王印祥:AI替掉重复实验,中国药企工程师红利还能守多久?

资讯 腾讯网 作者:腾讯网 全文 1248 字 · 约 4 分钟读完 分类生物科技机器人

记者 刘晓诺“AI对生物医药行业毫无疑问是好事,但对中国生物医药产业的竞争力未必。”10月27日,在2026中国医药决策者峰会期间,加科思药业(01167.HK)董事长兼联席首席执行官王印祥在接受经济观察报采访时说。王印祥认为,中国生物医药的行业优势主要靠工程师红利形成,大量研发人员天天在实验室里埋头苦干,所以中国药企

所属频道 机器人与具身智能

10月27日,2026中国医药决策者峰会期间,加科思药业(01167.HK)董事长兼联席首席执行官王印祥接受经济观察报采访时表示,AI对生物医药行业毫无疑问是好事,但对中国生物医药产业的竞争力未必。

在王印祥看来,中国生物医药的行业优势主要靠工程师红利形成——大量研发人员天天在实验室里埋头苦干,中国药企的效率因此比国外高很多。可一旦海外大型制药公司用AI和机器人替掉大部分重复劳动、24小时做实验,它们就能快速复制这份工程师红利。

王印祥在创新药行业算得上一名老练的创业者。2003年回国后,他与伙伴共同创办贝达药业(300558.SZ),做过总裁兼首席科学家,中国第一款小分子靶向抗癌药埃克替尼的研发和上市就由他主导。2015年他又办起加科思,盯的是KRAS一类“难成药靶点”的新药研发。在国内KRAS赛道上,加科思处在第一梯队,同类首创管线有好几条。

整个中国生物医药行业都在琢磨AI究竟会带来什么。最近一段时间,经济观察报还从其他多位行业人士那里听到不一样角度的观察,王印祥只是其中之一。

就有资深投资人持这样的看法:生物医药研发到头来还得靠好几年临床试验数据来验证,而临床试验这一步,眼下还看不到被AI取代的可能。“中国生物医药的绝对优势,不只是工程师的研发优势,还有巨大的临床患者体量,这点其实没办法替代,谁都羡慕。”

王印祥的观察着重在实验室环节。他提到,国内眼下说的工程化优势,说到底还是人力堆出来的,每个项目都靠成百上千的博士在实验室里完成。倘若机器人将来能大规模顶替人工,海外大药企就不必再跟中国企业拼谁雇的人多。再看研发投入,中国头部药企一年连100亿元都达不到,跨国企业动辄就是百亿美元。

他还说,论AI本身的能力,中国未必输给美国,可生物医药的基础摆在那里,差距还在。大型跨国药企内部攒了几十年甚至上百年的研发数据,投进去的钱动辄几十亿美元。一旦它们在AI上真正取得突破,中国现有的优势可能会丢失。

王印祥说,这种趋势现在已经能看出来。受影响的不仅是CRO(合同研发组织),创新药企同样躲不开。他举了个例子:假设一家中国创新药企的化学合成团队有100个人,一个人一年做50个分子,团队一年就是5000个分子。可要是以后几台机器人就能不间断地完成这些操作,外国行业迅速建立优势并不难。

身为创新药企创始人,王印祥坦言自己也焦虑。但他觉得这种变化总归要一个过程,眼下还没真正走到那一步,趋势却已经很清楚。企业能做的,是盯紧这个方向,把项目做得更创新。

南京一家创新药企的创始人也持类似判断:按受AI冲击的程度看,fast follow(快速跟进)的研发项目未来可能会首当其冲,真创新则不会受太大影响。

一家上市药企的研发负责人告诉经济观察报,制药领域眼下真正的瓶颈,不是前期研发快一点还是慢一点,而是人类对身体机制的理解还很浅,不少药物因此失败。在他看来,AI或许能从海量人体数据中形成整体机制视角,把对疾病的理解加深,这也是AI最能发挥作用的地方,只是这一难题AI暂时还解决不了。

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. AI能写代码,年轻人还要读大学吗?科技从业者谈能力培养

    新京报贝壳财经讯(记者韦英姿)AI能写代码、生成答案,年轻人是否还需要花时间练基本功、读大学?10月31日,在2026年哔哩哔哩超级科学晚期间,多位科技从业者回应了年轻人对学习与职业发展的疑问。面对AI时代是否还有必要花四年读大学的提问,梅卡曼德机器人创始人、CEO邵天兰将大学比作“新手村”:年轻人可以在没有那么...

    来源 腾讯网
  2. Exin Therapeutics:AI智能体为小鼠做脑部手术治癫痫

    IT之家 11 月 1 日消息,专注于下一代神经治疗的生物科技初创公司 Exin Therapeutics 本周声称,该公司已成功让 AI 智能体对一只小鼠进行了脑部手术。该公司联合创始人兼首席执行官 Gabriel Ocana-Santero 在 X 平台上分享了整个过程,展示了 AI 智能体如何选择基因治疗载体、剂

    来源 腾讯网
  3. 大晓机器人Mundo:物理属性入场景,可探索可交互

    同时,Mundo 支持调用智能体,通过代码编辑场景中的物体、属性与动作,将少量影像转化为可自由探索、可编程交互、可用于机器人导航与操作训练的三维世界。Mundo 将拍下来的一个个视角,组织成可以持续进入和探索的空间。Mundo 将物理交互引入重建环境,为机器人练习动作及分析结果提供了具体依据。

    来源 TechWeb
  4. 大晓机器人联合南洋理工大学发布最新成果:Mundo,构建可自由探索、可物理交互的机器人世界模型

    同时,Mundo 支持调用智能体,通过代码编辑场景中的物体、属性与动作,将少量影像转化为可自由探索、可编程交互、可用于机器人导航与操作训练的三维世界。Mundo 将拍下来的一个个视角,组织成可以持续进入和探索的空间。Mundo 将物理交互引入重建环境,为机器人练习动作及分析结果提供了具体依据。

    来源 TechWeb
  5. Agent改写AI算力采购清单:服务器CPU需求2026年预计增长31%

    (本文作者为 硅碳变量,钛媒体经授权发布)文|硅碳变量,作者|沈浪根据TrendForce集邦咨询最新AI服务器产业研究,随着各AI服务厂商积极推出AI Agent 相关应用,服务器CPU需求自2025年下半年起稳步成长,预估2026年出货年增幅将达 31%。2027年由于AI推理需求持续成长、Agentic AI服务

    来源 腾讯网
  6. AI基建真瓶颈:电力之外,变压器和并网也在排队

    编辑|Panda一个冰箱大小的服务器机柜,重量超过一辆皮卡;到 2027 年,它的峰值功率将相当于 65 户家庭同时用电;为了不让它烧掉,每个机柜需要排出的热量相当于 30 台燃气锅炉。由 ChatGPT 制作中文版,https://www.iea.org/reports/key-questions-on-energy

    来源 腾讯网
  7. 谷歌TPU在轨跑通Gemma 4:数据中心级芯片首次在太空生成完整AI回复

    编辑|山辉「写一首关于身处太空的俳句。」几天前,谷歌的工程师通过地面站,将这样一条提示词发送给了运行在地球轨道上的卫星。收到指令后,卫星搭载的 TPU 启动,预先部署的 Gemma 4 开始执行推理任务。随后,当卫星飞经挪威斯瓦尔巴群岛附近时,地面站终于收到了来自太空的回复。Blue marble below(蓝色星球

    来源 腾讯网
  8. DeepSeek成"大肥鱼":网友如何给AI安排人设

    最近,B 站评论区闹起了「鱼灾」。 先是有人开了个「Claude 大小姐在运营」的账号,让 AI 负责选题、制作和运营。第二天,「DeepSeek 鲸鱼娘在运营」跟着上线,第一条视频播放量就超过了 200 万。 由于目前 DeepSeek 暂无生图功能,该账号形象还是由 GPT 绘制的。|图源:Bilibili 网友纷

    来源 AI 行业观察
  9. 5×5mm封装塞下655W,这款国产驱动芯片如何打破灵巧手“性能・体积・成本”不可能三角?

    加入高工机器人专业行业群,加微信:19065204977,出示名片,仅限机器人及智能制造产业链相关企业。*本文共约 2612 字,阅读完成需 5 分钟。人形机器人已跨过原型演示,进入110的规模化放量期。整机迭代在提速,但末端灵巧手、微型伺服关节仍是落地最大短板之一。高工机器人产业研究所(GGII)调研显示,这个环节长

    来源 腾讯网
  10. AI数据中心扩到哪儿去了:电力、散热与供应链的真实瓶颈

    一个冰箱大小的服务器机柜,重量超过一辆皮卡;到 2027 年,它的峰值功率将相当于 65 户家庭同时用电;为了不让它烧掉,每个机柜需要排出的热量相当于 30 台燃气锅炉。 这个看似科幻的论述其实是国际能源署(IEA)在 2026 年 4 月的报告里对下一代 AI 数据中心的描述。这份报告给出了另一组数字:2025 年,

    来源 AI 行业观察
  11. 机器人爬泰山:3100级台阶600米高差,如何认路探路?

    首届 CMG 世界机器人登泰山大赛将于明天(11 月 2 日)在山东泰安正式开赛,各类机器人齐聚泰山脚下,在红门至中天门(3100 级台阶、600 米高差)千年盘道开启实景山地竞技比拼。央视新闻今日发布视频,揭秘了机器人如何认路、探路、见招拆招。

    来源 IT之家
  12. ChatGPT带徒步进山:编造步道与低估风险,搜救成本谁来担

    把路线规划交给AI,听起来省事,却可能让人放弃独立思考。聊天机器人会编出并不存在的步道,也会低估山里的风险。当这样的错误发生在远离公路的荒野时,后果可能致命。本文梳理WIRED的报道,探讨大模型为何读不懂真实的山野,以及徒步者该如何与AI协作,而不被它误导。

    来源 AI 科技快讯
  13. Meta联合傅里叶造人形机器人Max:二代已启动,暂无开售计划

    Meta与中国机器人公司傅里叶联合开发人形机器人原型“Max”,并启动第二代研发,计划将消费级AI智能体Muse延伸至家庭场景。新原型将升级操控与感知能力,Meta同步在上海、深圳招募量产人才,但目前暂无销售计划,消费级人形机器人布局仍处研发阶段。

    来源 华尔街见闻
  14. Meta联手傅利叶:3个月造出人形机器人Max,成Muse物理化身

    IT之家 11 月 1 日消息,据 The Information 昨天报道,Meta 最近与中国企业傅利叶(Fourier)合作,打造一款名为 Max 的人形机器人原型。 据介绍,这款机器人研发用时三个月,其身高接近 5 英尺(IT之家注:约 1.5 米),体重约 106 磅(约 48.1 千克),搭载英伟达 Tho

    来源 AI 行业观察
  15. 西湖世界模型研究中心成立:冠军团队为何推翻自己的路线

    想象一下:此刻,一只杯子正滑向桌边。你会下意识伸手去接,不需要先在脑海中渲染出一段杯子坠落的完整影像,此时你只需要知道两件事:杯子在哪,它滑得多快,你的手够不够得着。今天的 AI,已经能强大到生成一段杯子坠落的逼真视频,但当机器人真正伸出手去接这个杯子时,它未必知道该从哪里接、用多大力接。AI 生成一个看...

    来源 腾讯网
向下滚动自动加载更多