3月18日，AI制藥公司深度智耀宣布完成D輪系列近2億美元的融資，通過3個(gè)月內(nèi)密集完成數(shù)次融資，快速獲取了十余億元人民幣的資金，密度之高，節(jié)奏之快，業(yè)內(nèi)罕見。

當(dāng)前資本市場(chǎng)，熱度與理性并存，回報(bào)的確定性取代技術(shù)敘事，成為資本目光所至。AI制藥異軍突起，前有晶泰科技、英矽智能港股敲鐘上市，后有禮來聯(lián)手英偉達(dá)打造“AI制藥工廠”，將賽道炒得烈火烹油。

深度智耀成立于2017年，相較于許多閃光燈下的同行，長(zhǎng)期保持低調(diào)，所在的細(xì)分領(lǐng)域一度是AI制藥相對(duì)冷門、也是最難啃的骨頭——臨床開發(fā)和證據(jù)生成。

藥物研發(fā)大致可分為藥物發(fā)現(xiàn)、臨床前、臨床試驗(yàn)和注冊(cè)申報(bào)幾個(gè)階段。過去多年，行業(yè)最熱的敘事集中在前端的藥物發(fā)現(xiàn)，例如利用AI預(yù)測(cè)蛋白結(jié)構(gòu)、設(shè)計(jì)分子和篩選靶點(diǎn)。

深度智耀則專注于后端，圍繞臨床試驗(yàn)這條證據(jù)鏈，從臨床策略、方案設(shè)計(jì)、研究中心執(zhí)行，到EDC與數(shù)據(jù)管理、臨床/統(tǒng)計(jì)編程、醫(yī)學(xué)寫作、藥物警戒和注冊(cè)支持，逐步搭建出一套AI驅(qū)動(dòng)的一體化交付體系，并在大量真實(shí)項(xiàng)目中沉淀出穩(wěn)定的交付能力。

支撐這套體系的不是一個(gè)單點(diǎn)工具，而是一套類人腦多智能體系統(tǒng)。通過任務(wù)拆解、角色協(xié)同、反饋校驗(yàn)和遞歸自我進(jìn)化，把臨床研發(fā)中高度復(fù)雜、跨部門、強(qiáng)約束的工作流組織起來，使得這個(gè)高度依賴人類專家的復(fù)雜流程擁有了被系統(tǒng)化生產(chǎn)的可能。

正是這套智能體系統(tǒng)，讓深度智耀成為了火熱賽道的稀缺標(biāo)的，獲得了遲來的矚目。

對(duì)AI制藥行業(yè)來說，這意味著行業(yè)的重心正在從前端向后端轉(zhuǎn)向，也意味著行業(yè)開始向真正創(chuàng)造人類福祉邁進(jìn)了一大步。而這一步，用了將近十年。

在風(fēng)口逆行

AI對(duì)制藥行業(yè)的第一次沖擊，比Transformer的誕生來得更早一些。

在AlphaGo戰(zhàn)勝李世石的同一年，谷歌針對(duì)機(jī)器翻譯推出了GNMT（Google Neural Machine Translation）系統(tǒng)，最初開發(fā)的目的是為了改進(jìn)其在線翻譯業(yè)務(wù)，卻意外解決了當(dāng)時(shí)制藥行業(yè)一個(gè)棘手問題——醫(yī)學(xué)資料翻譯。

2016年谷歌發(fā)布GNMT模型，翻譯準(zhǔn)確率顯著提升

從臨床試驗(yàn)方案、知情同意書、研究者手冊(cè)，到病例報(bào)告、臨床研究報(bào)告和申報(bào)材料，注冊(cè)一款新藥，需要翻譯的資料可以裝滿幾輛小卡車。既要求術(shù)語絕對(duì)精準(zhǔn)，也要求參與者真正理解研究設(shè)計(jì)、適應(yīng)癥、終點(diǎn)指標(biāo)、統(tǒng)計(jì)假設(shè)和監(jiān)管語境。

對(duì)于制藥行業(yè)來說，難點(diǎn)從來不只是“把一句話翻對(duì)”，而是把醫(yī)學(xué)、統(tǒng)計(jì)、執(zhí)行和監(jiān)管邏輯在整條鏈條上對(duì)齊。任何一個(gè)術(shù)語、終點(diǎn)、假設(shè)或數(shù)據(jù)口徑出現(xiàn)偏差，都可能在后續(xù)環(huán)節(jié)被層層放大。最終可能導(dǎo)致數(shù)億研發(fā)成本付諸東流，容錯(cuò)率極低。

GNMT的出現(xiàn)，讓瞌睡遇到了枕頭，也讓翻譯成為AI參與到藥物研發(fā)的切入點(diǎn)。

某種程度上，制藥研發(fā)是一個(gè)高度知識(shí)驅(qū)動(dòng)、又以文本和數(shù)據(jù)為最終呈現(xiàn)形式的行業(yè)。由翻譯更進(jìn)一步拓展，最終是要解決的是整個(gè)藥物研發(fā)流程的“語言化表達(dá)”的痛點(diǎn)。

一款新藥，從實(shí)驗(yàn)室到了臨床，再到審批，交給監(jiān)管機(jī)構(gòu)的不是一個(gè)分子，而是一整套證據(jù)，包括臨床試驗(yàn)方案、研究者手冊(cè)、知情同意書、統(tǒng)計(jì)分析計(jì)劃、臨床研究報(bào)告、注冊(cè)申報(bào)材料等等，本質(zhì)是一條文本、數(shù)據(jù)與責(zé)任鏈條共同構(gòu)成的生產(chǎn)線。

許多新藥折戟于上市前夜，并非因臨床價(jià)值不足， 而是敗在了這條“生產(chǎn)線”上，在“語言化”的過程中產(chǎn)生了信息損耗或邏輯斷層，無法將研發(fā)數(shù)據(jù)轉(zhuǎn)化為監(jiān)管機(jī)構(gòu)認(rèn)可的科學(xué)證據(jù)鏈，使得藥品的科學(xué)價(jià)值被掩埋或誤讀。

深度智耀很早形成的一個(gè)判斷是：在制藥行業(yè)，理解比生成更難，協(xié)同比生成更重要。只有先在高約束場(chǎng)景里建立穩(wěn)定的理解、校驗(yàn)和協(xié)同能力，才有資格往創(chuàng)造和決策走。

因此，公司在創(chuàng)立之初就明確了發(fā)展路徑：從翻譯切入，然后向醫(yī)學(xué)寫作、數(shù)據(jù)管理、統(tǒng)計(jì)編程和臨床運(yùn)營等模塊延伸，最終形成覆蓋全流程的生產(chǎn)線。

這里的邏輯是，翻譯擁有明確的參考坐標(biāo)系和對(duì)錯(cuò)標(biāo)準(zhǔn)，是驗(yàn)證模型理解能力最直接的“硬通貨”。作為起點(diǎn)，再逐步吃下中間那層規(guī)劃、推理和執(zhí)行能力。

如今回過頭看，這一路徑是具有高度前瞻性的，但在當(dāng)時(shí)，卻像是在風(fēng)口中“逆行”。

一方面，當(dāng)時(shí)的模型能力并不成熟，GNMT本身并沒有擺脫RNN順序計(jì)算的特點(diǎn)，導(dǎo)致計(jì)算效率低下。雖然之后誕生的Transformer解決了這個(gè)問題，預(yù)訓(xùn)練隨后大行其道，但沒能改變AI作為人類輔助工具的本質(zhì)，遠(yuǎn)遠(yuǎn)做不到替代專業(yè)人員。

另一方面，制藥又是一個(gè)對(duì)“know-how”儲(chǔ)備深度要求極高的行業(yè)。

以起草最核心的臨床試驗(yàn)方案為例，模型基于海量文獻(xiàn)和既往數(shù)據(jù)搭建草案骨架只是第一步，隨后是由醫(yī)學(xué)、統(tǒng)計(jì)、臨床等資深專家組成的團(tuán)隊(duì)深度介入。

一個(gè)方案橫跨醫(yī)學(xué)、臨床藥理、統(tǒng)計(jì)、編程、數(shù)據(jù)管理、藥物警戒等多個(gè)部門，細(xì)微的修改都要“大動(dòng)干戈”。深度智耀早期面對(duì)的，也不是外界想象中的“一鍵自動(dòng)化”，而是在真實(shí)項(xiàng)目里反復(fù)校核、反復(fù)放行的重流程。

與此同時(shí)，AlphaFold的驚天問世，讓制藥行業(yè)深刻意識(shí)到AI摧枯拉朽的能量。

AlphaFold是專門為蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)架構(gòu)，用以解決藥物研發(fā)中最核心的“靶點(diǎn)結(jié)構(gòu)解析”難題，將過去需要數(shù)年、耗資巨大的實(shí)驗(yàn)解析工作，縮短至幾分鐘。

AlphaFold預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)

至此，“AI設(shè)計(jì)分子”成為行業(yè)技術(shù)發(fā)展的主流方向之一，各大藥企、創(chuàng)業(yè)公司扎堆進(jìn)入賽道，前端的藥物發(fā)現(xiàn)成為資本狂熱的暴風(fēng)眼。

深度智耀置身于風(fēng)暴之外，圍繞后端臨床設(shè)計(jì)默默耕耘，在真實(shí)項(xiàng)目里一輪輪地死磕與打磨，一點(diǎn)點(diǎn)“磨”出know-how，再反哺技術(shù)，沉淀為系統(tǒng)底層的核心算法。

接著，一場(chǎng)席卷行業(yè)的危機(jī)，將深度智耀以及其代表的后端臨床設(shè)計(jì)，推到了臺(tái)前。

重估的價(jià)值

2023年，第一批用AI設(shè)計(jì)的新藥在期待中遭受重錘，在臨床階段集體潰敗。

先是歐洲AI制藥獨(dú)角獸BenevolentAI核心管線BEN-2293宣布二期臨床試驗(yàn)失敗，導(dǎo)致股價(jià)大跌，公司被迫大幅裁員；后有“AI設(shè)計(jì)分子”行業(yè)標(biāo)桿Exscientia關(guān)停其早期腫瘤管線EXS-21546（A2A受體拮抗劑）的開發(fā)。

BenevolentAI宣布BEN-2293臨床IIa期試驗(yàn)失敗

明星企業(yè)的接連暴擊，擊碎了“AI一鍵生成新藥”的神話。

行業(yè)和資本都意識(shí)到，從設(shè)計(jì)分子到新藥落地進(jìn)入市場(chǎng)，中間隔著的路比想象得更加漫長(zhǎng)。

從臨床試驗(yàn)設(shè)計(jì)到入組執(zhí)行，從數(shù)據(jù)質(zhì)量到統(tǒng)計(jì)解釋，再到最后的監(jiān)管溝通、申報(bào)遞交，走錯(cuò)一步便前功盡棄，是一個(gè)沒有回頭路的“打怪”過程。最終交付給監(jiān)管機(jī)構(gòu)是一整套可解釋的文本、數(shù)據(jù)和證據(jù)鏈。

資本不再僅僅為算力和分子數(shù)量買單，轉(zhuǎn)而拷問管線在臨床階段的有效性數(shù)據(jù)，AI制藥行業(yè)“重分子、輕臨床”路線錯(cuò)誤就此被“撥亂反正”。

深度智耀等專注藥物研發(fā)后端臨床的公司由此進(jìn)入資本的視野。

而此時(shí)的深度智耀，已然熬過了技術(shù)搭建和攻堅(jiān)期，擺脫對(duì)融資的依賴，自給自足。

按照成立之初的規(guī)劃，深度智耀隨后把能力從文本和寫作進(jìn)一步拓展到臨床CRO更核心的數(shù)據(jù)管理、臨床/統(tǒng)計(jì)編程、site運(yùn)營和注冊(cè)支持，逐步形成覆蓋臨床試驗(yàn)全流程的系統(tǒng)；

業(yè)務(wù)也延展至中國、日本、美國、澳洲、新加坡及東南亞等地區(qū)，尤其在日本建立起了較強(qiáng)的PI和研究中心網(wǎng)絡(luò)，形成了本地化執(zhí)行優(yōu)勢(shì)。

深度智耀官網(wǎng)展示的案例

技術(shù)上，深度智耀也沒有停留在“跟進(jìn)一代最新模型”的層面，而是根據(jù)制藥行業(yè)高約束、低容錯(cuò)的特性，沿著可控性和協(xié)同性去重構(gòu)自己的系統(tǒng)。

對(duì)當(dāng)前技術(shù)架構(gòu)影響最為深遠(yuǎn)的一次改造，發(fā)生在2019年模型2.0向3.0迭代的時(shí)期。

彼時(shí)，大語言模型（LLM）開始在前沿科技公司中流行起來，但深度智耀很早就意識(shí)到，LLM最致命的問題不在于寫得不夠像人，而在于它會(huì)“像人一樣自圓其說”。

LLM的本質(zhì)是通過在海量數(shù)據(jù)上進(jìn)行“預(yù)測(cè)下一個(gè)詞”等任務(wù)的訓(xùn)練，而這些數(shù)據(jù)大部分來自于過往經(jīng)驗(yàn)的累積，導(dǎo)致生成的語句傾向于符合經(jīng)驗(yàn)邏輯，而非絕對(duì)真實(shí)的事實(shí)。

在制藥行業(yè)，這種幻覺不是體驗(yàn)問題，而是底線問題。

一個(gè)虛構(gòu)的引文或數(shù)據(jù)，會(huì)污染整個(gè)研發(fā)鏈條的科學(xué)基礎(chǔ)；一個(gè)虛構(gòu)的藥物安全信息，可能直接導(dǎo)致受試者的嚴(yán)重傷害甚至死亡；一個(gè)被完美包裝的“幻覺”，足以讓一家公司過去十年、數(shù)十億美元的投資瞬間歸零。

作為領(lǐng)域內(nèi)為數(shù)不多的先行者，深度智耀的這一認(rèn)知的形成，比如今業(yè)界在大模型研發(fā)中形成共識(shí)要早了4-5年。這也意味著在其面前，既沒有成熟的行業(yè)標(biāo)準(zhǔn)可依循，也沒有外部的現(xiàn)成工具可借力，只能自己動(dòng)手，從底層去重新構(gòu)建解法。

也正是在這個(gè)階段，深度智耀開始明確地把問題從“如何做一個(gè)更強(qiáng)的模型”，轉(zhuǎn)向“如何做一個(gè)在臨床研發(fā)場(chǎng)景里更可控、更能協(xié)同、也更能承擔(dān)復(fù)雜工作流的系統(tǒng)”。

深度智耀的解法，不是繼續(xù)押注一個(gè)更大的單體模型，而是“拆腦”。

所謂“拆腦”，并不是簡(jiǎn)單地把一個(gè)模型拆成多個(gè)功能模塊，而是把復(fù)雜任務(wù)拆解給大量能力邊界清晰的智能體，由它們分別承擔(dān)決策、規(guī)劃、檢索、撰寫、編程、審校、驗(yàn)證等工作，再通過類似神經(jīng)連接的通信與反饋回路，彼此校驗(yàn)、彼此制衡。

這套架構(gòu)的核心，并不只是多角色協(xié)作，而是一種類人腦的工作方式。像大腦神經(jīng)網(wǎng)絡(luò)一樣，系統(tǒng)不是線性地吐出一個(gè)答案，而是在執(zhí)行過程中不斷回看上游、修正中間結(jié)果、重組任務(wù)路徑。如果某一步不滿足約束，系統(tǒng)會(huì)觸發(fā)新的推演和驗(yàn)證，直到輸出逼近可用結(jié)果。

換句話說，它具備的不是簡(jiǎn)單的生成能力，而是遞歸反思、遞歸糾錯(cuò)、遞歸自我進(jìn)化的能力。它不是“一次答題”，而更像一個(gè)會(huì)反復(fù)思考、持續(xù)修正并不斷逼近最優(yōu)解的工作系統(tǒng)。

如今看來，這一思路，與當(dāng)下甚囂塵上的Agent概念驚人的相似。

2023年，微軟邀請(qǐng)深度智耀參加閉門開發(fā)者大會(huì)，并介紹Agent框架。

對(duì)深度智耀而言，這更像一次“外部命名”：公司內(nèi)部原有的小模型協(xié)作體系，隨后順勢(shì)演進(jìn)為真正意義上的多智能體協(xié)同系統(tǒng)。

深度智耀的類人腦多智能體系統(tǒng)由此逐步成型。它不只是一個(gè)把任務(wù)串起來的工作流引擎，而更像一個(gè)由大量高精度原子化智能體構(gòu)成的“仿生大腦”：既能圍繞目標(biāo)組織工作，也能在執(zhí)行過程中持續(xù)反思、校驗(yàn)并遞歸自我進(jìn)化。

深度智耀“多智能體（Multi-Agent）協(xié)同系統(tǒng)”

至此，深度智耀的鋒芒已展露無遺。

人的位置上移

2025年，與日本創(chuàng)新藥企Immunorock的一次合作，將深度智耀推到了聚光燈下。

作為全球前三大醫(yī)藥市場(chǎng)，日本除了藥物研發(fā)能力聞名于世外，日本藥監(jiān)局（PMDA）極度嚴(yán)苛的審核標(biāo)準(zhǔn)同樣出名。而深度智耀參與支持的Immunorock臨床試驗(yàn)方案，卻實(shí)現(xiàn)了“零返修”和一次性通過PMDA審批。

在這次合作中，深度智耀的類人腦多智能體系統(tǒng)參與了從信息整合、路徑規(guī)劃到數(shù)字孿生推演的整套工作。不同智能體圍繞終點(diǎn)設(shè)置、入排標(biāo)準(zhǔn)、樣本量、執(zhí)行路徑、數(shù)據(jù)結(jié)構(gòu)和監(jiān)管約束分別展開分析，再通過反饋回路反復(fù)交叉校驗(yàn)。

也正是在這種遞歸推演中，系統(tǒng)提前識(shí)別出可能抬高脫落率的設(shè)計(jì)缺陷，幫助團(tuán)隊(duì)在方案定稿前完成修正。它改變的不是“寫稿速度”本身，而是把很多原本要在現(xiàn)場(chǎng)執(zhí)行中暴露的問題，前移到設(shè)計(jì)階段解決。

需要注意的是，基于新藥研發(fā)的監(jiān)管底線以及醫(yī)學(xué)倫理與合規(guī)責(zé)任，最終所有關(guān)鍵交付仍由專業(yè)人員審閱、簽字、放行。

Immunorock只是深度智耀眾多案例中的一個(gè)，其意義在于，向產(chǎn)業(yè)證明了：像臨床方案這樣長(zhǎng)期被視作高度依賴經(jīng)驗(yàn)和人力協(xié)同的工作，開始具備被系統(tǒng)化組織、被遞歸驗(yàn)證、被規(guī)模化交付的可能。

傳統(tǒng)臨床研發(fā)本質(zhì)上是一種高成本的人海戰(zhàn)術(shù)：先由一個(gè)部門起草，再拉上另一個(gè)部門修改，接著再校正統(tǒng)計(jì)假設(shè)、補(bǔ)數(shù)據(jù)結(jié)構(gòu)、核對(duì)法規(guī)要求，版本在不同團(tuán)隊(duì)之間來回流轉(zhuǎn)。時(shí)間就這樣消耗在溝通、返修和反復(fù)確認(rèn)里。

一旦AI能夠穩(wěn)定完成任務(wù)拆解、主體生成、多輪自檢和約束驗(yàn)證，這個(gè)流程就從過去的“人生產(chǎn)、機(jī)器輔助”，轉(zhuǎn)變?yōu)椤皺C(jī)器生成、系統(tǒng)驗(yàn)證、專家審簽”。

AI的角色不再只是預(yù)測(cè)或分類工具，而更像一個(gè)圍繞目標(biāo)組織工作的系統(tǒng)。

類人腦多智能體的價(jià)值，也不在于一次性生成一個(gè)答案，而在于它能把任務(wù)拆解、路徑規(guī)劃、假設(shè)提出、執(zhí)行驗(yàn)證和結(jié)果匯總連成閉環(huán)，并在閉環(huán)中持續(xù)遞歸優(yōu)化。

過去是人把步驟寫好，系統(tǒng)照著執(zhí)行；現(xiàn)在則是人給出明確目標(biāo)，系統(tǒng)圍繞目標(biāo)分配角色、調(diào)用工具、校驗(yàn)約束，再把結(jié)果匯總成可審的輸出。

而人的角色則是上移，而不是被取代，從而以更有效且可持續(xù)的方式創(chuàng)造價(jià)值。

在Agent系統(tǒng)中，人的角色是上移的

制藥仍然是一個(gè)必須由專業(yè)人士簽字、由資質(zhì)和責(zé)任鏈承擔(dān)后果的行業(yè)。醫(yī)學(xué)、統(tǒng)計(jì)、藥物警戒、數(shù)據(jù)管理等專家依舊是最后的把關(guān)者。但AI的介入，讓專家們從大量重復(fù)勞動(dòng)中抽身，更多投入到關(guān)鍵判斷、邊界把控和最終責(zé)任承擔(dān)上。

而這套“目標(biāo)—生成—驗(yàn)證—遞歸進(jìn)化”的框架一旦跑通，所能解決的問題就遠(yuǎn)不止是臨床試驗(yàn)。這也是深度智耀開始開辟“物質(zhì)科學(xué)”新戰(zhàn)場(chǎng)的底層邏輯。

如果把問題抽象到足夠底層，會(huì)發(fā)現(xiàn)，藥物、農(nóng)藥、半導(dǎo)體材料、電池材料、特種鋼這些看似完全不同的領(lǐng)域，本質(zhì)上都在做同一類任務(wù)，即圍繞明確目標(biāo)，在一組約束條件下尋找最優(yōu)解，并通過驗(yàn)證不斷收斂，區(qū)別只在于約束集合和驗(yàn)證方式。

深度智耀材料研發(fā)邏輯

年3月，深度智耀和與綠色農(nóng)化巨頭泰禾股份達(dá)成戰(zhàn)略合作，基于深度智耀多智能體集群的仿生類腦架構(gòu)與遞歸自我進(jìn)化體系，以加快創(chuàng)新農(nóng)藥的研發(fā)進(jìn)程。

無論是研發(fā)創(chuàng)新藥還是創(chuàng)新農(nóng)藥，本質(zhì)都是在化學(xué)空間中尋找最優(yōu)組合。

深度智耀多智能體集群的AI Agent能夠在巨大的化學(xué)空間中自主規(guī)劃、搜索、驗(yàn)證，發(fā)現(xiàn)傳統(tǒng)研發(fā)模式難以觸及的全新分子骨架與作用機(jī)理，這套能力經(jīng)過制藥領(lǐng)域驗(yàn)證成熟，遷移到農(nóng)藥領(lǐng)域本質(zhì)上是一種“降維應(yīng)用”。

這種技術(shù)的可遷移性，進(jìn)一步打開了深度智耀的估值空間，成為資本蜂擁而至的又一動(dòng)因。

從深度智耀近幾輪融資的投資方來看，除了紅杉中國、新鼎資本等早期投資者跟投之外，還包括鼎暉百孚、信宸資本、金鎰資本、凱泰資本等新股東加注，既有頂級(jí)美元基金，又有兼具產(chǎn)業(yè)資源的一線機(jī)構(gòu)，陣容可謂豪華。

資本的聚焦，其實(shí)代表了一種趨勢(shì)：市場(chǎng)開始重新評(píng)估AI制藥公司真正稀缺的能力，不只是會(huì)不會(huì)講一個(gè)技術(shù)故事，而是能不能把復(fù)雜工作穩(wěn)定交付出來。

某種程度上，深度智耀既不是傳統(tǒng)意義上的CRO，也不是消費(fèi)級(jí)Agent的行業(yè)翻版。

其最核心的能力，不是某一個(gè)單點(diǎn)工具，也不是簡(jiǎn)單把數(shù)據(jù)“喂給模型”訓(xùn)練出來的結(jié)果，而是在長(zhǎng)期真實(shí)交付中形成的方法學(xué)、know-how，以及一套能把臨床策略、site執(zhí)行、數(shù)據(jù)管理、臨床/統(tǒng)計(jì)編程、醫(yī)學(xué)寫作和注冊(cè)遞交組織在一起的類人腦多智能體系統(tǒng)。

這才是深度智耀最難以被復(fù)制的資產(chǎn)和競(jìng)爭(zhēng)力所在。

寫在最后

2024年的諾貝爾化學(xué)獎(jiǎng)，一半被授予蛋白質(zhì)設(shè)計(jì)“祖師爺”David Baker，另一半則被授予了AlphaFold的開發(fā)者Demis Hassabis、John Jumper。

David Baker（左）、Demis Hassabis（中）、John Jumper（右）

兩位AI大佬的跨界獲獎(jiǎng)，被外界解讀為計(jì)算機(jī)科學(xué)在生命科學(xué)界的一次歷史性“轉(zhuǎn)正”——不再是單純的輔助工具，而是直接驅(qū)動(dòng)產(chǎn)業(yè)進(jìn)化的核心引擎。

這種進(jìn)化能力，如今正在從前端的藥物發(fā)現(xiàn)研發(fā)輻射到整個(gè)研發(fā)流程當(dāng)中。

對(duì)于制藥行業(yè)而言，下一階段稀缺的，未必只是“找到一個(gè)答案”的能力，而是把一項(xiàng)工作真正做完、把一整套證據(jù)真正交付出去的能力。

從讓機(jī)器學(xué)會(huì)看分子，到讓系統(tǒng)像大腦一樣組織臨床試驗(yàn)、連接現(xiàn)場(chǎng)執(zhí)行、數(shù)據(jù)管理、臨床編程和遞交邏輯，AI的價(jià)值坐標(biāo)正在被重畫。

而在這條曾經(jīng)孤獨(dú)的跑道上，深度智耀已經(jīng)走在了前面。

[1] 2017，制造奧本海默，飯統(tǒng)戴老板

[2] 中美AI Agent爭(zhēng)霸戰(zhàn)：誰將主導(dǎo)下一代智能服務(wù)？遠(yuǎn)川研究所