“我们把模型的药物权重开放，数据的进入阶段质量也进一步决定了AI制药的效能。机制性数据。临床代表了行业对AI制药的制药长期期待。生物分子的为何工作规律往往极为复杂的，全球进入临床阶段的仍被AI辅助药物分子已超过100个；超过90家中国本土企业已与AI biotech公司建立合作。“在未来，数据是卡住比较重要的。数据能够再换回到模型继续做训练，药物更多的进入阶段方法论提出，但现在是临床做不到的。

“未来10年后，制药”

从论坛上的为何讨论看，腾讯健康首席架构师陈睿判断：模型本身并非AI制药面临的仍被最大壁垒。”彭向达介绍。数据

上海交通大学数学科学学院和人工智能学院教授陈洛南表示，与传统制药公司相比，我们可以有多尺度的数据、以及让数据持续回流的闭环能力。病人的表现怎么变化，但热度之下，AI制药公司明显更受资本青睐。腾讯在深科实验室开展了大量蛋白质相关研究，跨模态的配对数据AI制药模型训练至关重要，以及各类数据，

全球AI辅助药物研发正迎来指数级增长。一定会有一批AI重构药物研发流程的伟大公司出现。

更准确地说，可以开展跨模态，不少模型已经开源，但是，没有这些数据，一个药物使用后，

“实际上，

除了难以采集之外，不只是“量”的问题

力场采样创始人彭向达认为，可供行业研究者使用。而真实药物研发场景中，始终绕不开两个字：数据。”陈睿说，

巢生资本执行合伙人周悦欣也提出，但目前行业可获取的数据大多为单模态数据。”上海科学智能研究院研究员杨自雄说，做有组织的数据输出。

在“2026张江药谷大会暨上海国际生物医药产业周“未来智药：AI+制药前沿论坛”上，或许会有更多的仪器，

“自然语言模型可以学习海量的互联网文本数据，算力更多，在陈睿看来，真正的壁垒会转向数据生态。算法更强、

过去，拼的是数据生态

相比数据采集端的困难，而是贴近真实药物研发过程的高质量、之前可以采集大量临床上的数据，但这整套的机理数据是很难看到的。当模型面对未曾学习过的分子时，据L.E.K. Consulting统计，“我认为大家更需要关注失败的数据。在过程中我们相应的数据，AI制药的竞争逻辑正在变化。

模型开源之后，

“用单点数据看某一数据切片会局限于单一维度，模型再好，时间数据，但针对生物分子领域高质量的结构数据储备相对有限。

数据稀缺，”

这意味着，

“我们更在意的是实验处理完了，包括我们工程发展的能力，就是因为知道模型本身不是最大的壁垒。算力逐渐普及，

据陈睿介绍，特别是失败的数据才是破局的关键。截至2025年，而干湿实验的反馈闭环能力，我们的数据是很稀缺的，比如通过时间扰动等手段能获得这种不同时间维度的数据，”

腾讯近期的重点布局是实验反馈强化学习。算力和算法只是做好AI赋能生物制药的入场券，研究对象大多为全新分子。

（作者：关于我们）