福建
2024年AlphaFold获得诺贝尔化学奖，这件事很多人都了解，它能在几秒钟内算出蛋白质结构，而过去需要好几年时间，全球三分之一针对GPCR靶点的药物研发成本因此大幅降低，虽然听起来很神奇，但算得准不等于能做得出来，很多药物在实验室效果很好，一旦进入中试车间产量就减少一半，活性下降八成，甚至整批报废，这种情况不是因为科学家不够聪明，而是物理世界不听从算法的指挥。
去年七月上海举办了新药大会CPIC 2026，会上讨论重点变了，不再只讲怎样筛选分子，开始关注怎么把分子做成药品，青岛海尔生物医疗在会上推出了AI生物工艺智能平台叫AI4PD，这个平台没有去抢AI药物设计的风头，而是针对一个长期存在的问题：如何让实验室流程顺利转移到GMP车间里。
传统做药的工艺开发过程，就像蒙着眼睛走钢丝一样困难，细胞培养时温度差0.3度，pH值波动0.1个单位，最终结果可能完全不一样，90%的临床前工艺放大失败，并不是因为理论出错，而是设备参数对不上，操作依赖老师傅的经验，不同环节使用的设备五花八门，数据存在A系统里，操作记录记在本子上，真要查找问题源头，翻三天都找不到，中国现在原创药越来越多，2026年上半年上市的38个1类新药中，11个是全新靶点，全部为国产，而2025全年只有4个本土原创新靶点药物上市，速度确实加快了，但如果稳不住，就等于白跑一趟。
海尔生物从2005年开始做超低温冰箱，后来逐渐扩展到冻融系统、程序降温仪和液氮存储设备，这家公司早年给英国生物样本库供应产品，也进入过神舟飞船的实验舱，它能够进入这个领域，是因为生物药品最怕温度控制出问题，像抗体、基因治疗产品和疫苗这些，只要温度偏差在±0.5℃以内，蛋白质就可能失去活性，所以海尔生物没有直接开发AI模型，而是先把自家设备变成带智能功能的工具。
AI4PD的关键是让设备自己报告情况,以前药厂买这家的离心机那家的反应器,各自管理自己的数据,现在海尔的设备一开始运转,温度流速压力时间都自动记录下来,连哪位员工操作过哪个开关都有记录,广州实验室和海尔合作开发了PBMC细胞提取系统,全程自动化运行后,细胞存活率保持在95%以上,不同批次之间的差异缩小到4%以内,这就有了可重复操作的基础。
更关键的是,这些真实生产数据反过来训练人工智能,模型不再只学文献和模拟数据,它看到的是真实车间里的波动、失败和修正过程,比如某个参数组合在50升罐里没问题,放大到200升就出问题,系统能提前发出警告,还能推荐替代方案,这不是给建议,而是让机器边干边学,形成"做了就记下,记下就查看,查看就修改"的闭环。
现在药企申报新药临床，只交纸质流程文件已经不够用，监管部门要求看到完整可追溯的数据链条，设备记录就是关键证据，数据清晰可靠，药品质量才有保障，国家去年发布《医药工业数智化转型实施方案》，明确提出要推广智能制药设备、合规信息化系统以及医药大模型试验平台，海尔的布局正好符合这一政策导向。
说到底，人工智能能帮人省下大量试错的时间，但最后一步还得靠硬件落地，算得再准，没有稳定的温度控制、一致的流体路径、可信的数据采集，药还是出不来，有人觉得人工智能一来，制药就变轻松了，其实越往深走，对物理世界的控制要求越高，现在拼的不是谁发现新靶点快，是谁能把新靶点稳稳做成药。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
