新藥研發是人類發展中極具風險和復雜度、耗時最漫長的技術研究領域之ー。
今年 1 月，英國《自然》雜志子刊《自然醫學》（Nature Medicine）發表的一篇論文顯示，平均而言，新藥的研發投入約 26 億美元，可能需要耗時 12-15 年，但不幸的是，即使在臨床試驗階段，新藥的成功率也低于 10%。
上述論文認為，新藥研發復雜的原因在于，傳統藥物研發依賴于藥物開發人員的經驗和反復試驗，尤其尋找潛在候選藥物需要探索的化學空間之大，而且監管要求非常嚴格，滿足安全性、有效性和質量標準可能是一項耗時且成本高昂的工作。因此，為了克服這些挑戰，科學家們一直在積極探索新技術和新方法，以改進藥物開發流程。
如今，AI 技術的出現，尤其是大模型在內的生成式 AI 技術，融入藥物開發流程——靶點識別、藥物發現、臨床研究等，有望重塑傳統藥物研發模式，從而有效提升藥物研發效率。
最新數據顯示，目前全球已經有 3800 家企業、4900 家投資機構入局 AI 生物領域，相比四年前筆者發表的《AI 何以成 " 藥神 "》深度文章中提到入局的 300 家企業、880 家投資機構，分別增長了 1166.7%、456.8%，增長趨勢十分明顯。據麥肯錫全球研究院預測，生成式 AI 技術將為制藥和醫療技術公司每年創造 600 億 -1100 億美元的經濟價值。
百圖生科技術副總裁張曉明對鈦媒體 AGI 表示，未來 5-10 年，AI 制藥產業可能將迎來爆發期。因此，需要行業堅持持續做深度、做創新、應用極致的前沿技術成果，加速整個藥物發現閉環，在行業爆發中走在前列。
成立于 2020 年的 BioMap 百圖生科，是一家生命科學大模型平臺公司，由百度創始人、CEO 李彥宏和原百度集團副總裁、BV 百度風投 CEO 劉維共同創立，核心團隊包括原諾和諾德全球副總裁、原 SAP 全球副總裁等資深高管，和 100 余人的核心研發團隊。
經過近五年的發展，百圖生科已經成為生命科學基礎大模型的全球領跑者。截至目前，百圖生科總融資金額 2 億美元（約合人民幣 14.54 億元）左右，已擁有上千億參數量的全模態生物大模型 xTrimo V3；覆蓋 7 種生物學跨模態；超 200 款 SOTA 任務模型；服務全球 500 多家客戶，包括 60 余所 QS 世界百強大學和賽諾菲等多家跨國藥企；潛在訂單價值達 20 億美元。
目前，百圖生科已構建覆蓋信息搜集 - 生物洞察 - 智能實驗的全流程 AI 發現平臺，助力生命科學企業實現研發效率提升、加速業務閉環。
今年 4 月 25 日，百圖生科發布全球首個 AI 生命科學基礎大模型驅動的生成式發現系統——百圖生科生命科學生成式發現系統。
其中，發現系統的核心是 " 發現助手 " 這一超級入口。據張曉明介紹，" 發現助手 " 內置深度搜索功能，提供深度推理、數據增強、任務執行、組學預測等技術能力，通過智能交互理解需求，自動執行多維度信息檢索與分析，最終生成結構化深度報告，是全球率先在生命科學領域推出的專屬 DeepResearch，同時也是更懂生命科學領域的知識助手。
BioASQ 等多個行業評測結果顯示，" 發現助手 " 在生命科學領域的表現中領先于 DeepSeek-R1、OpenAI-o1-mini 等其他通用 AI 產品，體現了生命科學領域的專業度。此外，百圖生科還面向特定領域提供創新系統方案，如智能發酵和智能細胞分析系統，旨在以專業模型 + 高通量實驗的干濕閉環能力幫助客戶提升發現效率。
張曉明對鈦媒體 AGI 表示，目前，百圖生科為客戶提供 SaaS 和私有部署的 " 發現助手 "，合作客戶包括清華大學生物醫學工程學院、中國農業科學院、石藥集團等。
張曉明指出，與業內已有的大模型企業的產品和方案相比，百圖生科 " 發現助手 " 更專注于 AI For Life Science 生命科學賽道，深度整合公司在生物數據理解和生命科學行業的深入經驗，希望 " 發現助手 " 最終成為生命科學領域 " 專業 - 可執行 - 專屬 " 超級助手，利用高效、先進的生成式 AI 技術助力藥物研發等多個領域，以生成式發現系統構建生命科學大模型應用落地，打造成為生命科學行業智能化轉型的最佳伙伴。
張曉明表示，下一步，" 發現助手 " 產品將會持續迭代，發揮百圖生科的 AI 技術優勢，逐步構建起一套獨具特色的商業壁壘，為企業和相關研發機構提供低成本、實用能力強、信息內容更可靠的生命科學 AI 平臺。
張曉明強調，在未來半年至一年的時間里，隨著產品能力的不斷深化，百圖生科在自身專注的領域中有望展現出更穩固的優勢和更鮮明的定位。
以下是百圖生科技術副總裁張曉明與鈦媒體 AGI 對話速記整理（有部分刪減）：
鈦媒體 AGI：百圖生科生命科學生成式發現系統的核心產品 " 發現助手 "，為何說是第一個生命科學專屬 DeepResearch？
張曉明：深度搜索（DeepResearch）只是它其中的一個核心能力，整體主要做生命科學研究，會根據你提供的課題出一個深度研究報告，從而節省前沿技術研究人員的時間和精力。雖然像 OpenAI 也推出了類似的功能，但他們的服務更偏向通用場景，這就導致在面對生命科學這種非常專業的領域時，大模型可能會出現一些不夠準確的結果。而我們是完全專注于生命科學，所以在專業性上更有優勢。
事實上，生命科學領域是有很多專屬網站知識庫和權威數據源，需要專門面向生命科學行業方向的相關產品，而百圖生科生命科學生成式發現系統，可以切實幫助到我們的客戶去解決實際場景下的成本、人員效率等相關問題和需求。
當下，我們的戰略重心放在企業級市場，而不是直接面向 C 端消費者。我們更希望生命科學領域的企業員工能夠高效地使用我們的產品，解決他們在實際工作中的難題，實現內部增效。因此，我們沒有計劃進行通用 C 端用戶的擴展，而是堅定地聚焦于企業實際應用場景，通過我們的專業能力，實實在在地幫助客戶提升研發效率、加速創新進程。
鈦媒體 AGI：這款產品是什么時候開始立項的？這個過程中有哪些挑戰？
張曉明：去年 10 月，我們做了 AI 智能體等基礎技術，當時 Agent 概念對于客戶來說，可能還相對新和超前。因此，我們是將前期的技術積累沉淀，并在今年真正做這款產品，尤其 DeepSeek 興起使得無人不談大模型，它確實是一個非常明確的信號。所以，如今是一個非常好的契機，把之前積累的技術和產品，為生命科學行業提供服務。
鈦媒體 AGI：" 發現助手 " 與深勢科技的玻爾平臺有何區別？
張曉明：區別還是挺大的。玻爾基于深挖科學文獻理解的基礎之上給予文獻判斷和總結，這是它的核心功能點。
百圖生科生命科學 " 發現助手 " 上文獻只是眾多信源之一，還有更多的高質量數據源，包括百圖自身構建的大型生命科學數據圖譜、專屬知識庫、行業調研報告、搜索引擎尋找等數據也可以直接用，并且在這些數據源上做深度搜索，實現了 DeepResearch 的能力。并且提供了生信分析的功能，實際可執行，更直接的提高了發現效率。
鈦媒體 AGI：百圖生科生命科學生成式 xtrimo" 發現助手 "，是否與王小川百川智能的醫療 AI 平臺產生競爭關系？
張曉明：這是一個非常好的問題。確實我們在做定位的時候，第一天就考慮了這個問題。
我們認為，臨床問診和生命科學研發之間其實有一條分界線。如果做醫療問診，就更偏醫療、臨床等上層鏈條，需要和醫院和衛健委相關機構形成生態，更好的理解患者的檢測報告和患者對話；而我們更關注底層生命科學機理層面，比如藥物設計里邊的靶點發現、細胞分析等 Science 問題，要理解的也是原始的科學數據，所以，兩個生態和技術都是不重疊的。
鈦媒體 AGI：" 發現助手 " 調用的是哪家大模型？為何首批沒接入百度文心大模型？
張曉明：目前，" 發現助手 " 調用了多個大模型，首先是我們研發的生命科學專屬多模態模型，BioMap xTrimo 大模型所帶來的專業能力，作為補充的才是阿里 Qwen、DeepSeek 等自然語言大模型，通用領域文本推理模型，在這個層面上，我們會接入和調用不同廠商的大模型產品，在眾多推理模型之上進行組合使用。我們不僅需要基于文本和數學的推理過程，更要讓它學會生物推理任務。
最后談談執行任務過程。
我們確實希望給出專業的問答，所以利用百圖生科的生命科學領域圖譜和業界專業數據庫，通過推理把每一步路徑執行和輸出，多輪獲取參考源的信息，并行觸發 15 路及更多語言搜索，如果內容質量不夠會重新優化再搜索，經過多輪執行，讓這個信息直接可用，并且有權威性、不會帶來過多幻覺，才輸出給用戶。
我認為，當下幻覺是沒有辦法 100% 消除的，只能通過各種技術手段把幻覺概率降低，讓這個報告變得真正有用，而不是生成一個報告格式的非事實內容。所以，我們犧牲了響應速度，而更加傾向于實現更好的體驗、更實用且真正可執行的平臺。
鈦媒體 AGI：談談商業化。為什么百圖生科 " 發現助手 " 平臺不提供類似智譜的 API 接口進行銷售？
張曉明：當下其實我們沒有 API，隨著發現助手能力逐步提升，標準版本可以更好的幫助到企業客戶時，我們可以再考慮開發 API。當前，我們認為需要為企業用戶做一定定制，接入了企業自己的專屬數據的版本，打造企業專屬的助手效果更顯著。
鈦媒體 AGI：三種交付模式 SaaS、私有部署和一體機下，百圖生科的市場競爭力是什么？
張曉明：就百圖生科生命科學生成式發現系統而言，我們的 SaaS 是以平臺方式讓客戶進行試用和體驗，然后會對這些功能有一個直接判斷，真正我們向客戶提供的是一套企業級私有部署方案。
事實上，生命科學行業具有專屬的管線、靶點等比較機密的數據，不愿意在公共平臺使用，所以，大部分企業和科研機構依然采用私有部署方式，而 SaaS 更多提供試用和體驗，但并非我們主要向客戶提供的交付模式。
私有部署有兩種形式：一種是用戶自身擁有自建集群，我們把軟件系統方案部署上面；另一種如果用戶有云服務，我們可以幫助他們構建私有云的軟件系統部署。此外，我們還會與百度智能云、中科海光等提供國產硬件一體機交付能力。相對于其他一體機產品，我們注意力在生命科學范圍里面尋找高質量客戶，更期待幫助他們提高效率，以及通過他們的使用反饋產品不斷迭代升級。這是我們提供上述多種形式交付模式的原因。
鈦媒體 AGI：百圖生科目前對外提供藥物研發、生物制造、AI4LS 平臺解決方案等。那么，這次新的百圖生科生命科學生成式發現系統產品，是結合解決方案一起提供，還是單獨銷售？
張曉明：百圖生科生命科學 " 發現助手 " 是企業級的發現提效方案。我們現在主要提供定制的、垂直的助手賦能客戶提效，這也是我們解決方案的一部分。與更多針對特定垂直領域的重度解決方案相比，發現助手是一個最便捷和廣泛服務專業客戶需求的解決方案，也可以和垂直解決方案聯合使用。
鈦媒體 AGI：清華大學也有智譜、百川智能這類大模型公司，為什么清華大學生物醫學工程學院選擇與百圖生科合作？
張曉明：主要還是因為我們在過去四五年間一直深耕生命科學基礎大模型，在生物問題上有我們的獨特優勢。劉鵬教授（清華大學生物醫學工程學院黨委書記、教授）團隊和我們有很深度的合作，他們為我們這款產品打磨提供了非常多原始需求和實際反饋，而我們幫助他們解決課題挖掘、知識問答、報告撰寫、報告潤色等痛點需求，核心在于我們比其他 AI 產品更懂生物，更能夠理解和解決深層次問題。
鈦媒體 AGI：目前整個平臺處于試用狀態，那么百圖生科團隊如何去做留存？如何實現商業壁壘？
張曉明：我們剛發布發現助手產品，所以當下客戶都處于靈活試用狀態。
下一步，我們不斷完善產品功能，深度溝通用戶需求，真正解決實際問題，當前主要還是作為一個客戶解決方案，去關注專業用戶的使用滿意度。長期而言，它會是一個面向生命科學領域場景的整體、統一的 " 超級 " 助手，在調用各種更深入的解決方案和功能上，乃至在整合用戶的其他工具和數據上，都可以發揮作用，屆時客戶會對此形成長期的用戶黏性。
至于商業壁壘，我們剛剛進入這個領域，從原來服務少數專業領域的深度需求，到現在面向更廣泛的需求提供方案，還談不上壁壘。但我們的思考是，真正的壁壘在于充分利用我們生命科學多模態的大模型，生命科學專業數據，在功能上滿足自然語言大模型單純滿足不了的真實需求，真正可執行的幫助客戶解決專業問題。
鈦媒體 AGI：我們提供的服務當中，硬件成本很高，而且發現助手還是免費對外提供，百圖生科如何在這一業務中實現盈利？
張曉明：和其他大模型 Agent 產品一樣，前期我們確實要投入一些成本給用戶免費試用和體驗。但作為一個專業方案，用戶在獲取發現助手的高級功能、完整方案、做專屬的功能定制時，還是會給我們帶來商業收益。
從成本角度上，因為 " 發現助手 " 是回答和解決生命科學場景的問題，相對通用助手來說使用頻次并不高，我們在大模型的訓練和推理優化方面積累了大量 AI 工程能力，實現了多輪性能優化，從而降低了我們的服務成本。
鈦媒體 AGI：之前百圖生科與賽諾菲簽訂合作，外界認為百圖生科專做 AI 生物制藥平臺。但今天我們看到，除了 " 發現助手 " 之外，百圖生科還提供智能發酵方案，那么，我們如何理解百圖生科所在的 AI 生物制藥領域的發展？
張曉明：其實公司的定位一直是一個生物計算平臺、生命科學大模型平臺，我們比專注于任何一個具體領域的 AI 生物公司，都更自豪于我們基于基礎大模型能力帶來的領域擴展潛力。賽諾菲是我們最早的商業化客戶之一，是在生物制藥領域的，這一年多來其實我們的付費客戶已經擴展到細胞基因療法、生命科學基礎研究、農業和動物生物學、生物材料等很多領域，因為底層的蛋白和細胞等基礎大模型的高度關聯性。
在中國，我們特別重視生物制造領域的發展，因為這是中國產業戰略中非常關鍵的一環，也是充分利用我們對生物反應過程的理解而能帶來的重要效率提升進空間，我們很看好以智能發酵為代表的智能生物工藝發現系統的前景，和我們的智能抗體、智能細胞分析系統一起，會成為我們給客戶的核心解決方案之一。
（本文首發于鈦媒體 App，作者｜林志佳）
