10月24日，第十一届医药创新与投资大会在南京举行。百图生科联合创始人兼首席执行官刘维接受采访时表示，AI制药实现破局还需要三到五年，公司坚持做行业赋能者，不直接开展药物研发。

先投入底层，再做赋能者

“过去很多AI公司都是跟着客户的需求提供服务，但生命科学的情况不同，在First in Class等前沿研发领域，药企自身既没有积累足够的数据，实验技术体系也不够完善。”刘维表示，六年前公司成立时就定下了“先向前端突破”的思路：自主投入底层基础大模型（相当于AI的技术底座），优先整合公开、半公开以及合作渠道获取的各类数据，并逐渐自产高质量数据。

“仅数据的收集整理就花了几年时间。”刘维说，之后公司搭建了大规模实验室来自主生产数据，最早的实验室在硅谷，后来落地苏州，目前已有数千平方米的规模，“眼下我们正在北京积极规划下一代生命科学大型实验室”。这些前期投入的目的，就是让后续合作的用户无需重复开展基础建设工作。

从投资人转型为创业者，刘维感触很深。“做投资人是覆盖多个项目、靠概率获益；而把全部力量、资源和决心投入到单一项目上，会形成强大的现实推动力。”他提到，投资人出身的创业者有清晰的战略愿景，更易撬动上下游资源，“合作方才愿意信任我们，相信我们会长期深耕这件事”。但短板也很明显，“毕竟没有一线做产品的经验”。

公司成立前两年面临很大压力。“当时我们最大的纠结是，要不要快速实现营收、快速推进临床，但我们最终坚持不自主做药物管线。我们赋能的药企所开发的大多是First in Class（首创类，即全球首个同靶点药物）管线，这类管线推进临床的速度本就较慢，还需要批量布局，横向多做几个项目才有足够的试错空间，也能实现最快的技术迭代。这也要求我们有足够大的投入决心。”

有专家提出，AI辅助生成的药物分子数量很多，但并未降低研发失败率，反而生成越多、失败案例越多。刘维回应：“这个说法有一定道理。”但他认为核心在于AI的设计质量，“如果AI设计合理、战略方向选对、算法逻辑严谨，依然可以从失败实验中高效学习并快速迭代。”

刘维透露，百图生科借助虚拟细胞（计算机模拟的细胞模型）搭建的干湿闭环（计算机预测与实验室验证相互配合）实验平台，已累计推进二十多个首创类靶点发现项目（药物作用的位点），其中十多个是肿瘤相关靶点，十多个是自免疾病相关靶点。“这些靶点都完成了早期验证，不少已交由合作伙伴推进开发，部分已进入临床前研究阶段。”

在合作模式上，刘维明确公司的定位是赋能者与工具提供者。“我们和多家上市药企、投资机构合资成立的公司，都由合作方作为绝对主导，我们始终扮演赋能角色，负责平台本身的建设，不参与具体管线选择、项目立项的决策。”他提到，部分前沿领域的系统成熟度不足，还需要更多研发与数据投入。

刘维介绍，百图生科的技术应用已覆盖蛋白质与大分子药物发现、虚拟细胞、合成生物学、生物制造、农业等多个领域。 “这几类领域的客户都在快速增长，不同领域之间也能形成很好的技术交叉复用。我们很少提‘颠覆’，更多是渐进式地为行业赋能。”

研发破局还要三到五年

谈到AI3.0阶段的特征，刘维表示：“1.0是工具效率提升阶段；2.0是管线赋能阶段；3.0一定是推动研发组织变革，把创新药研发的核心决策体系转化为数据驱动模式，由AI生成方案、实验提供验证，人在过程中叠加判断，数据持续迭代模型。”他认为，实现这一目标需要在算法、组织架构、实验能力上持续投入，用这些能力解决当前主流生物技术路径下无法攻克的研发难题。

“整个行业真正迎来破局点还需要三到五年，我们现在也在这段攻坚期里坚持。”刘维说，未来一定会出现依托多个先进AI模型研发出的New Modality（新模态，指新型药物类型）领域的首创类成果，“这条路还需要坚持走三到五年”。

关于商业模式，刘维表示公司目前主要以提供系统许可为主，用户既可以直接调用特定功能模块，也可以通过Agent（智能体）集成调用多个功能模块。

“截至目前我们不提供硬件，但帮助用户选择合适的硬件设备厂商，提供一体化打包与解决方案。”他表示，全球每年湿实验（即在实验室中实际开展的动手实验）的投入约7000亿美元，“我们若能先渗透1%乃至10%的市场，规模就已相当可观，百图生科才刚起步，还需要十年、二十年乃至三十年的长期深耕。”