擴展中。

予路乾行

蘇州予路乾行生物科技有限公司（Divamics Inc.）是一家以人工智能、量子力學(xué)及分子模擬算法為核心技術(shù)的新藥早研企業(yè)。

公司自創(chuàng)立之初即定位服務(wù)全球市場，依托自研的Divamics多尺度分子動力學(xué)平臺與Biotrajectory動力學(xué)軌跡數(shù)據(jù)庫，以獨創(chuàng)的“分子電影”藥物設(shè)計理念，為生物醫(yī)藥企業(yè)提供AI驅(qū)動的Hit-to-PCC一體化藥物研發(fā)服務(wù)。

目前已服務(wù)國內(nèi)外50多家醫(yī)藥行業(yè)客戶，合作推進80余條新藥研發(fā)管線。公司總部位于蘇州，在北京設(shè)有計算中心，在新加坡、日本設(shè)有BD中心。

劑泰科技

劑泰科技是一家人工智能驅(qū)動納米材料創(chuàng)新的生物科技公司，專注于利用靶向藥物遞送和發(fā)現(xiàn)技術(shù)，加速患者在重要疾病領(lǐng)域獲得創(chuàng)新療法。公司由美國工程院院士陳紅敏博士以及MIT科學(xué)家賴才達博士、王文首博士聯(lián)合創(chuàng)立，已獲得國家專精特新“小巨人”、國家高新技術(shù)企業(yè)等重要資質(zhì)認定。

公司自主開發(fā)全球首個人工智能驅(qū)動的納米遞送解決方案提供平臺NanoForge，擁有目前全球最大規(guī)模千萬級LNP脂質(zhì)庫，并基于NanoForge打造了三大核心解決方案：AiLNP（AI核酸遞送系統(tǒng)設(shè)計平臺）、AiRNA（AI mRNA序列設(shè)計平臺）、AiTEM（AI小分子制劑設(shè)計平臺）。

公司已具備實現(xiàn)肝臟、肺部、肌肉和免疫細胞等8個關(guān)鍵器官和組織LNP精準靶向遞送能力，在多器官、多組織靶向遞送難題上取得突破性進展，為腫瘤、代謝系統(tǒng)疾病、自體免疫性疾病、神經(jīng)系統(tǒng)退行性疾病等提供成藥機會，也在器官水平上為生命體抵抗衰老提供可能。

《藍皮書》對AI4LS行業(yè)部分公司進行介紹，包括公司介紹、業(yè)務(wù)板塊布局、核心產(chǎn)品管線、競爭優(yōu)勢以及技術(shù)平臺等進行介紹。

更多詳細內(nèi)容請掃描二維碼 獲取完整報告

關(guān)于沙利文生命科學(xué)事業(yè)部

沙利文生命科學(xué)事業(yè)部在生命科學(xué)領(lǐng)域擁有專業(yè)的分析能力和豐富的項目經(jīng)驗。依托沙利文全球智庫資源和大中華區(qū)跨行業(yè)業(yè)務(wù)發(fā)展平臺，沙利文生命科學(xué)事業(yè)部在生命科學(xué)產(chǎn)業(yè)投融資服務(wù)有著獨特核心優(yōu)勢。沙利文生命科學(xué)事業(yè)部在中國擁有廣泛的企業(yè)客戶，并在過去20年里建立了龐大的客戶網(wǎng)絡(luò)，積累大量生命科學(xué)各細分領(lǐng)域的項目經(jīng)驗。

項目類型包括知識中心項目（深度內(nèi)容、宣傳活動），Pre-IPO項目（DCF估值、商業(yè)計劃書服務(wù)），IPO上市項目（行業(yè)顧問、臨床稽查、募投撰寫），市場調(diào)研，市值管理及戰(zhàn)略咨詢等，并與國內(nèi)外知名的資訊平臺及投融資機構(gòu)合作，為企業(yè)提供醫(yī)藥及醫(yī)療器械等專業(yè)細分領(lǐng)域行業(yè)一站式解決方案，受到投資者的廣泛關(guān)注。