Shuimu Molecular Selected for CCTV's "Top Ten Chinese AI Startups": The Only AI Drug Discovery Company, ChatDD Platform Already Used in Its Own Pipeline

央视严选“中国AI创业十骏”：唯一AI制药公司是清华系量子位下载客户端 独家抢先看2026年11月02日 12:30:00 来自北京Updated 2026年11月02日 17:01:13

鹭羽 发自 凹非寺

量子位 | 公众号 QbitAI

这一次，行业的下一批明星公司，轮到央视亲自大点兵。

1200家参赛企业层层突围，中国AI创业十骏新鲜出炉。

早前莫德纳与默沙东联合宣布，由AI参与研发的个性化mRNA癌症疫苗，在素有“皮肤癌之王”一称的黑色素瘤治疗中取得积极结果。

公司成立刚满三年，由张亚勤院士创办的清华AIR孵化，聂再清教授担任首席科学家。

水木分子想解决的问题，也是药物研发的深水区：

从2023年开始，他们就在持续推进自然语言与生物语言的连接，并将相关能力带入对话式药物研发平台ChatDD。

同时它亲自推进面向自身免疫疾病和肿瘤的创新药管线，把平台用进自己的研发决策、分子设计和项目运营。

多管齐下的背后，折射出水木分子乃至整个制药行业一份朴素的判断：

这种人机协同带来的极致研发效率，最终要兑现为中国创新药真实的临床进展和成功率。

药物研发的四代范式跃迁

水木分子的COO邢杰在节目上提到，医药行业有一个广为流传的三「十」定律。

一款新药的诞生，平均要10年时间、超过10亿美元投入，成功率却不足10%。

难题也远不止找到一个能够结合靶点的分子。

创新药进入人体后如何分布、能否达到预期效果、有没有不可接受的副作用，以及哪部分患者可能获益……诸如此类的问题，都需要人为建立起完整的证据链。

模型可以预测结构、生成分子，再给候选结果排出名次，但研究者未必能充分理解排序依据，也很难把自己的顾虑反馈给模型。计算结果可以交给实验验证，专家与算法之间，却缺少持续协作的通道。

水木分子由此提出了药物研发的四阶段划分：

TMDD→CADD→AIDD→ChatDD。

TMDD（traditional methods of drug design）很好理解，它代表最早期依赖实验积累与专家判断的药物研发过程。

随后计算机开始参与辅助，承担起部分计算和模拟工作，也就是CADD（computer-aided drug design）。

再往后，AIDD（AI-aided drug design）开始将AI用于性质预测、分子生成等任务。但是专家的经验和直觉很难和小模型时代的AI模型有效交互和有机融合。

至于ChatDD（Chat-based drug design）试图推进的，是让专家能够通过自然语言对话参与任务规划、执行与结果修正。

事实上，这也是颇具前瞻性的代际划分。

ChatDD是水木分子在2023年提出的，现如今，海外的GPT-Rosalind和Claude Science也都开始探索与之相近的交互方向。

行业竞争的范畴，正在从单模型预测能力，进化至整套科研工作的组织上。

用更通俗易懂的话来说，就是看谁能抢先成为药物研发的AgentOS入口。

平台管线双轮驱动

水木分子正在尝试将这些经验分别接入模型和具体任务中，并让它们持续影响下一步该怎么做。

具象来看，是一个从模型底座向上持续延伸的交互体系。

让论文知识参与下一次设计

举个简单例子，假设研究者希望通过突变优化某种抗体，专家说出的是功能目标，模型最终要处理的却是氨基酸序列和空间结构。

这中间明显隔着语言断层，第一关便是需要将相关知识融入基座模型中。

水木分子于2023年和清华AIR联合推进的BioMedGPT，首先探索自然语言与分子、蛋白质等生物数据的对齐。

研究者可以围绕输入的生物数据提问，让文字中的知识与具体研究对象建立联系。

其中的BioMedGPT-10B，也是全球首个开源可商用的百亿参数多模态生物医药大模型，在基准测试上位列行业第一梯队。

MutaPLM则把这道连接做得更具体。

这项入选NeurIPS 2024的研究，将突变影响的文字描述与蛋白质突变对应起来，既探索解释一次突变可能带来什么变化，也探索根据研究者描述的目标提出候选突变。

简而言之，前者是理解“改了这个位置，可能发生什么”，后者是追问“希望发生这样的变化，可以考虑改哪里”。

突变优化还需要考虑结构这一关，近期公开的StructEvo把结构信息引入蛋白质突变优化，让候选搜索考虑空间约束。

据团队介绍，该研究已被NeurIPS 2026录用。

以上种种的背后均出自水木分子一个明确的技术判断：蛋白质设计长期存在「顾此失彼」的矛盾。

改动几个氨基酸，可能增强结合能力，却干扰蛋白质的正确折叠；增加结构刚性，可能提高稳定性，又会牺牲掉功能适配性。

所以围绕具体设计任务，团队分别发展了相应模型，比如被ICML 2026接收的CodeFP，就在专门关注功能性蛋白质的序列与结构协同设计。

AbGaze进一步探索抗体全原子端到端从头设计，并将这些几何信息用于序列与结构生成。

……

于是从文献里提取知识，到把功能目标转成模型分析与设计的依据，专家多年积累的研究成果，由此有了参与下一次研发的入口。

随之沉淀下来的AgentKG知识图谱则用于组织领域知识及其关联，让每一个回答都可追溯、有出处。

专家通过提示词补充目标、约束、经验知识和疑问，智能体据此规划任务、调用工具，再把结果交还回来。

收到结果后，专家继续追问或调整条件，下一轮任务也随之改变。接着依靠一轮轮具体的交流，经验开始深度参与计算过程。

让单次指导变成可复用的方法

这个问题，将水木分子的工作从模型和对话，推向了技能包。

因为专家经验同样也体现在研究方法中，比如先核对什么证据，什么时候补做分析，筛选条件怎样设，哪些步骤必须由人复核。

这些可以被清晰表达和验证的过程，也都有机会整理成可重复调用的技能包。

今年刚刚发布的首批OpenBioMed 技能包就已经囊括45项专业技能，覆盖生物化学/药物研发、蛋白质分析与设计、单细胞组学分析、数据检索、工具调用五大类。

其中的Skill Creator，就把专家参与推进到了工作流创建环节。

研究者通过对话说明任务意图、输入输出和约束，系统辅助组织流程，再用实际数据验证、修改，形成适用于相应任务的技能。

这样，专家的一次指导就有机会留下持续可用的方法。

让真实任务检验协作效果

最终这套思路还要放到真实任务中接受考验。

落到应用层，就是面向企业的ChatDD，以及面向个人科研人员的水木知了。

这分别对应两种产品模式，前者是自上而下，企业采购再推动员工使用，后者是由下往上，更适用于科研人员和小团队。

先说ChatDD，水木分子CEO王卓智是这样形容它的三个主要模块，包括Insight、Discovery和Trial。

Insight首先帮助专家回答立项前的问题：一个靶点是否值得做？做出的药能治疗哪些病人？

这需要同时理解疾病机制、临床未满足需求、已有研究证据、竞争项目和专利情况，ChatDD会将相关工作拆分给多个专业智能体，收集和整理信息，辅助专家形成判断。

到了Discovery，任务变为如何设计和虚拟筛选分子。

专家提出设计目标，平台组织计算与候选筛选，结果再进入研究者的判断和实验安排。这也是王卓智博士认为正在出现革命性变化的地方。

Trial则把支持范围延伸到临床相关工作，目的是提高临床开发的效率和成功率。

简单来说，ChatDD最重要的意义，是通过对话，让生命科学家充分使用AI工具。

过去，生命科学家往往需要学习编程，或者与计算团队反复沟通，才能完成这些操作，现在每个人都可以拥有一个真正懂药的AI科学家团队，沟通成本降低了，创新药研发效率就可以大幅提升。

作为生物医药专家，她选择了后者，也就是水木分子，她的判断是：

除了立项和候选药物设计，ChatDD还能够在下游的临床前和临床开发阶段，也恰恰是成本高、耗时长的环节，发挥足够大的提效作用。

水木分子已经把这份能力用于自己的研发项目。

以水木分子的第一条自研管线为例，该项目直切自身免疫领域的双特异性抗体。

据潘琦介绍，项目最初选择靶点和研发方向时，就使用ChatDD-Insight分析疾病领域和竞争形势，以及临床前、临床和转化研究证据。

确定方向后，分子发现与优化也继续使用了ChatDD-Discovery。

从基于靶点生物学和临床证据的立项，到分子设计和虚拟筛选，再到湿实验验证和临床前候选分子（PCC）确认，这个项目仅用了七个月的时间。

与传统方法的12-24个月获得临床前候选药物相比，ChatDD已经在早期研发中显示了AI一体化的效力。

同时，项目数据也为ChatDD平台提供了更为直接的反馈，比如计算建议能否在实验中成立，未成立的地方应该怎样调整。

这些问题都会持续回到同一支研发团队面前，专家的经验也就在这样的判断、执行和反馈中，参与下一轮设计。

这正是平台与管线双轮驱动的价值所在：

自研项目让药研专家连续使用平台，也让算法团队有机会长期追踪一个任务的后续结果，持续改进工具与流程。

水木分子正在从AI模型、智能体平台和Skills、产品、管线四个维度将这件事逐步做实。

对内基础夯实，对外也没有落下。

如今ChatDD也已经在多家外部客户中落地生根，比如以下几类合作：

国内大型药企：以复星PharmAID为例，水木分子会参与研发智能体平台共创，把AI能力嵌入企业工作流程；

生物技术公司：平台服务于更精干的研发团队，帮助打造端到端智能体原生创新药研发流程，成员能够把更多精力放在方向研判上；

CRO：合作进一步进入CMC运营、临床试验方案、临床研究报告和申报等相关流程的改造，通过AI赋能CRO生态，布局医药产业服务；

头部跨国药企：战略合作则涉及临床运营、临床申报、上市后临床等工作。

商业化与开源理念共存

这样来看，水木分子其实更像是中国的Isomorphic Labs。

相似性也体现在各自的技术背景中：

但与之相对的是，水木分子更倾向大分子管线和技术开源。

商业化层面，平台与管线双增长曲线交替向前，既保证了当前的变现速度，也留出了更高的增值天花板。

2026年将是水木分子的商业放量阶段，以标准化产品为主，定制化项目为辅，邢杰预计今年收入将是去年的3至4倍，管线进入开发阶段和商务拓展也预计在明年发生。

王卓智曾任药明生物副总裁，深度参与300多个创新药项目的研发，并有拜耳全球合作的工作经历；潘琦在Genentech、勃林格殷格翰、传奇生物和Pathos AI等企业积累了多年药物研发和AI应用经验。

邢杰此前任职药明康德副总裁和CIO，长期参与医药行业数智化、投融资、产业生态运营与商业化工作。

这也是我与水木分子对话后，最深的感受：这支团队既有技术上的底气，也有把理想落到实处的执着。

无论谈模型、产品还是管线，他们的第一性原理，还是希望让技术的进步，最终变成患者能够用上的好药。

从清华AIR的科研积累出发，走到央视十骏的舞台，三年时间，水木分子已经把最初的判断变成了产品，也把产品带进了真实研发。

但比拥抱AI制药的下一个GPT时刻，更值得期待的，是这些变化最终能够为患者带来怎样的创新药。

实验室是起点，患者才是药物研发最终要抵达的地方。

“特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。

Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”