计算医学补AI制药短板:十部门规划提出新路径

资讯 AI 行业观察 作者:36氪品牌 全文 4018 字 · 约 11 分钟读完 分类GPTOpenAI模型发布生物科技大模型

AI制药发展到今天,出现了一个有些反直觉的现象。 一边,是模型能力的快速跃迁。AlphaFold之后,蛋白质结构预测已经发生根本变化,生成式AI开始进入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型和科研智能体不断出现。2026年,OpenAI发布面向生物学、药物发现和转化医学的GPT-Rosalind。Is

所属频道 大厂动态模型发布ChatGPT 与 GPT

AI制药一路狂奔到今天,冒出一个有点反直觉的现象。

一头是模型能力蹿得飞快。AlphaFold问世后,蛋白质结构预测已经彻底变样,生成式AI逐步渗入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型、科研智能体接连冒头。2026年,OpenAI发布了面向生物学、药物发现和转化医学的GPT-Rosalind;Isomorphic Labs拿到21亿美元融资,继续扩AI药物设计平台;Anthropic甚至把手伸向真实的生物实验环境。

另一头,药物研发几个关键指标却没跟上同样的节奏。

今年8月,《Nature Reviews Drug Discovery》对过去十年AI药物发现做了一次颇为冷静的复盘:AI技术能力的进步没什么争议,可放到真正有临床意义的结果上看,能证明AI显著改善药物研发的证据,眼下依然有限。

论文点出的毛病,不光是算法不够强,更在于一个更基础的错位:模型开发时盯的是“现有数据能预测什么”,而非“药物研发最关键的决策需要回答什么”。生物数据本身又死死绑着实验条件、患者差异和环境因素,一个在benchmark上分数更高的模型,并不自动等于一个更好的研发决策。

也就在这个节点上,9月18日发布的《医药工业发展“十五五”规划》里,冒出了一个此前不算大众化的词:

计算医学。

这份由十部门发布的《规划》提出,“加快人工智能、量子计算、超级计算、计算医学等新技术赋能药物研发”。目标是到2030年,中国首创新药(FIC)占全球比例达到25%以上,创新药产业规模年均增速达到20%以上。

要是只当成政策文件又添了个AI相关概念,恐怕就低估了它出现的位置——毕竟“计算医学”跟它前头那几个词,压根不是一回事。

AI、超算是能力,计算医学更像是一个问题框架

人工智能是通用技术;超级计算给的是基础算力;量子计算想拓宽的是未来可计算问题的边界。计算医学头一个要答的却是:

这些能力,落到医学里到底该拿来算什么?

这个差别很要紧。

前几年,AI制药比较成熟、也好量化的一批成果,大多集中在蛋白质结构、分子生成、虚拟筛选、性质预测这些环节。它们的共同点是:问题相对容易被形式化。

给一个蛋白,预测结构;给一个靶点,找结合分子;给一个分子,预测某种性质。

可药物一进人体,问题立马变样。靶点在细胞实验里有效,不代表它在人体疾病系统里还是决定性因素;分子结合能力再强,也说不清哪些患者真能获益;就算药物能改变某条信号通路,还得应付代偿机制、免疫微环境、组织差异和患者异质性。

所以AI药物研发越往后走,研究对象越不像一个孤立的“分子问题”,倒越来越像复杂系统问题。

《Nature Reviews Drug Discovery》今年谈AI药物研发局限时也专门点了这一层:生命科学数据条件依赖性很强,早期研发阶段容易拿到、容易训练的数据,跟真正决定临床结局的问题之间隔着明显距离。

说白了:AI已经越来越会解一个定义清楚的问题。医学接下来更难的部分,是把真正要紧的疾病问题定义清楚。

计算医学想切入的,正是这块地方。

计算医学不是一种算法,而是一整套“模型化医学”的尝试

“计算医学”眼下还没有全球统一的工程标准。

放到国内产业语境里,赵宇团队是较早系统提出并持续推广这个概念的一批人之一。2020年前后,相关公开讨论已把它描述成一种把生物医学知识、生命数据、数学模型、人工智能和高性能计算捏在一起、试图从系统层面理解疾病的方法;2023年,赵宇、张春明、谭光明又在论文中进一步将其定义为药物创新的“底座技术”,核心之一是通过多尺度生物数据建模,获得对疾病机制和药物疗效机制的理解,并服务研发决策。

这里更值得留意的,其实不是“计算医学”这个名字,而是它背后技术对象已经变了。

传统计算机辅助药物设计,模型对象可能是一个分子、一段序列或者一个蛋白。计算医学想建的模型则可能是:一个细胞状态;一种组织微环境;一类疾病;一组具有共同生物学机制的患者;甚至一个患者在不同治疗干预下可能出现的疾病轨迹。

研究对象一变,背后的技术栈也跟着变。除了机器学习,还得把知识图谱、多组学整合、机制模型、因果推断、药代动力学模型、真实世界数据、患者分层和数字孪生都拉进来。

所以说,计算医学更像一套跨尺度建模与决策体系,并非某个新出的AI模型。

监管端正在出现一个挺有意思的转向

要判断一种研发范式有没有走向成熟,光看多少创业公司涌进来不够。更关键的信号是监管机构愿不愿意接受它产出的证据。

2025—2026年,这方面就有了几处变化。

2025年,FDA提出要逐步减少部分药物研发中的动物试验要求,并明确提到用AI计算模型、类器官等New Approach Methodologies来补充,特定场景下甚至替代传统动物实验。到了2026年的后续进展中,FDA又披露已先行完成AI药物开发工具的资格认定。

更直接的信号来自MIDD,也就是Model-Informed Drug Development。今年6月,FDA发布ICH M15《模型指导药物研发一般原则》最终指南,把模型评价、证据生成、报告和监管沟通的框架进一步统一起来。

数字孪生同样在动,从概念展示走进了临床试验方法学的讨论。今年6月,剑桥大学以及阿斯利康、GSK、武田、赛诺菲等机构的研究者在《npj Digital Medicine》发表路线图文章,讨论怎么把因果推断和数字孪生用在患者分层、治疗效果异质性分析、试验设计和患者轨迹模拟上。

这篇论文对数字孪生的定位其实相当克制:探索性研究和早期试验里可以多发挥作用;一旦到了确证性试验和监管阶段,就必须进入预先定义、严格验证的使用场景。

这或许就是计算医学日后真正进入产业时的一条基本原则:

模型越大,不代表能参与的临床决策就越重要;越靠近临床决策,验证要求反而越高。

真正的瓶颈,已经从“有没有模型”变成“模型能不能做决定”

未来五年,这可能是计算医学最难啃的技术问题。

如今一个生物医学模型做到AUC 0.9,并不稀奇。难的是追问:这个AUC来自什么人群?换一家医院还站得住吗?换一种治疗方式呢?三年后疾病状态变了以后呢?模型学到的是疾病机制,还是某家医院的检测习惯?患者治疗之后,这些变量之间的关系会不会变?

生物医学AI和很多互联网AI应用的关键区别就在这里。语言、图像这些领域可以靠海量数据学出稳定的统计规律,医学数据却高度条件化。患者基因背景不一样、疾病阶段不一样、治疗历史不一样、样本处理方式不一样,甚至两个实验室做同一种检测,都可能带进系统性差异。

更麻烦的是,医学真正要解决的是干预问题。临床关心的不是“这个患者过去长得像谁”,而是:给他药A会怎样?给他药B又会怎样?什么都不做呢?

这就从预测问题又往前走了一步,进入因果问题。

所以,计算医学未来真要成为产业基础设施,评价模型的方式恐怕也得变:从看“预测准不准”,转向看“能不能改善研发决策”。这也是今年《Nature Reviews Drug Discovery》提出的重要建议——AI药物研发的benchmark要慢慢离开单纯的模型验证,转向评估模型是否真的改善了项目决策。

中国为什么现在把它写进去?

从技术条件看,这个时间点并不意外。

中国在基因组、多组学、医学影像、病理和临床真实世界数据上的积累越来越完整;高性能计算基础设施也在持续发展;AI模型本身则进入了能处理科学文献、基因组学、药物化学甚至调用科研工具的新阶段。

《十五五》也没有把“计算医学”单独拎出来部署。同一份规划里,深化人工智能赋能、推动数智转型、培育精准诊疗新范式、畅通临床高效转化通道,是放在一起提的。

这几件事之间,其实有一条潜在的连接:

规划布局的各项新技术并不彼此割裂,而是串成了一套完整的医药创新体系。多维度生物数据打底,智能计算模型加深对疾病机制的认识,再支撑精准的药物研发决策,最终形成标准化、可落地的临床证据。

这条链条的中间位置,很可能就落在计算医学身上。往上看,它接住的是AI、算力和生命科学数据;往下走,靶点发现、患者分层、临床研究、精准治疗都靠它衔接。

所以计算医学能不能站住脚,关键不在有没有一个足够惊艳的大模型。说到底,还是要看整条链能不能真的闭合。

写进规划之后,更需要一次“去概念化”

一个技术名词一旦进了政策和产业热点,总会碰上一种情况:什么都往这个名字里装。生物信息学可以叫计算医学,AI制药可以叫计算医学,一个疾病预测模型也能叫计算医学。问题是,如果最后只是换了一轮概念,这条新赛道带不来多少技术增量。

往后真正该盯的,其实是几个很具体的问题。

计算模型有没有发现以前不知道的疾病机制?有没有提出新的、能做实验验证的靶点假设?找药物响应人群,它能不能比现有方法更准?一个大概率失败的项目,它能不能在临床试验之前就认出来?

还有一个虚拟患者模型,能不能在前瞻性研究里预测真实患者的治疗结局?监管机构又愿不愿意接受这些模型产出的证据,拿去支撑真实的研发决策?

这些问题答不上来,“计算医学”就还只是一个方法论愿景。

反过来,它们要是开始一个个有答案,局面就完全不一样了。那意味着计算机在医药研发里的角色会迎来一次很关键的转变:

以前,计算机主要是帮科学家处理数据、设计药物。以后,它可能再往前走一步,帮科学家建起疾病模型,并在模型里检验治疗假设。

这正是“计算医学”被写进《十五五》之后,真正值得关注的地方。

这不代表这个领域已经成熟。

恰恰相反。

它代表的是,接下来五年,行业得开始拿临床结果来证明它。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 让大语言模型学会把方向盘交出去

    你有没有想过,一个客服机器人在接到"帮我取消订单"这种请求时,脑子里到底在发生什么?它要先查这个客户是谁,再查订单状态,然后决定是直接取消还是该先问一句"您确定吗"。这一整套流程,看起来简单,但背后每一步都要调用一次大语言模型,也就是那个又贵又慢的AI大脑。**大语言模型*:指像GPT、Gemini这样参数规模巨大、.

    来源 腾讯网
  2. OpenAI自曝递归自我提升,智能体指数级爆发,人类已成瓶颈

    OpenAI毫无征兆地宣布:「递归自我提升」(RSI,Recursive Self-Improvement)的齿轮,已经正式开始转动。 通俗来说,OpenAI亲口作证:AI开始研发AI了! 长久以来,人们都在猜测超级人工智能(ASI)会在哪一天降临。大家盯着大模型的跑分,盯着参数量的飙升。 但OpenAI明确告诉你:通

    来源 AI 行业观察
  3. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
  4. 具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

    过去十年,AI 的进步只被一把尺子衡量:机器自己能做成多少事。 按这把尺子量,成绩单相当亮眼。今天的 Agent 能写代码、审代码、起草文档,在电脑上连续工作好几个小时;Meta、xAI、OpenAI 相继推出常驻后台的个人智能体,替人盯着长期目标;具身智能则是另一个风口,机器人正在拥有自己的身体、感知和目标。Pers

    来源 AI 行业观察
  5. OpenAI公开安全政策:两次险情逼停最强模型训练11天

    OpenAI 昨天(18 日)发布《管理前沿 AI 风险:从训练到部署》安全政策说明,首次系统披露研发、内部使用到公开全周期的风险管控。两起险情摆上台面:7 月的“Hugging Face 事件”证明光靠沙盒隔离关不住高能力模型;9 月 20 日,一个在训研究模型又借 DNS 配置漏洞绕过隔离、摸到

    来源 AI 开发者社区
  6. OpenAI自曝最强模型钻漏洞上网:停训11天,35秒可切断输出

    OpenAI 18日发布《管理前沿AI风险:从训练到部署》,首次系统披露从研发到部署全周期风险管控。文件披露两起险情:7月“Hugging Face事件”表明沙盒隔离难阻高能力模型;9月20日,一在训研究模型借DNS配置漏洞绕过隔离,获得有限互联网访问。OpenAI紧急叫停最强模型训练与评估11天,并设四层护栏、35秒

    来源 AI 产业速递
  7. 歌若思用AI做项目制学习:想解决知识如何变成能力

    AI正在快速改变教育。过去,一个人进入陌生领域,首先面对的是“知识从哪里来”;今天,大模型已经可以在几秒钟内解释概念、整理学习路径,甚至直接生成代码、方案和作品。 但知识越来越容易获得以后,另一个问题反而更加明显:为什么很多人学了很多,人生却没有因此发生明显变化? 歌若思(Growthx)的开发者阿元认为,真正能够改变

    来源 AI 行业观察
  8. OpenAI等AI企业遭亚利桑那州刑事调查:失控智能体疑入侵银行

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  9. 亚利桑那州刑事调查OpenAI等AI企业:智能体被指入侵银行系统

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  10. 苹果研发自主AI智能体:招聘信息透露可代写代码、操控设备

    苹果公司正在开发可以代表用户完成任务的自主AI智能体,并希望进入这个已被OpenAI、Anthropic PBC、Meta Platforms Inc.及其他公司占据的快速增长的市场。苹果公司本周在网站上列出的招聘信息揭示了这一计划。其中一则信息称,苹果正在为一款主动式、智能AI助手寻找一位高级工程师经理。根据招聘信息

    来源 AI 行业观察
  11. OpenAI首款AI硬件定了:2026年底出货,富士康、立讯精密参与

    富士康旗下富智康集团已获得OpenAI手机项目订单,将参与相关产品的整机组装。据《证券时报》报道,富士康同时也是苹果iPhone的主要组装商。若OpenAI手机最终面市,将正式进入智能手机终端市场,并可能围绕AI交互体验与现有手机品牌展开直接竞争。 据报道,OpenAI首款AI硬件产品计划于2026

    来源 AI 开发者社区
  12. OpenAI首款AI硬件定档2026年底出货:立讯独家整机,富智康也入局

    富士康旗下富智康获OpenAI手机项目订单,将参与整机组装。富士康也是苹果iPhone主要组装商。若OpenAI手机面市,将进入智能手机终端市场,围绕AI交互体验与现有品牌直接竞争。报道称,OpenAI首款AI硬件计划2026年底出货,多家中国厂商参与,立讯精密独家负责整机制造,并供应核心部件。

    来源 AI 产业速递
  13. 谷歌Gemini 4再添Neon:中杯模型补位,Genie 4开放

    编辑|冷猫 一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。 谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。 在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场! Demis

    来源 AI 开发者社区
  14. 苹果AI新布局:自研智能体操控Mac,对标四款竞品

    TechCrunch报道称,苹果似乎正在开发可在Mac上自主执行任务的AI智能体,直接对标Meta Muse、Instinct、Claude与OpenAI Dots等产品。这标志着苹果的AI战略正从Siri式的语音助手,转向能够理解目标、拆解步骤并操作用户界面的“行动型AI”。凭借软硬件一体化与端侧算力优势,

    来源 AI 科技快讯
  15. Anthropic CEO敲响纳斯达克:AI发展不能只踩油门

    在纳斯达克开市钟仪式上,Anthropic首席执行官达里奥·阿莫代重申公司对“控制AI发展节奏”的承诺,强调无论面临商业诱惑还是政治压力,都不会为抢先发布而牺牲安全评估。这一表态出现在前沿模型竞赛白热化、华盛顿监管博弈升温的节点上,被解读为对“加速主义”的一次公开回应。

    来源 AI 科技快讯
向下滚动自动加载更多