在二级市场的概念浪潮中，AI制药（AIDD）曾因“大模型生成分子”的狂热走向高潮，又因“预测算法不可靠、缺乏可解释性”而遭遇挤水分与估值重塑。

当资本与产业界开始反思“纯概率推演的大模型能否真正担纲生命科学的重任”时，由华兰股份（301093.SZ）、美国国家科学院院士刘军以及美国Insilicom LLC 前首席技术官俞开先博士共同发起设立的上海药图智能科技有限公司（以下简称“药图智能”）应运而生。

面对万亿级别的AI医药蓝海，药图智能究竟在做一件什么事？AI医药知识图谱为何被称为整个AI医药产业链的“核心中枢”？二级市场又该如何给予其合理的技术定价？

破局之思：从“生成应答”到“可信范式”，AI进入生命科学的本质飞跃

药图智能总经理俞开先博士强调，AI进入生命科学的关键节点，并非模型能生成多少内容，而是AI能否真正走入专业工作流程。药物研发高度依赖知识、证据与专业判断，从靶点研究、候选药物筛选，到药物警戒与上市后评价，研发人员每日都要面对浩繁的文献与数据。

据其介绍，大模型让许多过去高度依赖人工的信息工作，第一次具备了被重新组织的可能。随之而来的挑战从“能不能用”变为“答案是否可靠、依据是否可溯、结论在何种条件下成立”。 这正是生命科学AI与通用问答系统之间的核心区别——一个“听起来合理”的答案，是否可以承载药物研发与患者安全的重量。

因此，药图智能将“可信”置于核心，力求让AI的每一个判断，都能被溯源、验证与复核。

筑底之功：“知识+证据+模型”环环相扣，打造不可复制的技术护城河

当前AI制药的技术路线各有侧重，但也各有短板：单靠大语言模型，长于语义理解却短于知识精确度；依赖传统检索增强（RAG），能“找资料”却无法理解靶点、疾病、通路之间深层次的拓扑关系；而孤立的传统知识图谱，若无生成式AI的交互能力，亦难成为触手可及的生产力工具。

药图智能选择了一条最具挑战性、亦最具战略护城河的路线——打造“知识图谱+多源异构数据+证据体系+大模型智能体”四维一体的技术闭环：

首先，以知识图谱为骨。团队拥有十余年的持续积累，累计投入逾千万美元，构建了以高质量人工标注的上万篇文献为基础的模型，精细勾勒“药物—靶点—通路—基因—疾病—安全事件”等3000余万医药实体之间的逾4000万对关系的庞大网络，划定高精度的专业语义边界。

其次，以证据体系为肉。依托领先的自然语言处理与知识抽取技术，药图智能可从数千万篇生物医学文献、专利及监管数据库中精准提取药物、疾病、基因等关键关系，并将每个知识节点锚定至权威来源。融合超过40个公共数据库及全量PubMed文献，构建具备可追溯、可解释能力的生命科学知识图谱。

再次，以异构数据为血。公司深度融合多模态生物学数据，可提供源源不断的底座养分。

最后，以智能体为大脑。以大模型作为大脑中枢，药图智能可精准理解研究者的复杂科研意图，实现跨来源推理与自动化任务拆解。

这套体系的真正难点，在于让多元要素在生命科学的严密逻辑下实现协同演进。对此，俞开先博士也曾表示，真正的壁垒，绝非图谱里包含了多少节点，而在于能否形成“知识—证据—反馈”的自演进闭环。通过产品在真实场景中的持续运转，系统将不断汲取专家反馈，形成越用越聪明、越用越精准的飞轮效应。这种深度融合产业经验的系统性能力，构筑起同行难以逾越的极高壁垒。

商业突破：从技术验证迈向产业落地，打开生命科学智能化新增长空间

据俞开先博士介绍，药图智能相关产品目前已进入多家国内外药企试用与验证阶段，应用场景覆盖药物研发、药物警戒、知识管理等生命科学核心环节。随着交流深入，客户需求正从单点工具应用逐步向企业级智能化能力建设延伸，部分药企已围绕研发智能化改造、企业知识体系建设以及AI基础设施搭建展开深入沟通。

公司指出，商业化推进过程中，药图智能充分感受到技术积累与产业渠道结合产生的协同效应。Insilicom过去多年在AI制药、知识图谱及药物研发场景中积累的技术能力，与华兰股份长期沉淀的1300多家药企客户资源形成良性互补。依托华兰股份产业渠道优势，药图智能持续接触大量药企客户，在实际交流中发现，随着大模型逐步进入研发和业务场景，企业对于AI应用的需求正在从“模型使用”走向“能力建设”。

越来越多药企意识到，通用大模型本身并不足以支撑复杂的生命科学应用场景，真正具备产业价值的，是能够沉淀企业知识、连接数据与证据，并支撑AI稳定运行的可信智能底座。这也进一步验证了药图智能围绕生命科学知识体系、知识图谱及可信AI基础设施布局的市场需求。

与此同时，俞开先博士此前作为Insilicom LLC前首席技术官，也亲历了AI赋能生命科学从技术探索走向商业化落地的全过程。Insilicom凭借在AI制药和生命科学知识图谱领域的技术积累，已实现规模化商业收入，并获得多家国际大型医药企业（MNC）的采购和认可。这一海外商业化实践，不仅验证了生命科学AI基础设施方向的产业价值，也增强了俞开先博士对于药图智能在中国市场实现规模化落地的信心。

从商业化路径来看，药图智能正在构建由浅入深的发展模式：短期通过药物警戒文献智能监控、科研助手等标准化、高频场景实现商业转化；中期向企业级AI底座建设、私有化部署等方向拓展，提升客户价值与合作深度；长期则有望围绕AI驱动的新靶点发现、药物重定向等创新场景，通过技术授权、联合开发等模式参与生命科学产业价值创造。

从行业趋势来看，AI正在成为推动生命科学产业变革的重要基础设施。根据Fortune Business Insights等机构预测，全球AI在制药与生物技术领域的市场规模预计将由2026年的85.4亿美元增长至2034年的1541亿美元，复合增长率达到43.55%。这一快速增长背后，是全球医药产业对于研发效率提升、数据资产沉淀以及智能化决策能力提升的持续需求。

生态协同：资本加持与产业赋能，华兰股份助力药图智能业务快速落地拓展

值得关注的是，华兰股份对AI制药的布局，并非简单覆盖产业链各环节，而是围绕小分子设计、抗体设计、临床智能及生命科学知识等方向，构建专业互补、协同发展的能力矩阵。

其中，药图智能更侧重解决药物研发中的“知识与科学分析”问题。依托知识图谱、生命科学数据及大模型技术，药图智能将分散的知识与证据系统化整合，为靶点研究、分子设计及临床开发等环节提供科学支撑。

与此同时，其他板块在研发过程中产生的候选分子、实验验证及临床研究数据，也有望持续反哺药图知识体系，逐步形成“知识—研发—验证—再沉淀”的闭环。

目前相关协同仍在持续建设中。未来，药图智能希望成为连接知识、研发与验证的重要节点，通过各专业能力相互赋能，推动单点技术加速向体系化研发能力演进。

结语：真正重要的，不是让机器知道更多，而是让人类理解更多

对于药图智能的终极愿景，俞开先博士曾表达过，药图智能不追求让AI去替代科学家，而是赋能科学家；不追求做会聊天的大模型，而是生命科学领域可信、可用、可验证的AI基础设施。

真正重要的，不是让机器知道更多，而是让人类理解更多。站在“AI+生命科学”的历史新起点上，药图智能以科学的严谨筑牢可信底座，以商业的突破彰显产业价值，以生态的合力拥抱浩瀚蓝海。这不仅是一家高科技企业的奋楫笃行，更是一场深刻重塑生命科学未来的伟大远航。对于华兰股份设定的里程碑目标，药图智能具备充分信心，未来将依托技术、产品与商业化能力的持续释放，积极推动各阶段目标稳步实现。对于资本市场与广阔产业界而言，属于药图智能与华兰股份的宏大篇章，才刚刚拉开最为华彩的序幕。（CIS）