主题圆桌：生命的新算法，AI重构医疗产业全链路｜36氪WAVES2026新浪潮

“2026年，创投圈的浪潮再次翻涌：AI从技术概念走进产业深水区，硬科技创业从“小众赛道” 变成“主流共识”，年轻的创业者们正在用代码和双手，重新定义中国创新的未来坐标。 每一年，由36氪 · 暗涌主办的WAVES大会，都是中国创投圈的年度风向标。 今年的 WAVES 2026以“今年盛夏”为主题，落地广州番禺良仓新造创意园，在两天的时间里，我们汇聚了顶级投资人、产业领袖、新锐创业者，用14场深度圆桌、数十场独立演讲，拆解 AI、硬科技、出海、医疗等核心赛道的底层逻辑，见证那些“少数人” 的坚持，如何汇聚成改变行业的浪潮。” 6月17日下午，WAVES2026新浪潮大会进行了一场圆桌对话，主题为「生命的新算法——AI+医疗圆桌」。 以下为对话内容，经36氪整理编辑： 胡香赟｜36氪医疗作者（主持） 周杰龙｜望石智慧 创始人兼CEO 赵宇博士｜哲源科技 联合创始人 周鑫丨弘晖基金 执行董事 胡香赟：大家下午好！欢迎来到36氪WAVES“AI医疗——生命的新算法”圆桌论坛。 “生命的新算法”，其实是一个比较宏大且富有哲思的话题，之所以以此命名这场圆桌，是因为我们现在也处在这样一个转折点上。AI For Science已成为全球新一轮科技革命的重要支撑，而在医疗这个相对传统、且既往被认为比较难被算法改造的领域里，AI也变得不可或缺。研发层面的靶点发现、分子设计已不必多谈。产业层面，一些AI制药公司的IPO进程也在加速；BD出海的热潮里面，AI公司的身影也越来越多。 所以，今天非常荣幸能邀请到三位来自产业界和投资界的嘉宾，和我们分享一下他们的观察。请大家依次做个简单的自我介绍，比如您的公司在用AI做哪些事情；或者，您所在的投资机构在投资AI制药/AI医疗项目时更关注哪些问题？ 周杰龙：主持人好，非常感谢36氪的邀请。我是望石智慧的创始人跟CEO周杰龙，望石智慧是一家用人工智能驱动新药研发的科技公司，我们正在打造的是一个以微观世界模型为底座、多智能体协作的AI制药系统。我们现在有两个基础平台，一个是以微观世界模型为基础，我们称之为3D小分子生成模型的AI平台；还有一个是以多智能体串联医药早研的全链条智能体系统。这两个系统其实都依托于我们多年积累的丰富的数据资产，以及完全自研的模型。 目前，我们和国内外数百家医药机构和科研机构都有合作，也推动了多条管线进入临床。今年5月，我们和广药、华为达成了三方战略合作，共同落地AI药研解决方案。 赵宇：大家好，很感谢拥有一个机会来到年轻人的世界。我们是哲源科技，一家面向生命科学的团队。生物学模型可以简单理解为：我们搭建了一套认知生命的全新技术体系，不同于业内常见的循证医学、结构生物学研究思路，我们走的是计算医学技术路线，依托组学数据搭建人工智能体系，解析生命与基因疾病，探索疾病发病的底层逻辑、人体患病机制、靶点扰动对疾病产生的干预效果等。我们的核心技术“生命功能的数字孪生技术”曾拿到首届国家科技部“全国颠覆性技术”认定。 这些年，我们产出多项落地成果。比如，我们完成了一项前瞻性虚拟临床试验，该临床试验现已迭代至第五个版本；此外，我们针对胰腺癌的1类创新药PR00012已对外披露临床一期数据，完成了上百个靶点的虚拟验证。 我们认为，从第一性原理推导，AI 制药的底层逻辑应当是先理解疾病，再挖掘有效靶点，最后指导分子生成，这也是我们团队的核心工作方向。 周鑫：弘晖基金是一家聚焦医疗+科技领域的风险投资机构，已经成立12 年，目前管理规模接近300亿元、累计投资约200家企业，医疗赛道是我们的重仓板块，其中，创新药相关被投企业60家。现阶段，AI制药是我们的核心布局方向，从早期靶点发现、分子设计、分子优化、分子筛选，再到后期AI赋能临床试验等，整条产业链我们都在持续挖掘、布局，今天很荣幸能和各位行业从业者交流。 胡香赟：今天三位嘉宾聚焦的领域整体还是不太一样的，接下来的问题想先给两位创业者。我们很好奇，在企业真实落地的场景中，对比传统研发模式，AI究竟改变、颠覆了哪些原有流程或研发思路？杰龙总，望石智慧深耕小分子早期研发智能体，搭建了靶点、分子到湿实验的完整闭环，先请您分享。 周杰龙：望石智慧一直聚焦药物早期研发，所以我结合早研环节分享实际落地感受。 药物早期研发过程通常都遵循所谓的“DMTA 循环”，即设计、合成、测试、分析四大环节。实际上，不论技术如何迭代，这套流程框架始终是保留的。只不过，传统模式完全以人为核心驱动。传统研发完整流程中，行业专家依靠自身经验完成分子设计，再凭借经验初步评估分子活性、成药性、可合成性，最后交由合成团队开展合成与生物测试，全流程依靠人工衔接各环节。 这套传统模式存在三大核心痛点：第一，分子设计完全依托经验与直觉。当前行业竞争激烈，极易出现专利冲突、专利创新性不足的问题；第二，环节链条冗长，全人工流转模式下，每一环节也容易出现断层，极度割裂；第三，数据孤岛问题严重。行业已经沉淀了海量的研发数据，但受人工流转、标准不统一影响，各环节数据格式、标准不统一，数据冗余企业积累的数据资产也无法转化为核心竞争力。 针对以上痛点，我们搭建了依托智能体的全栈式智能研发体系：首先针对分子设计痛点，研发出结合语言模型与几何模型的大模型基座的多模态AI 3D小分子生成平台，辅助专家完成分子设计，规避经验带来的创新缺陷；此外，我们落地了包含多智能体体系，依靠智能体自主串联全研发环节，实现数据自动化管理、流程自主执行。第三，这些研发全过程数据全部可以沉淀到智能体中数字罗盘系统。过往，多数药企项目周期漫长，研发数据分散存储在PPT、Excel、PDF等各类文件中，数据无法统一沉淀，甚至出现核心研发成果被竞品抢先申请专利的风险，基于这个数字罗盘，药企就可以统一沉淀其全部数字资产。 总结来说，我们改造、升级了行业原有模式，把 “研发思路存储于人脑、流程依靠人工沟通衔接”，转变为AI深度融合研发设计逻辑，依靠智能体自主驱动完整研发流程，实现数据持续沉淀、反向迭代模型的范式。 胡香赟：简单总结，AI能够盘活行业长期积累的海量真实研发数据。接下来请赵博分享。 赵宇：这个问题中有两个核心关键词，AI对行业的改变，以及研发范式颠覆，我结合第一性原理展开分享。 在生物医药行业，研发一款新药价值巨大，但传统模式下，大量药物针对同一靶点重复开展临床试验，持续消耗临床资源，这也是当下AI for Science落地的核心意义。 很多人觉得AI for Science概念空洞，实际并非如此。人类的核心优势是使用工具，生命本质是跨尺度、非线性的复杂数据集合。依靠人类大脑很难完整解析这套复杂系统，普通人智商上限有限，顶尖科学家智商也存在天花板，单纯依靠人脑解析高维生命系统的时代已经过去。 AI for Science本质是依托机器学习、神经网络，搭建远超人类认知上限的高维分析模型，弥补人类认知短板，挖掘生命科学全新规律、洞见与发现。可以类比具身机器人，机器人是人类肢体机能延伸，AI模型则是人类认知、大脑的延伸。 回归生命科学研究，人类对生命的认知程度等同于人类对宇宙的认知，两者都存在大量未知领域。我们不能持续依靠行业专家主观猜测、重复实验开展研究。医学本身属于实验科学，但生命系统复杂度远超人