摘要：2025年，“木头姐”（Cathie Wood）所在的投资机构ARK Invest发布《Big Ideas 2025》，更是给出震撼行业的判断：AI将使DNA等生物信息的读取成本降低100倍、写入成本降低1000倍。

2024年，AlphaFold2团队因蛋白质结构预测的突破性成果斩获诺贝尔化学奖，标志着AI在生命科学领域的技术应用迈入新高度。

2025年，“木头姐”（Cathie Wood）所在的投资机构ARK Invest发布《Big Ideas 2025》，更是给出震撼行业的判断：AI将使DNA等生物信息的读取成本降低100倍、写入成本降低1000倍。

于是，在基础研究难有突破、研发费用持续高企、新药成功率仍处低位徘徊的全球医药创新“窘境”中，借助AI工具赋能新药研发，再次成为行业寄望于突破“双十”（十年研发周期、十亿美元成本）魔咒的新路径。

但与10年前首轮AI+新药研发热潮不同，如今依托生成式大模型的广泛应用，叠加全球科技巨头携云端算力躬身入局，再加上各方在数据、算法、模型、智能体等基础层与应用层的系统性技术能力建设，一个融合科研人员智慧与技术平台算力的“‘云’端创药”新范式，正在以往从未有过的土壤里“发芽”。

9月25日，在2025年云栖大会期间，阿里云召开以“云智筑基、碳硅共生：医药健康产业新范式”为主题的研讨会，与医药企业高管、AI专家、临床专家一起，通过分享AI技术生态演进中的趋势洞察，共议AI在医药健康的应用前景。

01 AI指挥AI，重构研发范式

过去十年，AI在生物学领域的应用多集中于生物信息层面，呈现“后视镜”式特征——实验产生数据后，AI仅作为数据分析工具，通过处理已有数据提炼结论与研究洞察，并未参与新内容的主动生成。

这正是智源深澜创始人王承志所描述的AI在生物学应用的1.0时代。而近两年，随着生成式AI技术的兴起及工程化能力的突破，AI在生物学（尤其生命科学领域）的应用有望迈入2.0时代。与1.0时代的核心区别在于，AI不再局限于分析已有数据，而是升级为“大脑+执行双手”的复合角色，甚至可能主导科学研究的核心过程。

图：智源深澜创始人王承志在研讨会上分享

事实上，2025年6月初，斯坦福大学黄柯鑫团队研发的通用生物医学AI智能体Biomni，已实现从“辅助工具”向“自主研究者”的跨越。

在Biomni的相关论文中，有这样一个典型案例：研究人员向Biomni下达指令，要求其针对一段给定碱基序列设计CRISPR敲除方案。最终，Biomni设计的方案不仅通过专家盲审，更在真实实验中成功验证——这为AI推动“干湿实验闭环”提供了可行性。

此外，生成式AI还打破了传统“虚拟高通量筛选”的局限，实现从“筛选已知分子”到“生成全新分子”的跨越，甚至延伸至生命设计领域。

2025年9月17日，预印本平台bioRxiv发布题为《Generative design of novel bacteriophages with genomelanguage models》的论文，展示了利用基因组语言模型设计生成新型噬菌体的研究。论文通讯作者Brian Hie表示，这是AI系统首次能编写连贯的基因组规模序列。

国内AI+药物研发企业百图生科也在做此方面的探索。据百图生科技术副总裁张晓明透露，百图生科确立了“海量生物组学数据训练基础大模型+少量高质量实验数据训练任务模型”的核心路径。通过将氨基酸作为TOKEN、蛋白质作为“句子”，让模型直接从跨物种多组学数据中学习人类未知的生物规律。

图：百图生科技术副总裁张晓明分享

正是观察到AI在生命科学领域的突破性应用，王承志开始畅想AI在生物医药领域的3.0时代——“这在过去是不敢想象的”。他认为，3.0时代的核心特征是AI从“工具”升维为“研发主体”：通过自主设计、自动化执行、闭环迭代，完成90%以上的研发工作，人类科学家则聚焦战略决策与伦理把控。

而这一时代的落地，离不开四大基础支撑：算力支撑、算法突破、自动化基础设施建设、实验数据实时反哺模型。“尤其是算力，研发全环节对算力的要求都极高。”王承志给出的解决方案，是借助弹性可伸缩的云平台算力——“上周我们刚完成几万个蛋白质结构的计算：若用我们自己的算力，大概需要好几年；但在阿里云上，仅用一天就完成了。”

事实上，影禾医脉面向医疗影像行业的AI应用新范式也是基于算力与生成式医学影像大模型的支撑。在今年的云栖大会上，影禾医脉展示了“影禾觅芽”医学影像基座模型。据影禾医脉首席技术官张杏林介绍，影禾觅芽能同时解决CT、MRI、超声等多模态影像的病变检测、分类与量化分析问题，有望打破传统AI1.0时代“报告碎片化、场景局限性”的痛点。

图：影禾医脉首席技术官张杏林分享

以“影禾觅芽”基座模型为智能核心，影禾医脉联合阿里云发布了搭载阿里云AIStack一体机硬件的“医学影像大模型智算一体机（MIIA-X1）”，共同赋能医疗机构的AI智能化应用发展。

02

AI制药“新基建”：算力为基，模型为核

生成式大模型与AI智能体的出现，推动生物医药研发开启从“经验试错”向“数据智能”的跨越。而AI之所以能从辅助工具升级为重要引擎，离不开算力的底层支撑——从常规数据处理到极致复杂的模型训练，算力如同“燃料”，驱动着AI在生物医药领域的每一次突破。可以说，算力不仅是AI应用的“基础设施”，更是突破生物医药研发瓶颈的“核心支撑力”。

更为重要的是，以阿里云为代表的科技巨头，提供的不仅是单一的云端算力，更构建了一套“算力延伸+生态协同”的完整体系：从算力衍生出的数据、大语言模型、智能体，到与客户共建的新药研发新范式技术方案，形成全链路技术服务方案。

阿里云资深解决方案架构师陈浩在实践中观察到，制药企业布局AI算力时，核心考量集中在三方面：灵活且安全的多元化算力供给、算力与工具的协同能力、场景化算力的赋能丰富度。

基于这些需求，阿里云算力平台以“通用算力+专属硬件+开发工具”的三维架构为核心，通过分层设计满足药物研发的弹性扩展、数据安全与开发提效需求，构建起从算力供给到价值转化的完整闭环。

其中，云上弹性算力是底层基石，可提供从基础计算到高性能计算的全栈服务。针对药物研发中常见的“峰值算力需求”（如大规模分子模拟、AI模型训练），阿里云通过云端资源池化与弹性调度技术，实现计算资源的按需分配，避免传统本地算力“峰值不够用、闲时浪费”的困境。

同时，为满足医院、药企等对数据隐私保护的需求，阿里云推出基于专属硬件架构的AI Stack大模型一体机：通过本地化部署，实现“数据不出域”的安全计算模式，既保障合规性，又不牺牲算力效率。

除算力外，阿里云还构建了适配药企不同场景需求的AI模型矩阵，并通过低代码工具降低行业应用门槛，实现从通用AI技术到制药行业专属价值的落地转化：

此外，依托阿里云大模型平台“百炼”，药企与医院可将技术能力转化为可直接复用的工具。

例如，恒瑞医药旗下医朵云推出的“朵朵”临研助手，正是基于通义千问模型，深度整合临床试验全流程数据，实现受试者智能筛选、不良反应精准预警及医学文档自动生成，大幅提升临床试验全流程效率。

全球医药巨头阿斯利康采用阿里云通义千问构建的药物不良事件报告工具，将相关流程效率提升300%，报告编写准确率从此前的90%提升至95%。

效率突破、质量升级与生态整合，系统性破解医药研发的传统困境，是AI技术对制药行业的颠覆性价值。

当AlphaFold2的诺奖突破照亮生命科学的边界，当阿里云的弹性算力将数年的蛋白质计算压缩至一天，当Biomni的CRISPR方案在实验室成功落地，“云端创药”的新范式也许不再是科幻想象，而成为重塑医药研发价值链的现实力量。

过去只有巨头药企才能负担的超算集群、海量数据与顶尖模型，如今借助阿里云等科技巨头基于云端的“算力-数据-模型”协同体系，中小药企、科研实验室也能以更低成本参与到靶点发现、分子设计的核心创新中。

在阿里云“云智筑基、碳硅共生：医药健康产业新范式”活动现场，有专家调侃说，未来的医药创新范式“有可能被一些视野之外的公司改变”，正如该活动现场展现的，不仅阿里云这样玩家在与自身生态合作伙伴共建医药创新的模式，也有全球巨头英伟达这样的公司在推进通过AI医药创新的模式，有嘉宾在接受E药经理人采访时说：当AI发展到医药创新从研发的实验设计到实验落地、甚至生产等都由AI来完成的时候，医药创新企业未来需要比拼的不仅仅是管线布局，更多的是比拼模型质量（生成和筛选分子的效率）以及实验自动化的通量。

来源：E药经理人