当AI制药的讨论从"概念爆发"走向"价值验证"，行业最关心的已不再是"AI能不能做药"，而是"AI到底在哪些环节真正帮到了忙"。依托第二届E药经理人AI大会的行业积淀，E药经理人、微解药与医药行业AI创新联盟联合推出" AI应用场景拆解实战"系列直播，自8月6日起连续四期、每周四 15:00准时开播，先后邀请英飞智药、望石智慧、医渡科技、明度数智、深圳恒爱药业、深势科技的七位研发专家，覆盖药物早研、智能临床、工艺制造与环肽核药等核心环节进行实战应用的分享。

欢迎扫码观看完整版回放

第一期｜可靠AIDD系统助力早研

报告嘉宾：何焕荣 英飞智药联合创始人兼CEO

作为系列直播第一期的首位分享嘉宾， 何焕荣围绕 "可靠AIDD系统助力早研"展开分享。他直言，当前整个行业的AIDD系统尚未达到理想的颠覆性状态，更准确的定性是"刚刚能发挥点作用"——也正因如此，"可靠"才是评价一套AIDD系统的第一标准，而可靠首先来自时间的积淀。在他看来，一套可靠的AIDD系统由三大环节完整构成：靶点评估、分子生成与分子评价筛选。靶点评估环节，团队以大量已上市药物与失败项目做数据回测，验证打分体系对靶点成药性的区分能力；分子生成环节，系统兼容多种算法共同构建庞大的分子库——库越大，找到好分子的可能性越高。

分子评价环节则覆盖理化性质、ADME与多维度毒性预测，尽可能把"不合格分子"挡在实验室之前，从而压缩试错成本、缩短从设计到PCC的周期。他援引钱学森的系统工程论强调，AIDD的本质是把系统工程方法引入药物早期研发，靶点评估、分子生成、分子评价三个环节必须完整覆盖，才能实现高效可靠的PCC交付。

第一期｜智能体驱动的创新药物研究：从分子设计到研发决策

报告嘉宾：孟凡旺博士 望石智慧AIDD总监

本期直播中， 孟凡旺博士围绕 “智能体驱动的创新药物研究”这一主题，系统分享了AI如何从传统的单点分子设计工具，逐步走向贯穿药物研发流程的智能协作系统。随着创新药研发进入更加复杂的深水区，研发目标已经从单纯寻找“有活性的分子”，进一步转向兼顾活性、选择性、成药性、创新性以及专利价值等多重目标的综合优化，这也对AI在复杂研发任务中的理解、规划与决策能力提出了更高要求。

在分享中，孟凡旺博士介绍了望石智慧围绕药物研发构建的数据、模型与工具体系，以及MolVado与MolVortex两大核心平台。其中，MolVado提供基于空口袋从头生成、片段约束优化、参考分子改造等多种分子设计能力，并通过多阶段、多维度的评估体系提升候选分子的筛选效率；MolVortex则进一步将靶点调研、文献与专利分析、分子设计、性质预测、计算评估、构效分析及合成规划等能力连接起来，使AI能够理解研发人员的自然语言任务，并根据具体目标调用不同专业工具、拆解任务并持续迭代。

结合实际项目案例，孟凡旺博士进一步展示了智能体在FIC新骨架发现、BIC分子优化以及活性和成药性质改善等场景中的应用。通过将分子生成、计算评价与研发策略结合起来，AI不再局限于回答“能生成什么分子”，而是进一步参与“为什么设计、如何优化以及是否值得继续推进”等研发问题，实现了从分子生成到研发决策的能力延伸。

通过本次分享，孟凡旺博士也展示了望石智慧对新药研发智能化范式的探索：AI的价值正在从提升单一环节的效率，进一步走向连接数据、模型、工具与科学家经验的全流程智能协作，让药物研发从过去高度依赖人工经验的流程，逐步迈向更加系统化、数据驱动和智能决策的研发模式。

第二期｜AI赋能临床研究：从可行性分析到患者招募

报告嘉宾：郝原 医渡科技智能临床研究业务负责人

第二期聚焦智能临床。 郝原系统介绍了医渡科技 "数据中台+智能体中台"的双中台架构：数据中台构建个人与项目两极可信数据空间，智能体中台支撑大模型训练与智能体开发，把AI能力嵌入方案生成、可行性分析、患者招募、数据管理等临床试验全流程。在患者招募场景，智能体先对医院量级的患者数据初筛，再由大模型结合项目纳排条件精准匹配，大幅压缩人工配置成本；在数据管理环节，AI录入与人工录入保持高度一致，并将质控从事后稽查前移为事前、事中管理，这套体系正在助力利用AI赋能新药研发进程。

第三期｜AI工艺智能体：让纸质记录变为数据资产

报告嘉宾：周佳楠 明度数智高级产品经理

第三期转向工艺制造环节。 周佳楠指出，多数药企短期内仍无法脱离纸质记录，科学家需要花费大量时间把纸质记录与系统数据抄录、整理后才能形成洞察，而 FDA的483表格与警告信中，大量观察项正直指数据完整性问题。明度数智为此推出AI工艺智能体与Atlas智能体平台：汇聚多类异构数据源、构建知识图谱，把众多业务场景智能体化，让纸质记录变为可检索、可复用的数据资产——工艺偏差在发生时即可被实时洞察，而非等到季度回顾才被发现。

第三期｜混合模型（Hybrid Model）在工艺优化的应用

报告嘉宾：徐心恬博士 工艺专家、数据科学家

徐心恬则分享了混合模型的思路：单纯依赖历史数据的 AI模型在小样本、跨条件预测与机制解释上存在瓶颈，传统机理模型又受限于参数获取与计算复杂度，混合模型将数据驱动模型与机理知识显式结合，追求"既利用企业已有数据，又给出合理、可解释、可验证的工艺判断"。以上游细胞培养与下游层析环节的实践为例，混合模型在关键工艺指标的预测上展现出良好精度，为工艺优化与放大提供参考。

第四期｜AI智能体平台赋能环肽与核素偶联药物研发

报告嘉宾：Dr.Young 恒爱药业AI药物设计平台总监

在第四期聚焦环肽与核素偶联药物（RDC）的专题中， Dr.Young指出，2026年全球多肽药物治疗市场规模预计约为1463亿美元，未来十年有望保持双位数增长。恒爱药业以轻资产、高人才密度模式运营，研发团队以高学历人才为核心。在核药管线中，团队首先基于自研PreciseTar模块，对单靶点及多靶点的FIC/BIC级RDC进行系统性可行性调研；随后通过“干湿闭环”方式对RDC专用AI-QSAR模型开展多轮迭代优化。每轮AI设计均系统引入金属离子、连接子、螯合剂、非天然残基及多种成环方式，刻画RDC与受体的结合机制和动态运动模式，并持续更新适用于RDC项目的结合自由能评估算法。随着迭代深入，核药与多肽垂直领域模型的预测能力逐轮显著提升，多个设计分子已达到高亲和力水平并进入后续开发阶段。

这一成果集中体现了HA-Pep™平台在环肽与RDC等前沿分子类型上的核心价值：它并非通用型AI分子设计工具，而是深度耦合环肽/RDC化学空间、金属配位与构象约束、干湿实验反馈及项目级药化判断的垂直专用平台。通过持续积累高质量垂直数据、优化复杂分子物理模型与评估算法，HA-Pep™已形成从靶点调研、分子生成、亲和力预测到候选分子推进的闭环飞轮，构筑起短时间难以复制的数据、模型与项目验证三重壁垒，在环肽与核药AI设计领域形成显著的代际领先优势与行业鸿沟。

第四期｜AI Agent串联药物研发全流程

报告嘉宾：孟月 深势科技生命科学资深解决方案架构师

孟月围绕深势科技 AI for Science智能体矩阵展开分享，覆盖生物医药从“找证据”到“出结果”的核心环节。玻尔科学导航实现全球文献检索、前沿跟踪与专题研报生成；PharmMaster专注靶点调研、专利解析与分子优化，赋能研发决策；BioMaster可完成论文复现、多组学及临床数据分析，输出代码、图表与完整报告。整套方案贯穿机制研究、靶点立项、分子设计全流程，搭配本地客户端“科学空间”保障数据安全。她提出，选择研发类Agent的关键在于场景匹配度与易用性，需要在实际工作流中落地试用，才能检验平台价值。

结语