走进位于浦东金桥的英矽智能生命之星2.0（LifeStar2）自动化实验室，精密、创新与高效的气息迎面而来。这座占地近1300平方米的全自动湿实验室用于开展真实世界验证，仅用了一个多月便完成建设并投入运营，堪称“浦东速度”。
而支撑这座实验室的“大脑”，正是其近日发布的最新一代智能实验室操作系统 LabClaw。
LabClaw是制药行业率先基于轻量级智能体（Agent-Guard）架构设计的实验室自主化系统，专为LifeStar2自动化实验室匹配打造，驱动智能实验室从执行指令向自主协调实现范式飞跃。
在实验室里，我看到了由细胞培养、基因测序、高通量筛选等六大模块构成的高度集成、流程清晰的运作体系。配备机械臂的自动导引在各模块间无缝穿梭，运送物料、衔接步骤。实验由机器人系统与先进科学仪器协同完成，全天候不间断运转，其通量相当于约50名科学家组成的传统生物学研究团队。
沿着走廊前行，透过玻璃面板可一窥实验进程:细胞培养模块中，机械臂精准操作培养皿；高通量筛选区域，仪器分析样本，实时数据跃然屏上。实验室一端，研究人员正与仿人机器人互动，勾勒出未来科研中智能人机协作的图景。
2026年初，这个实验室迎来重大升级，中央控制平台部署OpenClaw AI智能体，设施由此从全自动化迈向具备自主决策能力的高度智能化。升级后，通量提升40%至50%，实验错误率则从5%到8%骤降至近乎为零。
近年来，英矽智能这颗AIDD耀眼的明星持续取得重大进展。2025年12月，公司在香港联合交易所主板上市，成为当年最大规模的Biotech港股IPO。
仅在2026年，英矽智能接连推出MMAI Gym for Science、PandaClaw 等前沿工具，提出“AI训练AI”的新范式，拥抱当今烈火烹油的AI智能体浪潮。在药物研发方面，英矽智能自主提名的临床前候选化合物（PCC）数量达到29个，其中12款候选药物获得临床试验批件，3个项目推进至II 期临床。这一切，也在与礼来的重磅合作中得到集中印证，这一总额高达27.5亿美元的交易引发了业界广泛关注。
研发客主编毛冬蕾与Alex
随后，在LifeStar2实验室的办公区，研发客与英矽智能创始人兼首席执行官Alex Zhavoronkov展开了对话。对于Alex而言，上述成绩还不是最终目标，他的愿景是成为“药物发现领域的 SpaceX”，即实现创新突破、加速创新过程、开源创新成果。
研发客：礼来开出了总额27.5亿美元的价码，这可能是英矽智能至今为止最大规模的一笔交易，也是礼来和AI制药公司的合作中最优厚的合作条件。您认为，礼来选择英矽智能的原因是什么？
Alex：
首先，礼来拥有全球领先的AI团队，几乎是处在顶尖的地位。这代表礼来有能力判断什么样的AI工具真正具有突破性，也能充分发挥我们生成式生物学和生成式化学平台的潜力。
更重要的是，英矽智能不仅建立了AI赋能的端到端药物研发能力，也在真实项目中不断交付成果、验证平台，并根据实践经验持续优化。生成式AI可以把传统药物发现阶段，也就是从靶点发现到候选分子确定的过程，从过去通常需要数年的周期，缩短到平均12至18个月。并且通常只需要合成和测试60至200个分子。更关键的是，这样的研发效率并不是个例，而是可以不断复现的。
当然，在完成临床前候选化合物提名之后，项目进入后期临床开发阶段，也会进入一个监管要求更高、挑战更加复杂的领域。正因如此，我们非常高兴能与制药巨头礼来，因为它们在一些AI还无法真正加速的环节（至少目前是这样）拥有丰富的经验，能更快速推动创新疗法验证和商业化的进程，让患者更早获益。
英矽制药首席执行官Alex Zhavoronkov在Life Star 2实验室
药物诞生于芯片之中（in silico）
研发客：能否为我们讲述英矽智能的完整故事？十多年前，是什么促使您创立这样一家AI制药公司？
Alex：
英矽智能的缘起可以追溯到很久以前。我们诞生于美国巴尔的摩，在约翰霍普金斯大学的新兴技术中心起步。同时，英伟达GTC大会也是我们的发源地之一。我在会上聆听了多个演讲，其中Andrew Ng的分享让我见识了深度学习在图像、文本、语音识别领域的潜力。我的背景是GPU计算，25年前，曾在ATI Technologies工作，和英伟达一样属于半导体行业。即便在当时，GPU已开始应用于诸多非游戏场景，我们称之为GPGPU，即通用图形处理器。
那时候，我意识到，计算科学、半导体、深度学习与神经科学之间正发生着深刻的融合。基于这样的背景，我觉得是时候回归GPU计算的本源了。正因如此，如果你留意我们的标志，会发现它形似一枚半导体芯片，中心是一个化学实验常用的锥形瓶。我们将公司命名为英矽智能（Insilico），因为“in silico”是拉丁语“在硅片中”的意思，想表达的是药物诞生于芯片之中。
研发客：为何选择医药领域作为AI工具的落脚点？为何是生命科学？
Alex：
最初，我关注抗衰老。一个人可能没有任何疾病，但无论多么健康，每个人都会走向衰老，而衰老终将夺去我们的生命。大多数制药公司聚焦于抗击癌症、糖尿病等疾病，业界向这些领域投入了巨额资金。但每个人都面临的首要敌人是衰老本身，这一领域却鲜有大型制药公司问津。这让我非常惊讶。
到2014年，我在半导体和GPU领域已积累了一定的财富，于是决定将余生投入到衰老研究中，不止于抗衰老，更要探寻体内同时驱动衰老与疾病的根源。我相信，深度学习能够更高效地达成这一目标，因为它让你不仅能理解单个生物过程，更能同时洞悉全局。
公司创立之初，很多人并不理解我们的追求远不止于提升精度。所有人都在追求构建更精准的模型，而我始终在强调：深度学习的精度或许不及专门模型，但它能做得更多，且具备泛化能力。当面对肥胖、衰老这类涉及众多蛋白质与分子相互作用的复杂生物过程时，深度学习能助力对于整个系统的理解。
最初的几年，融资举步维艰。我还不擅长讲述这个故事。我说：“让我们一起对抗衰老。”投资人觉得这过于宽泛，总会追问：“那你到底想做什么？”
研发客：是的，除了领域宏大，衰老似乎不像癌症那样紧迫。
Alex：
实际上，衰老更为紧迫。在我们结束这次对话之前，全球将有6000人死于衰老，每分钟超过100人。而癌症每分钟造成的死亡人数远低于此。人们把衰老视为自然规律，但它实则迫在眉睫。
研发客：如此说来，衰老的临床需求和市场巨大。
Alex：
这不仅是临床需求和市场的问题。如果你要开发能够延长寿命的“仙丹”，就需要资源。当我们最初阐释这一点时，人们完全不理解。我不得不从各种非常规渠道筹措资金，包括自掏腰包。
战略转型：从生物学到化学
研发客：后来，英矽智能是如何从最初关注衰老、关注AI逐步演进到做药的呢？
Alex：
大约在2016年，我意识到一个问题。我们最初是一家生物学公司，致力于利用深度学习解析基础生物学、识别治疗靶点。但两年下来，我们发现靶点发现或一般性生物学假说领域资金匮乏。制药公司不愿为此投入太多，他们或许会进行小规模测试，但也仅止于此。而我们当时尚未建立知名度，向他们推销我们的AI技术并不容易。
于是，我们决定切入化学领域。我们开始利用深度学习构建预测模型，用于预测药物的各类分子属性，更进一步，直接生成具有所需特性的新分子。随后，用预测模型来检验生成器的表现。2016年，我们正式涉足化学。到2017年，我们意识到需要合成并测试这些分子。正是在那时，我们来到了中国。
扎根中国的决策
研发客：那么，你们为什么要转在中国成立公司？
Alex：
2017年，如果要大规模合成和测试分子，你只能在中国。当时，全球只有少数国家具备这种规模化能力，其中就有中国。我在半导体行业初期就对中国非常熟悉，无论你想制造什么，中国都是理想之选。
我最初在台湾设立了第一个站点，那里人工智能人才济济，但药物发现的基础设施尚不理想。我们随后迁至香港，那里的生物学条件得天独厚，但化学方面我们仍需深入内地。到2018年，我们意识到来到内地是必由之路。我需要将资源倾注于此。
我们在强生创新旗下的JLABS平台拓展业务，这是外资企业进入中国的良好起点。如今，还有罗氏创新实验室、礼来Gateway实验室等更优选择。但我们深刻体会到，在中国，仅以“外国人”身份无法立足。你必须深度融合。要扎根在中国，要在这里100%投入。这是在这里制胜的法门。
规模，不仅仅是速度
研发客：现在，AIDD已被研发人员、监管机构全面接受，AI在药物发现过程中的作用不言而喻。下一步怎么走？
Alex：
许多从事AIDD 的人思路存在误区。他们认为一家AIDD驱动的药物发现公司应当一路做到Ⅲ期临床。这并非明智之举。AI的最佳应用在于规模化。它让你能够规模化创新，创造出大量研发候选物或Ⅰ期临床候选物，然后转让出去，让那些更擅长临床试验的伙伴接手。如此，你便可以从零开始创造出众多药物。
研发客：所以你们坚持聚焦药物发现的早期阶段，从零到IND似乎跑得更快。
Alex：
因为进入临床研究阶段涉及监管法规，我无法让美国FDA或中国国家药品监督管理局运作得更快。我们自己也做一些临床开发工作，旨在验证早期研发过程的成果，同时用快速的产出来对冲行业风险。借助AI，我们证明了规模化是可行的。任博士在任5年的时间里，成功提名了30款临床前候选化合物，其中13款已经获得临床试验批件，时间成本低得多，资金消耗也极少。这是证明我们能够规模化运作的根本证据。
如今人们会问：通过III期临床的AI药物在哪里？会有的，因为AI驱动的候选药物数量极其庞大。但III期临床需要时间。即便针对罕见病，可能也需要三、四年，仅在中国开展临床试验的费用就可以达到1.5亿美元，全球多中心的临床试验费用可以高达7亿美元。我们期待不久后能够见证AI制药在III期临床的结果。
SpaceX类比
研发客：您多次提到Elon Musk的美国私营航天企业SpaceX，Elon Musk当年希望通过SpaceX大幅降低太空运输成本，最终实现人类移民火星的愿景。能解释一下这个类比吗？
Alex：
我喜欢说英矽智能是药物发现领域的SpaceX。SpaceX的独特之处何在？SpaceX发射的火箭数量是整个中国的十倍，占全球火箭发射总量的90%。为什么？因为系统在运作。它每个环节都处于前沿且高效，这无关引擎、燃料或火箭设计，而在于所有环节的无缝协同。
对我们而言，情况如出一辙。英矽智能之所以成功，归功于我们的AI，归功于任峰博士，归功于我们拥有一支高效、勤奋的中国科学家团队。这不仅仅是AI平台的问题，如果你把平台交给一个不懂药物生产的人，他们不会成功。一个高中生不可能制造出真正优秀的药物。这充分说明，我们的系统是高度集成的，是为真正的药物发现而构建的，而非仅为发表光鲜的研究论文。
许多公司和学术机构正在构建前沿模型，但理论创新到实际落地之间还有距离。AlphaFold赢得了诺贝尔奖，但真正由AlphaFold驱动的创新药物诞生了吗？我想目前还没有。如果你在进行一个真正的药物发现项目，你不会用AI来预测结构，因为获取真实准确的晶体结构只需要5万美元，耗时2到3周。当一款PCC的研发成本达到300万美元时，你会选择为真实的晶体结构买单，而不是用AI预测的小幅成本缩减换取巨大的不确定性。
动物实验与数据优势
研发客：最近有一个话题，美国FDA一直在鼓励利用AI和类器官替代临床前动物实验，您对此有何看法？
Alex：
事实上，我们目前进行的临床前验证比传统生物技术公司还要多。为什么？因为我们需要构建优质的数据集。对于GLP-1这类竞争激烈的领域，要做出同类最佳就必须用数据来证明。这意味着使用每一种可能的动物模型来展示卓越性能，数据资料需要详尽到无人能找出任何瑕疵。
一定程度上讲，只使用一部分受到认可的模型，就会错失关键信息。有些动物对药物极其敏感，而人类却能良好耐受，一种对人类安全的药物可能会对狗致命。就这样，我们持续开展必要的体内试验，创建了独家的跨物种比较数据集。这些数据集让我们的AI能以前所未有的方式在项目中进行推理。有趣的是，通过现在进行更多的动物实验，我们正在为未来减少实验奠定基础。
美国FDA允许替代方法的举措对单克隆抗体等生物制品是有意义的，对于这些产品，动物实验往往不能很好地预测人类反应。但小分子药物则不同。它们需要经受胃肠道的考验，进入血液，避免肝脏和肾脏毒性，且不分解为有害代谢物。小分子药物所需的毒性测试要复杂得多。因此，尽管AI能最终将改变这一领域，我们仍处于数据积累阶段。构建更优AI的最佳途径，正是生成更多高质量的动物数据。
治疗重点：衰老作为终极适应症
研发客：英矽智能专注于中枢神经系统、罕见病和肿瘤学。你们是如何选择这些关注领域的？
Alex：
我们正在开发的药物中，超过50%具有双重用途，它们同样靶向衰老。如果它们因某个适应症获批，也许日后我们会看到抗衰老效果，届时每个人都会使用它们。这就是我们的梦想，就像GLP-1一样。GLP-1是当今全球最热门的药物。我自己也在使用，它或许能为我延长两年的寿命，这对我很重要。
想象一下，我们一些药物将具有类似甚至更强的潜力，一种兼具抗衰老作用的抗纤维化或肿瘤药物，一种能改善肌肉、帮助减重而不流失肌肉、或提升心智功能的心血管药物。我们的许多药物都与衰老相关。
制药行业正兴起一种pipeline in a drug的新趋势，即“一药多效”，一款药物就是一整个管线组合，可以在针对一种适应症获批后，再迅速拓展到其他的应用领域。武田制药以40亿美元现金收购了一种皮肤病药物，如今该药已在多个领域开展16项临床试验。GLP-1也是一药多效的典型案例：在2型糖尿病、肥胖之外，还有针对其他疾病的试验正在进行中。因此我们思考：如果终极适应症是衰老，那么一种对衰老有效的药物理应作用于成千上万种疾病。这便是终极的“一药多效”。
我们选择某些靶点，还因为它们具有商业可行性，我们知道制药公司两年后会有需求。我们采用自有AI工具来预测市场趋势，以及哪些公司可能购买我们的产品。提前两年发现热门靶点殊为不易，但我们能够做到。
研发客：很多投资人会问，AI能否预测临床试验的成功率。
Alex：
可以，尤其是II期到III期的过渡实验。我们发表过论文证明这一点。2017年开始，我们针对临床试验预测平台的验证结果开始逐步发布在预印本平台上。2023年，我们在《临床药理学与治疗学》上发表文章，证明我们不仅能预测试验结果，还能指引投资行为，AI自动交易的收益率比一些知名的ETF还要高。
MMAI Gym：多模态AI健身房
研发客：能否分享一下英矽智能的技术优势？主要秘诀是什么？
Alex：
真正的优势在于它切实有效，仅此而已。它始终如一地高效。最终的衡量标准是，你用多少时间和资金产出了多少研发候选化合物。2021年至今，我们用极少的资金产出了30款候选药物。正因如此，我说英矽智能是药物发现领域的SpaceX。
研发客： MMAI Gym具体是什么，您能解释一下吗？
Alex：
2025年，我们发现了一件令人振奋的事情。基础模型、多模态基础模型，如果训练得当，可以在许多此前大型语言模型无法胜任的任务上展现出超人类的能力。例如，你让DeepSeek模拟蛋白质折叠，它做不到。但想象一个系统，既能做到这一点，又能生成具有所需特性的分子，甚至能打电话给你妈妈报平安，所有这些集于一个模型。
我们决定大力押注多模态与强化学习。我们从化学领域起步，是首个将强化学习应用于生成式化学的公司。如今，我们正在做同样的事情，但将基础模型作为学生，将我们整个注册管道中超过800个经过实验验证的模型作为教师。我们称之为MMAI Gym，科学领域多模态AI健身房。
我们选取一个开源的前沿模型，在我们的高性能计算集群上“锻炼”两天到两周，用我们所有小模型对其进行训练。两周后，它变得超级智能，在可测试的药物发现任务中解决了95%，达到或超越现有最佳水平。这就是我们的方向：打造几个能够包揽一切的超级智能模型。
研发客：这就是您所说的制药超级智能？
Alex：
是的。但这成本高昂，在MMAI Gym这个健身房锻炼两周可能耗资数百万美元。因此，我们将其作为一项服务推出。其他公司可以将他们的模型带到我们的健身房，让AI模型去锻炼并且获得超级智能，最终性能甚至可能超越制药领域的专门模型。这正是人工智能驱动药物发现的泛化赋能。我们向SpaceX学习：埃隆·马斯克之所以公开SpaceX的技术，并非因为他想放弃竞争优势，而是因为他对自己的执行力如此自信，相信他们总能保持领先。我们也在做同样的事情。
从香港上市到全球合作
研发客：祝贺你们于2025年12月在香港上市。这一里程碑如何塑造你们的战略？
Alex：
谢谢。上市验证了我们十多年来一直在构建的成果，一个能够规模化运作的人工智能驱动药物发现引擎。成为上市公司，我们获得了更高的知名度和融资渠道，但更重要的是，它为我们的运营和产品线带来了透明度。投资者和合作伙伴可以清晰看到我们提名的30款临床前候选化合物、13条获得临床批件的管线，以及不断增长的合作伙伴关系。（注：数据截至2026年4月）
我们始终坚信，人工智能在药物发现中的真正价值在于实现规模化。上市让我们能够加倍投入这一愿景，同时坚守我们对制药研究人工智能泛化赋能的承诺。
研发客：你们在2026年初宣布了与Liquid AI的战略合作伙伴关系。能谈谈这次合作吗？
Alex：
Liquid AI开发了一种基于动态系统而非传统Transformer的全新架构。我们将他们的液态基础模型架构与我们的MMAI Gym训练平台相结合，创建了LFM2-2.6B-MMAI。值得关注的是，这个模型仅有26亿个参数，却在多个药物发现任务上超越了比它大十倍的模型。在特性预测方面，它在涵盖药代动力学和毒理学的22项任务中的13项上击败了TxGemma-27B。在分子优化方面，它在行业标准基准测试上实现了高达98.8%的成功率。在我们包含250万个实验测量值的内部亲和力预测基准测试中，它产生的相关性分数优于GPT-5.1、Claude Opus 4.5和Grok-4.1等前沿模型。
真正重要的是：这个模型完全可以在私有基础设施上运行。制药公司可以在本地部署，无需将专有数据发送至外部云服务。对于数据保密性至上的行业而言，这是颠覆性的改变。
研发客：这是否属于你们更广泛的MMAI Gym计划的一部分？
Alex：
是的。我们在2026年1月推出了MMAI Gym，这是一个特定领域的训练环境，旨在将任何前沿大语言模型训练为制药级科学引擎。它使用我们的专有数据集训练模型，这些数据集包括超过400万条药物化学优化链、1亿条有机合成描述以及数十万条分子动力学轨迹。我们将MMAI Gym设计为两大方向：用于药物化学的化学超级智能，以及用于靶点发现与临床开发预测的生物学/临床超级智能。
我们以灵活的会员制模式提供MMAI Gym服务，从为期两周的强化训练到更长时间的深度合作。合作伙伴提供他们的基础模型，无论是GPT、Claude、Gemini、Grok、Llama、Mistral还是任何其他前沿模型，我们运用专有数据集和强化学习技术对其进行训练。他们将获得经过化学超级智能或生物学/临床超级智能增强的版本，关键药物发现基准测试性能通常可提升十倍。我们还提供详尽的基准报告，并通过自动化检测平台提供可选的湿实验验证。
这正是我们从SpaceX学到的：通过让制药级人工智能惠及更多参与者，我们在加速整个行业发展的同时，也巩固了自身的领导地位。
研发客：英矽智能在持续推动内部产品线，那么，最新的产品线临床阶段项目的最新进展如何？
Alex：
我想重点介绍Garutadustat（原名ISM5411），这是我们新型的肠道限制性PHD抑制剂，用于治疗炎症性肠病。该项目最近在BETHESDA IIa期临床试验中完成了首例患者首次给药。该项目于2022年1月被提名为临床前候选物，距离项目立项仅用了12个月。我们使用Chemistry42生成并优化了该分子，基于人工智能驱动的工作流程，最终仅筛选了约115种化合物就得到了候选分子。如今它已进入IIa期，临床前开发工作于2024年12月发表于《自然-生物技术》。Garutadustat的特别之处在于其双重作用机制，兼具抗炎活性与增强肠道屏障修复功能。这正是人工智能所实现的创新：不止是现有药物的改良版，而是全新的治疗方法。
除Garutadustat外，英矽智能的临床阶段产品线还包括肿瘤学、免疫学、代谢和罕见病领域的候选药物，目前有3个项目处于II期，还有多个项目正在推进I期试验。
展望未来，制药超级智能
研发客：我参观了你们实验室，具身化实验室智能，未来将会是怎样的场景？
Alex：
想象一群机器人，整个实验室就是一个大脑，机器人就是它的手指。它们既能完成干实验，也能承担湿实验。我称之为科学实验室的具身化人工智能。目前尚处早期阶段，但未来，你来到一栋大楼前说：“我想发现一种治疗肥胖的药物。”你告诉实验室你的预算，它就会自动设计、合成并验证药物，不再需要人类介入——这就是那个宏大的构想。
制药超级智能是我们所有努力的集大成者。它不仅关乎拥有能预测属性或生成分子的人工智能，更在于拥有人工智能系统，能够在整个药物发现与开发生命周期，从靶点识别到临床试验设计，进行推理。通过MMAI Gym，我们正在为制药超级智能构建训练基础设施。通过与Liquid AI等公司的合作，我们正在开发能够在私有基础设施上高效运行的模型架构。通过我们的内部产品线与不断增长的合作伙伴网络，我们正在积累验证这一方法有效性的数据与证据。
未来，我设想这样一家制药公司：AI不再仅仅是科学家的助手，而是作为平等的伙伴与他们并肩协作。研究人员可以问：“针对这个靶点的最佳分子是什么？”人工智能不仅能生成候选化合物，还能解释其推理过程，预测潜在的安全问题，建议临床试验设计，甚至协助制定监管策略。我们尚未达到这一境界，但每一次合作、每一次里程碑付款、每一次临床试验的推进，都在让我们离目标更近一步。而且，步伐正在加快。
研发客：纵观这些年英矽智能取得的巨大成功和发展，您有哪些感想感悟？
Alex：
我的想法始终很简单：AI用于药物发现是切实有效的。它的有效不仅体现在理论或学术论文中，更体现在现实世界的应用里，有真实的制药公司进行着真实的投资。仅在2026年第一季度，英矽智能新签署的合作总额就达到13亿美元。同时，我们推出了MMAI Gym平台，旨在从底层入手，实现人工智能制药能力的提升；我们还推进了内部产品管线，一共开启了3项II期临床试验，其中一项IIa期临床试验已经取得积极结果。
这就是规模化。这就是当AI让你能够更快、更好地创新时所呈现的景象。而这仅仅是开始。正如我所说，患者等不起。每分钟，就有超过100人死于衰老相关原因。我们开发新药的每一天，都是患者在等待更好治疗的一天。AI让我们得以压缩时间线、降低成本、提高成功率。这不仅是好的商业，更是一种道德责任。
编辑 | 姚嘉
yao.jia@PharmaDJ.com
访问研发客网站，深度报道和每日新闻抢鲜看