AI 制药跨越「死亡之谷」，走向微观世界模型

2026 年被业界视为「物理 AI 元年」。在资本涌入与监管框架逐步成形的双重信号下，AI 制药正从依赖大模型做相关性筛选的阶段，迈向以「微观世界模型」为核心的物理因果建模阶段。望石智慧创始人兼 CEO 周杰龙在 WAIC 2026 上提出：AI 制药正在从「智能体阶段」走向「物理 AI 阶段」，微观世界模型是通向物理 AI 的底层模型。

AI 制药的「死亡之谷」

创新药研发长期遵循著名的「三『十』定律」：十年、十亿美元、成功率不及十分之一。过去五年，AI 在药物发现早期环节的效率提升明显——从文献挖掘、靶点筛选到分子生成，大模型显著压缩了候选化合物数量。

但效率提升并未根本改变药物研发的成本结构。体外细胞实验有效的分子，进入动物体内可能失效；动物实验安全的靶点，到了临床试验可能引发脱靶毒性。其根源在于生命科学研究范式在分子生物学、细胞生物学、生理学之间尺度割裂，缺乏一个统一的底层框架。摩根士丹利在《跨越分子：2026 年是人工智能药物发现的成败之年》报告中指出：化学模型是药企研发体系中的「加速器」，但生物模型的发展水平才决定 AI 制药行业的价值上限。后者的缺失，正是「死亡之谷」的根源。

另一被广泛强调的概念是「干湿实验闭环」——AI 预测-合成分子-湿实验-数据反馈-再训练模型。但问题在于，每一轮模型预测之后都需要真实世界实验验证。一位业内人士透露：合成一个分子约千元到万元，做一个蛋白-小分子结晶的有价值数据点平均花费数万元；人源化转基因小鼠上万元，实验猴成本可达数十万元，单项毒理研究可花费数十万到数百万。即便模型把 1000 个分子筛到 100 个，仍是千万量级的成本。

监管也在靠近。2026 年 1 月，美国 FDA 与欧洲 EMA 联合发布《人用药品和生物制品研发中人工智能良好实践指导原则》，这是两大主要药品监管机构首次就 AI 在药物研发中的应用达成共识性框架，要求 AI 系统做到透明、可追溯、可解释——只输出「这个分子有毒」、却无法解释「为什么有毒」的模型，在监管层面不被接受。

「微观世界模型」是什么

微观世界模型的核心逻辑是：以小分子、蛋白质、原子乃至电子为表征单元，遵循量子力学和统计力学规则，模拟分子间相互作用、构象变化与动态演化。周杰龙将其比喻为「在计算机里建造一个严格遵循物理化学定律的『分子沙盒』，让候选药物先进这个沙盒里完整地活一遍」。

传统分子生成模型只能回答「这个分子活性可能是 100nM」，微观世界模型则试图回答：为什么改变一个官能团，活性提高了十倍？到底是形成了新的氢键，还是改变了蛋白构象？

望石智慧目前正在打造首个「全电子」微观分子世界模型，将建模粒度从当前主流的全原子层面再下沉一级，进入电子尺度。周杰龙认为，化学键的形成与断裂、氢键、π-π 堆积、疏水效应本质上发生在电子层面。如果在纳米、纳秒的时空尺度上获得最完备的电子信息，理论上可以通过机器学习逼近物理真实。

周杰龙还强调「全电子」定位的跨领域迁移性：药物、材料、催化剂、半导体器件在微观层面共享同一套物理基础，能在电子尺度准确表征和推演的模型，其底层能力具备跨领域迁移潜力。

为什么是现在

行业层面多个信号同时出现：

• GenBio AI（David Baker 联合创办）推出 AIDO Cell，号称首个从 DNA/RNA 模拟到全细胞行为的多尺度虚拟细胞世界模型。
• 西湖大学郭天南团队在《自然》发表 Protein Talks 模型，以真实连续的蛋白质动态为基础构建虚拟细胞，用于三阴性乳腺癌的药物疗效预测。
• AI 生物科技公司 Polyphron 正在构建「组织世界模型」，基于纵向组织轨迹数据训练并放入自动化制造的真实活体人体组织中验证。
• Biohub（扎克伯格旗下）发布全球首个开源「蛋白质世界模型」，基于包含 68 亿蛋白质和 11 亿结构的 ESM Atlas，在五个靶点的蛋白命中率达 36%–88%。

这些不同命名的探索都指向同一底层逻辑：AI 必须从处理符号和数据的统计关联，走向对微观物理世界因果机制的建模与推演。DeepMind 联合创始人 Demis Hassabis 也曾表示，当前大模型本质上缺乏对物理规律、因果关系和空间推理的理解，仅是统计模式匹配而非真正的认知。

周杰龙判断「微观世界模型可能比宏观世界模型更快突破」，原因有三：

• 微观世界的底层规则更封闭、更确定。分子与靶点的结合自由能只由物理定律决定，没有「意外」。
• 微观世界的观测与验证手段更精确。X 射线晶体学、冷冻电镜、结合自由能测定提供实验级刚性标准，且验证周期以周计，远快于宏观世界路测的以年计周期。
• 微观世界模型的商业闭环更直接。Isomorphic Labs 与诺华、礼来、强生的合作总额约 30 亿美元；GSK 为 Noetik 的模型授权支付 5000 万美元预付款。

周杰龙也补充了关键前提：微观世界模型的挑战在于误差会跨尺度放大，「更快突破」指的是在分子这一封闭尺度内率先达到工业级可信度，而非整个跨尺度链条的一蹴而就。

更远的图景

若微观世界模型级别的数字孪生成为现实，AI4S 将从「加强版工具」走向真正的「科学发现者」。芯片制造中的光刻胶反应、薄膜沉积界面演化、掺杂原子扩散，本质都是原子和电子层面的物理过程；催化、新能源材料同样依赖电子层面的精确建模。可以预见，下一个十年的 AI 竞争，半场都在微观尺度上。