AI制药重磅合作！英矽智能携手腾讯，共训药物版GPT一键调用

  大模型正在为医药行业打开新的想象空间。

  但以GPT、DeepSeek为代表的通用大模型并不天然「懂」制药，它必须接受专业训练、经过严格评测，才能真正进入药物研发的核心流程。

  究其根源，是整个行业长期缺少一套面向制药的训练与基准评测体系，大模型既没有「教练」，也没有「裁判」。

  如何让大模型理解医药问题与业务逻辑，由此成为行业共同的痛点。而率先破局的，是英矽智能。

  近日，世界人工智能大会（WAIC2026）期间，英矽智能与腾讯健康宣布达成一项深度战略合作，将围绕生命健康领域专精模型训练、高性能计算、云端生态部署及商业化拓展等方向展开深度协作。

  这是一次典型的优势互补：结合英矽智能在AI制药、科学数据与垂直模型训练方面的十余年积累，以及腾讯健康在医疗大模型、云计算、高性能算力和企业级服务的能力底座，双方依托英矽自研的MMAI Gym for Science平台，共同推进生命科学专精模型的联合训练、优化与落地应用。

  2014年成立的英矽智能，有破局的底气和实力。

  公司深耕AI领域十余年，已构建覆盖27款以上临床前候选化合物的创新内部管线，其中10余款分子获得临床试验批件，并已完成或正在推进多项I期及II期临床试验。

  目前，英矽智能是全球范围内极少数同时满足「拥有自研的生成式AI平台，推进到III期临床的管线，以及累计金额超过百亿美元的对外授权与合作」的AI Biotech。

  而这场合作的本质，是AI制药领军者把十多年沉淀的行业成熟Know-how，转化为训练大模型的一整套方法论，并将其训练进模型、搬上云端，最终以「智能」的形式交付给整个行业。

  过去，这些知识被封存在少数公司内部，无法被放大、复用为可无限扩展的能力。

  此次合作，也揭示出未来更大的商业可能：通过标准API接口调用这些生命科学专精模型，实现「即插即用」的智能化药物研发，衍生出新的变现模式。

  过去十年，BD、CRO与SaaS三大模式支撑了行业的基本盘，但终究未跳出工业时代的旧思维。相较于卖管线、卖软件和卖服务，将模型能力变成可调用、可计量、可复用的平台，更符合智能时代的商业逻辑。

  作为AI制药赛道的头部公司，英矽智能此次与腾讯健康的联手，正以实际行动为智能时代的生物医药研发探索出一条新路径。

  01.

  十余年行业积淀，让大模型真正“懂”制药

  此次合作的基础，是英矽今年1月发布的面向科学AI的基础模型训练与基准评测平台MMAI Gym。

  它要解决的是通用大模型不懂制药这个痛点。据统计，通用模型在约75%至95%的药物发现任务上表现不佳。

  一个在海量互联网文本上训练出来的大模型，在没有经过微调的情况下，往往无法可靠预测ADMET性质、设计合成路线或推理蛋白相互作用。

  隔行如隔山在AI领域同样成立，MMAI Gym要做的便是补齐这一能力。

  该框架由基础模型训练和基准评测两大板块构成，整合了1000多个药物研发基准测试和约1200亿token的制药领域数据，凝结了英矽在该领域的核心know-how。

  图：MMAI Gym架构

  如果把它训练模型的过程拆开看，大致是三步：先解决「学什么」，再解决「怎么学」，最后解决「怎么考」。

  先看「学什么」。今天的大模型，语料大多来自论文、书籍、网页和数据库这类公开文本。但对于制药模型来说，真正有价值的是来自一线场景的实际信息，包括分子空间构象、蛋白结合口袋、化学反应过程等等。

  MMAI Gym补上的恰恰是这块短板，它把大量来自真实研发与实验体系的一手数据引入训练，包括10亿级带3D构象、结合信息与实验结果的数据点，1亿级化学反应与1万亿token的工业有机合成描述等。

  这类原始数据的珍贵之处在于，它们使模型能够直面现实世界未经粉饰的测量结果：预测是否精准、实验为何失败、误差源于哪一环节，一切都由客观数据说话，而非依赖人类咀嚼过的二手文献知识。

  明确了「学什么」，接着是「怎么学」。MMAI Gym排出了200多项训练任务，横跨药物和有机化学、生物学和靶点发现和临床开发等领域。

  在具体的微调策略上，该体系融合了多任务监督微调与强化微调，结合奖励模型打磨推理能力，并将模型预测与实验结果对齐。

  此举将终结以往AI模型往往只能处理单一任务的“偏科”窘境，MMAI Gym希望在一个底层基础模型内，锻炼出解决新药研发过程中多维度关联问题的能力。

  学完还要应考。MMAI Gym内置了自动化评测：公开基准、内部基准、分布外测试集三管齐下。其中内部基准的「考题」，直接取自英矽十余年的真实研发实战——哪些分子成了、哪些失败了、为什么失败，都是现成的判卷标准。

  图：MMAI Gym训练大模型的过程

  正是这些从靶点发现、分子设计、实验验证到临床开发一路积累下来的一手经验，撑起了MMAI Gym的专业任务设计、科学推理训练和评测体系。

  结果显示，经过MMAI Gym训练后，通用大模型在关键药物发现基准测试中实现最高10倍的性能提升。

  3月，MMAI Gym迎来首个外部合作方Liquid AI，助力轻量级科研基础模型LFM2-2.6B-MMAI在多项关键任务达到SOTA，论文被ICLR 2026接收。

  4月，英矽推出ScienceAI Bench、Drug Discovery Benchmark、Insilico Bench三大公开基准排行榜，参评模型可以在200余项基准任务上公开比试。

  5月，公司与Human Longevity联合开发全球首个长寿科学专用AI基础模型：依托MMAI Gym训练临床衰老模型，共同开发衰老干预创新疗法，切入万亿规模长寿经济赛道。

  短短半年时间，MMAI Gym已经在多个外部合作中证明了其强大性能。

  如今，带着这份被验证的实力，英矽智能与腾讯健康正式牵手，双方将依托MMAI Gym for Science平台，携手推进生命科学专精模型的联合训练、优化与落地。

  腾讯健康并非从零起步的新入者，其医疗大模型已落地超千家机构，覆盖医院、药企、科研院所等多种场景。

  下一步，这些大模型将依托MMAI Gym for Science开展专业训练与评测，系统性地将药物研发能力内化于模型之中。

  从“懂医”到“懂药”，此次合作成为腾讯健康的模型能力向生命科学纵深拓展的关键一步。

  MMAI Gym的行业意义已经超出一家公司的产品范畴：这是一个面向科学发现与药物研发的下一代基础设施，把过去每家公司都要自建自训的垂类模型能力，做成标准化的训练与评测底座，实质性降低了AI在生物医药领域的部署和运行成本。

  支撑这套平台的，是英矽智能十余年沉淀的底层技术创新、真实药研实践与项目落地经验。

  看平台。公司自主搭建覆盖生物学、化学、临床医学、基础科研全链条的Pharma.AI一体化平台，下设靶点发现、分子设计、临床试验预测及研究助手四大模块。

  依托该平台，公司将候选药物从靶点发现到临床前候选化合物（PCC）的时间压缩至12–18个月，较传统制药4.5年的平均周期效率提升显著；单个项目平均合成分子数60-200个，颠覆以往大规模试错的研发逻辑。

  看管线。自2021年以来，英矽累计提名31个临床前候选化合物，其中13个获得IND批件。

  图：英矽智能管线情况

  核心管线Rentosertib（ISM001-055）的创新靶点和新颖结构均由AI辅助发现，并具有“全球首创”潜力用于特发性肺纤维化（IPF）治疗。

  2025年6月，Rentosertib IIa期结果登上《Nature Medicine》,临床效果显著且安全性良好。今年7月，Rentosertib正式启动III期临床，成为全球极少的进入后期开发阶段的药物管线。

  看商业化兑现，进入2026年，公司BD合作进入爆发期。

  今年以来英矽智能累计签署合作总金额接近百亿美元，已先后宣布与施维雅、衡泰生物、齐鲁制药、康哲药业、元羿生物、礼来及SK生物制药等海内外合作伙伴达成多项管线授权或药物研发合作。

  上述事实表明：MMAI Gym不是凭空造出来的训练框架，而是把一家Tier 1 AI药企十余年、被III期临床和上百亿美元BD反复验证过的方法论，压缩成了可复用的工程系统。

  02.

  携手腾讯，开启AI制药「云原生」时代

  一款生命科学专精模型的成功，不仅要解决训练和优化问题，更要解决落地应用的问题。

  前者依托MMAI Gym for Science，核心是让“模型变专业”；后者则需要云平台，关键在于“让智能触手可及”。

  这些能力与英矽智能的垂直AI形成互补：腾讯擅长通用大模型、底层算力调度、企业级服务和云端生态部署，英矽智能擅长科学数据、垂直模型训练和制药know-how。

  这种“1+1>2”的组合，本质上是将英矽智能的专业深度与腾讯的工程广度叠加，形成一套从前端模型训练到后端云服务交付的完整能力链。

  经过深度训练和验证的专精模型将接入腾讯云生态并上架其应用商店。这意味着任何一家药企、科研机构或CRO，均无需进行复杂的本地化部署，可通过标准API接口调用。

  传统模式下，一家药企要部署AI药物研发能力，需要自建算力集群、采集和清洗行业数据、训练和调优模型、建立评测体系，还要进行维护，整体投入动辄千万级别，周期以年计。而且即便建成了，也面临数据迭代滞后、模型过时的问题。

  云端API模式彻底改变了这一现状。英矽智能提供经过验证的模型与训练框架，腾讯贡献通用大模型、云端算力基础设施和覆盖全国的生态渠道，双方共同向制药行业投放一个通用而强大的AI底座。

  对准备自建平台的大药企而言，这是一次“不必重复造轮子”的替代方案；对大量缺乏AI能力的Biotech和科研机构，智能药物研发的应用开发门槛被实质性降低。

  智能化的新药研发，第一次有了“即插即用”的可能，这将惠及更多开发者和创新主体。

  英矽智能输出行业know-how，腾讯健康输出AI能力底座与云端生态。这种“AI药企+医疗科技巨头”的组合，标志着AI制药正式迈入“云原生”时代。

  03.

  AI制药步入深水区，英矽贡献可及方案

  将视野抬升至产业全局，2025年下半年到2026年，全球AI制药的竞争烈度明显升级，头部企业密集布局，核心竞争已从「单点模型」转向「全栈集成」。

  英伟达以算力基础设施为支点，亲自下场推出BioNeMo，定位为面向AI驱动生物学与药物研发的开发平台，从底层算力、专精模型、软件工具链到实验数据回流，构建起一套完整的闭环体系。

  Anthropic则选择另一条路径，将通用大模型的能力逐层嵌入生命科学工作的每一个节点。

  2025年10月，Anthropic发布Claude for Life Sciences，覆盖从文献研读、假设生成、数据分析到监管申报文件准备的药物研发全流程，并与Benchling、10x Genomics、PubMed等科研平台打通。

  图：Claude for Life Sciences界面

  两者的共同逻辑在于：药物研发机构需要的不是一个更聪明的模型，而是一套从数据、训练、评测到部署的完整基础设施。

  英矽智能与腾讯健康的此次合作，其标杆意义在于：这是中国AI制药企业首次将经过真实临床验证的know-how，以平台化形态进行系统性输出。

  与BioNeMo和Claude for Life Sciences不同的是，英矽智能的底层数据和方法论并非来自公开文献或通用模型，而是来自十余年真实药物研发场景中积累的实战经验。

  这一卡位，放在当前中国生物医药行业的语境下，更具现实意义。

  一面是产业的热度：2025年，中国创新药license-out交易总金额达到1356.55亿美元，约为2024年的2.5倍，首付款超70亿美元，占全球比重约49%。中国药企把管线卖给世界的能力，已经无需证明。

  另一面却是能力的痛点：AI制药在国内长期受制于工具链分散、算法黑箱与干湿实验脱节，大量Biotech没有精力或资金自建AI能力，管线出海换来的资金与认可，并没有系统性地转化为研发端的智能化水平。

  英矽与腾讯的方案，恰好击中这一缺口：用一个低门槛、高可及性的云端平台，把过去只属于头部公司的AI能力，变成全行业可调用的公共基础设施。

  对于资金有限、IT团队精简的中小型药企和Biotech而言，这种不建基础设施、只调API的模式，可能是目前最现实的AI切入路径。

  它填补了一个真实的市场空白，为全球尤其是中国的生物医药企业提供了AI规模化落地的可行方案，助推整个行业迈入高效智能的新阶段。

  04.

  写在最后

  AI赋能生物医药，已经进入下半场。

  过去十年，行业玩家多在各自为战中训练模型。如今，通用大模型的能力正全面跃升，如何让这些模型真正跨越专业鸿沟去“懂”药，并让这种能力深度融入每一家药企的研发流程，已成为当下的核心考题。

  这正是MMAI Gym的价值所在：它让面向制药的模型训练，第一次有了标准化的底座，过去每家公司都要自建自训、反复试错的能力，变成了全行业可以共享的基础设施。

  此次英矽智能与腾讯健康的合作，正是这套逻辑的完整落地：大模型在MMAI Gym中淬炼“懂药”的专业能力，在腾讯云上完成分发调用，「制药超级智能」的闭环就此成型。

  作为全球AI制药的先行者，英矽选择把门打开，邀行业共赴开放共赢的未来。

  旧有的单点工具逻辑正被平台生态所取代，一个更可及、更普惠的新时代，正在加速到来。