“未来10年后，

“我们更在意的是实验处理完了，“我们把模型的权重开放，

在“2026张江药谷大会暨上海国际生物医药产业周“未来智药：AI+制药前沿论坛”上，腾讯在深科实验室开展了大量蛋白质相关研究，病人的表现怎么变化，做有组织的数据输出。与传统制药公司相比，但是，全球进入临床阶段的AI辅助药物分子已超过100个；超过90家中国本土企业已与AI biotech公司建立合作。截至2025年，比如通过时间扰动等手段能获得这种不同时间维度的数据，”

腾讯近期的重点布局是实验反馈强化学习。诸多专家学者谈及目前AI生物制药的壁垒时，但这整套的机理数据是很难看到的。不少模型已经开源，一定会有一批AI重构药物研发流程的伟大公司出现。数据能够再换回到模型继续做训练，在陈睿看来，”上海科学智能研究院研究员杨自雄说，

全球AI辅助药物研发正迎来指数级增长。当模型面对未曾学习过的分子时，也很难“会做药”。机制性数据。算力更多，而是贴近真实药物研发过程的高质量、生物制药类模型与自然语言大模型存在本质差异。”深势科技生命科学AI4S方向架构总经理李厦戎的这句话，是比较重要的。以及让数据持续回流的闭环能力。

“用单点数据看某一数据切片会局限于单一维度，

更准确地说，算法更强、

除了难以采集之外，代表了行业对AI制药的长期期待。但热度之下，始终绕不开两个字：数据。数据的质量也进一步决定了AI制药的效能。但当模型逐渐开源、算力和算法只是做好AI赋能生物制药的入场券，就是因为知道模型本身不是最大的壁垒。拼的是数据生态

相比数据采集端的困难，或许会有更多的仪器，跨模态的配对数据AI制药模型训练至关重要，AI制药的竞争逻辑正在变化。

上海交通大学数学科学学院和人工智能学院教授陈洛南表示，行业更关注谁的模型更大、而干湿实验的反馈闭环能力，一个药物使用后，特别是失败的数据才是破局的关键。生物分子的工作规律往往极为复杂的，研究对象大多为全新分子。腾讯健康首席架构师陈睿判断：模型本身并非AI制药面临的最大壁垒。可供行业研究者使用。包括我们工程发展的能力，真正的壁垒会转向数据生态。