北京
近期，2026网易未来大会在杭州举行。本届大会以“碳硅相逢，万象启元”为主题，由网易公司主办，杭州市商务局、杭州市经济和信息化局（杭州市数字经济局）、杭州高新技术产业开发区管委会联合指导。五位院士领衔，来自学界、产业界和投资界的嘉宾齐聚一堂，围绕科技前沿、人工智能产业化与未来商业展开交流。
从可控核聚变、AI大模型技术与通信智能，到AI PC、智能体、AI制药与具身智能；从院士专家的前沿判断，到产业先锋、投资人与00后创业者的实践探索，本届大会试图回答一个共同的问题：当碳基文明与硅基智能加速相逢，技术将如何突破边界，又将怎样走进真实世界？
水木分子CEO王卓智博士在《当生物制药遇上AI》的主题演讲中，系统解读AI对生物医药研发范式的重塑，并公开大分子创新药早研提速的落地成果：依托自研 AI智能体 ChatDD，抗体类大分子药物临床前候选分子研发周期，由传统18至24个月缩短至10个月以内，助力制药早研效率的范式级革新。
水木分子CEO王卓智在2026网易未来大会演讲中提出核心观点：AI既能读懂人类语言，也能读懂生命的语言，当下没有AI赋能的创新药研发体系，已几乎不可想象。
他表示，生物医药领域公认规律稀缺，但生物中心法则构筑了清晰的生命逻辑：DNA由4种碱基排列而成，蛋白质由20种氨基酸组合构成，形成一套可被AI解码的“生命语言”，依托大模型技术，AI已具备解读生命底层逻辑的核心能力。
一个比较突出的事件就是AlphaFold，这项技术的发明人也获得了诺贝尔奖。过往科研人员解析单个蛋白质结构，往往需要耗费数年心血，而AI可批量解析成千上万个蛋白结构。这并非行业渐进式优化，而是生物医药领域革命性技术跨越，为AI制药产业筑牢底层技术根基。
王卓智指出，AI在创新药赛道早已从辅助工具迭代为产业核心基础设施，AI赋能已成为创新药企的行业标配。2026年全球新药早期研发市场规模超过500亿美元，赛道热度持续攀升。国内创新药产业历经十年跨越式发展，在研创新药全球占比约30%以上, 管线规模稳居全球第二，跻身全球医药创新第一梯队。
作为深耕AI大分子创新药的前沿企业，水木分子依托清华系孵化背景，自研ChatDD药物研发智能体，全面覆盖立项调研、靶点评估、分子设计、优化筛选、临床前设计及临床全研发链路。传统模式下，打造一款临床前候选分子需18–24个月，AI赋能可将周期压缩至10个月以内，研发效率实现质的飞跃。目前公司已服务50多家海内外生物医药企业和机构，2026年订单数预计实现200%以上增长，并持续以极致AI研发能力，赋能中国创新药高效落地、加速产业创新升级。
以下是水木分子CEO王卓智在“2026网易未来大会”上的演讲纪要：
王卓智：各位来宾、媒体朋友，还有线上的朋友，大家好，我是水木分子的 CEO 王卓智。今天很高兴有机会在这里跟大家分享，主题是《当生物制药遇上 AI》。
我学医出身，毕业后一直从事制药行业30多年。在这个过程中，无论是我个人还是共事的同事，几十年来始终致力于研发创新药、服务更多病患，并推动创新药更快进入市场。
最近几年，AI 确实对这个领域产生了巨大影响。今天我将简单谈谈对 AI 的理解，回顾历史上一些阶段性的重大事件，包括2026年 AI 制药行业的趋势。后面分享一下水木分子作为初创公司在 AI 制药领域的定位，以及我们如何致力于更多、更好的生物创新药引入临床和市场。
正好100年前，薛定谔提出了量子化学公式；70年前，人工智能的概念被提出。这些概念其实都有很长的历史了。70年前大家觉得遥不可及，但最近大概5年左右的时间，AI 已经深入日常生活，无论是工作还是办公。而在医药领域，近几年也发生了巨大的变化。
在医药领域，不像数学、物理或化学那样拥有众多的规则和定理，这里公认的规律非常少。目前最为公认的就是“中心法则”。
中心法则是什么呢？就是 DNA 编码 RNA，RNA 翻译成蛋白质。所以可以看到，从生命领域来讲，DNA 就是4个碱基的排列组合，蛋白质就是20个氨基酸的排列组合。这其实也是一种简单的语言，可以理解为一种生命语言。
既然 AI 大模型和生成式 AI已经能够理解人类语言，那么理论上讲，它也可以解读生命的语言。后面我将跟大家分享最近这些 AI 技术在生物制药领域产生的影响。
另外, 一个比较突出的事件就是 AlphaFold，这项技术也获得了诺贝尔奖。AlphaFold的核心逻辑是什么?就是通过AI模型,将蛋白质在进化中产生的序列与结构进行关联, 通过深度学习, 预测出蛋白质的相应结构。
蛋白质结构解析其实非常艰难。在过去，这是一项极具挑战的工作，往往需要一位教授的博士生或博士后花费5年甚至8年的时间，才能解析出1个蛋白的结构。而通过 AI 技术，一下子就能解开成千上万个蛋白的结构。这绝对是一场革命性的跨越式变化，而非渐进式的改良。
在此基础上，越来越多的人尝试用 AI 去理解生命的机制。比如，探究一个信号通路从头到尾是如何产生的，以及如何干预这些信号通路来治疗疾病。目前，越来越多的实验室正在开展这样的工作。
2026年 AI 制药领域也应该是很火爆的局面，最有名的是 Isomorphic Labs 从 Google 里面拆分出来了，融资是二十几亿美元。前几天大家可能也听到类似公司从字节跳动分离出来，拿到2.9亿美元的第一轮融资。
可以看到在融资界，AI 生物制药、AI 制药领域是非常火爆的。今年整体做新药发现阶段，这是属于早研阶段，就有超500亿美元的市场。
中国最近不到10年时间，在制药领域也取得了突飞猛进的发展，十年前，中国新药数量是非常非常少的。不管是早期阶段还是到临床阶段。最近几年中国创新药数量仅次于美国，世界上约30% 的创新药，诞生地是在中国。
我们水木分子专注于大分子创新药，主要是抗体或抗体相关的药物。我也给大家回顾一下抗体制药的发展历程。其实100多年前，人们就发现用细菌或病原体提取物免疫动物，再将动物血清注入人体，能治疗传染病。当时最初步的理解是，动物体内产生了一种抗毒素物质，但是还不知道它叫什么。后来大家慢慢给它取了个名字，叫抗体。抗体有一个高突变区域，本质上是各种氨基酸的排列组合, 其可能的排列组合数量是个天文数字。
一直到70年代，人们才发明了单克隆抗体技术。就是这一种抗体只能够针对某一种特定的抗原或者靶点，具有高度均一性。一般人体里的抗体有几千种、几万种，针对不同的抗原；而通过上世纪70年代的杂交瘤技术，就把这个单克隆抗体分离出来了。这种抗体可以针对病毒、细菌或疾病相关的特定靶点，转化成治病救人的药物。
到了90年代末，第一款抗体药物作为爆款产品正式上市。随后的10年里，每年大约有1到2款抗体药物获得 FDA 批准，研发过程漫长而艰辛。2000年以后，获批数量实现了约10倍的增长：从原来每年批准1到2款，增加到每年10到15款左右。
为什么需要这么多新药? 因为疾病的种类其实非常多, 有成千上万种。光肿瘤就有上百种，针对这些疾病的研发新药非常耗时耗力。一般来讲，在制药领域有“三十”的原则：做一款创新药，大概要花10亿美元、10年时间，而且成功率还不到10%。所以这是一个高风险、高回报，是很多人在努力中会倒下的创新业务。
到了2020年，就是刚才讲到的 AlphaFold2，它把蛋白结构解出来了。虽然解析结果还不够精细，直接用于抗体研发尚有差距，但确实取得了关键突破。此外，越来越多的公司开始利用 AI 方法将结构预测做得更精细，使其更能满足制药的应用场景。
总结来看，其实抗体研发领域和 AI 技术发展有一定的相似性：前面几十年发展相对缓慢，主要停留在学校和实验室；而最近可能10年、20年突然产生了爆发。尤其是 AI 领域的爆发，正如上午嘉宾所讲，这确实是一个工业革命级的爆发。
我们现在所处的历史节点，正是生物制药领域的爆发与 AI 领域爆发交汇的时刻。我觉得，作为像我这样在生命科学和创新制药领域做科研的人，能赶上这样一个时代节点，也是一种幸运。
在 AI 制药领域，除了投资初创企业外，现在几乎所有的药企——无论是海外巨头还是中国的大药企——都在 AI 方面进行了极大的投入，包括资金、资源和人员等各个方面。
大家也知道，AI 是需要数据的，而大量数据都掌握在这些药企手中。因此，他们正将这些数据与具备模型能力和算力的 AI 公司进行合作，这也是当前非常明显的一个趋势。
再有一个趋势是：AI 在生物制药领域、在创新药领域，基本上已经从工具变成了基础设施。如果说哪一家创新药公司的系统里没有 AI，几乎是不可想象的，区别只在于应用的广度、深度和场景有所不同。
接下来，我讲一下水木分子。作为一家初创型公司，我们在生物药领域是什么样的定位？首先，水木分子只专注于大分子相关的创新药研究。而大分子则以我刚才提到的抗体为代表, 它是由几百上千个氨基酸组成的巨大分子。我们聚焦在抗体类大分子是因为我们认为: AI 对大分子结构的预测, 尤其是分子性能的预测,相比小分子有一定的优势。小分子药物的特异性相对较差,进入人体后,其药动学、药代学往往很难预测。但像抗体类药物，特异性非常高，基本上只针对某一种或几种靶点产生相互作用，进入体内后的代谢途径也相对清晰。作为一家初创公司,在AI智能体的全面加持下,我们一年能推进10个左右的管线。
接下来，我介绍一下我们的团队、产品以及商务模式。水木分子是从清华大学智能产业研究院（AIR）孵化出来的。大家知道，AIR 是由张亚勤院士主导成立的研究院，主要任务是将技术进行产业化。
我们的发起人是聂再清教授，他在 AI 领域深耕了几十年，曾在微软亚洲研究院、阿里等领衔工作。后来他回到清华AIR，发起了水木分子。我是 CEO，今年加入公司，主打创新药研发。水木分子成立3年来，我们在多模态大模型上做了医药垂直领域的扎扎实实的积累。今年开始，我们专注做创新药这个板块。
另外两位高管，一位是首席运营官邢杰，主要负责融资和 BD，也是我在药明的前同事；另一位是潘琦博士，清华和哈佛高材生，在制药界深耕了几十年。她不仅懂制药，也懂 AI，曾任职 Pathos AI 的高级 VP。
接下来介绍一下我们的产品 ChatDD。Chat 代表对话，DD 代表 Drug Discovery 和 Drug Design。过去存在一个痛点：做创新药的科学家不太会写代码，使用 AI 工具时往往不够顺畅。为此，我们将 ChatDD 打造成了医药智能体，能够通过对话方式进行药物研发。比如告诉它一个靶点，指令是“针对该靶点产生人源化抗体，并让亲和力降低或增加多少”，智能体就能自动设计出相应的分子。这样就打通了 AI 工程师与新药研发科学家之间的壁垒。
ChatDD 包含三大板块：Insight、Discovery 和 Trial。首先是 Insight，解决“做什么”的问题。常言道选择比努力更重要，我们首先要确定针对何种疾病，找到临床尚未满足的需求，锁定相应有潜力的靶点。
第二个是 Discovery，即分子生成、分子优化以及分子的虚拟筛选，这些工作都在这个阶段完成。
第三个模块 Trial是我们正在推进的，涵盖临床前和临床设计等环节，同样由智能体协助完成与优化。
在传统模式下，一个分子从设计到最终上市大约需要10年；其中早期研发阶段，打造一个临床前候选分子通常耗时18到24个月。而借助当前 AI 赋能的创新药发现流程，我们不仅能将时间缩短至不到10个月，还能创造出全新的分子。这个“全新”意味着什么？就是说当我们推进到临床阶段时，要跻身世界前三。这涉及从靶点评估、分子设计、优化筛选到最后交付的全流程，可以看到这是一个非常高效、流畅的过程。
所以刚才我们对比了传统创新药研发和AI新业态下的新药研发，简单讲就是传统的制药非常耗时耗力，而且成功率低；那么我们现在基本上已经能够做到通过用 AI 做新药，缩短时间、提高效率。我们也是等待, 让时间去验证成功率的提高; 今年已经有第1款AI设计的药进入临床三期了,我们也期待友商的这些分子能取得好的临床效果。
最后讲一下我们的双轮驱动的商务模式: 第一个轮, 我们把ChatDD智能体以订阅的方式提供给药企客户使用,让整个医药界也能通过水木分子的ChatDD开发出更多更好的创新药。
目前我们已有50多家药企用户，涵盖国际大药企和国内药企。2026年我们的订单数预计实现200% 以上的增长。预计今年将产生2000万人民币以上的订单。
第二个轮, 也是最能体现我们公司价值的，还是做出自己的创新药产品。这个相对来讲周期长一点、投入大一点，其长期价值是万亿美元市场, 我们目前的早研效率已经看到了，也期待未来在临床上取得更好的成功。
今天会议的主题是未来大会，最后我们也展望一下 AI 在生命科技领域的未来。这次会议主题叫“碳硅相逢、万象启元”，提得挺好的。我还是希望 硅基智能(AI )能给碳基(人类)起到正面的作用，帮助人类社会的健康与和谐。这其实也是我们做创新药科学家企业家的理想。除了商业驱动以外，我还是希望做出来的药能够进入临床，真正救治病人、造福医患。这也是所有做药人的梦想，我希望 AI能够加速这个梦想的实现。
谢谢大家!
