跳到正文
百图生科·· 2026-09-15AI 评分29

百图生科刘维复盘2123天:从生命科学基础模型走向"生命科学世界模型"

从生命科学基础模型走向世界模型的2123天探索

AI 导读

百图生科联合创始人、CEO 刘维在 BIOHK2026 演讲中复盘公司 2123 天进展:已构建数十万亿 tokens 的 AI-ready 数据,模型参数达数千亿。

正文

9

月

9

日,

“BIOHK2026

香港国际生物科技论坛暨展览

”

在香港会议展览中心正式启幕。本届大会以完善产业生态布局为核心导向,汇聚来自多个国家和地区的政府部门、行业领军企业、顶尖科研院所、头部投资机构以及临床医院代表,共同围绕政策监管、研发生产、投资并购与商务拓展等关键环节展开深度探讨。

在

“AI

驱动生命科学与新药研发:从基础模型到范式重构

”

主题论坛上,BioMap百图生科联合创始人、CEO刘维受邀发表

主题

演讲,

对百图生科以及

生命科学基础大模型发展

做阶段性总结

。

循着百图生科过往2123天的成长轨迹,刘维在演讲中

提出三点观察。

第一,新药研发的难度正在急剧上升

,如今新型疗法已超过

100

种,

全球制药公司数量相较十年前大幅增长,

单点投资药物的成功率越来越低。更重要的是,药物发现正从

“

生物筛选、所见即所得

”

转向药物全新(

de novo

)设计与生成式设计。尽管全球每年投入约7000

亿美元的试验成本,非天然分子在全口径多指标上的失败风险反而越来越大,

first-in-class

药物研发的痛点始终没有被有效解决。

第二个观察是数据的爆发。

生命科学的观测发生在微观尺度,一个空间转录组学样本就能产生数十TB

的数据,目前全行业已累积约50

个

EB

的数据,涵盖数百万个物种

——

相当于拥有了整个进化树的基因、蛋白、细胞数据。某顶级

AI

巨头内部研判,五年内生物数据总量将超过世界上其他所有数据的总和。这些数据不仅量大,而且随组学技术与生物信息学的发展,覆盖领域极广,呈现出持续高速积累的态势。

第三,海量泛数据与

AI

建模需求之间,长期存在一道鸿沟,而基础大模型恰好能跨越它。

First-in-class

研发面对的是数据绝对稀缺的问题

——

一旦靶点已有成功药物,它就不再是

first-in-class

。传统AI

需要覆盖状态空间30%–50%

的数据才能建模,直到

GPT-3

开始的千亿参数基础大模型出现,才让“从海量泛数据中学习规则、再以

5%

甚至更少数据迁移到建模未知领域”成为可能。这正是生命科学基础大模型的核心理念。

过去2123天,近六年的时间里,百图生科完成了第一个概念验证闭环:

构建了

数十万亿

tokens

的

AI-ready

数据

,

达到了和自然语言大模型同等规模的token level,

模型参数达到数千亿。

基于此,在前沿问题上进行

AI

建模的平均数据消耗降低了

90%

,仅用平均

10%

的独特数据即可完成原本需要海量数据的建模,尤其在细胞扰动、

CMC

等高试验成本、数据稀缺的领域表现突出。

百图生科

此前已在苏州

设立

实验室

,

下一步将在北京、上海

落地建设高通量实验室

,为AI

训练生产数据,同时向上游延伸,推动下一代生物数据感知仪器的创新。

刘维表示,公司的目标是提高“从实验数据到模型

”

的转化效率,让昂贵的试验成本不

再

被行业重复负担

—

企业

可以直接调用先进的预测模型进行

first-in-class

的药物研发。

百图生科

迄今已赋能超过数十个

first-in-class

项目,孵化

支持

多家新生物科技公司,

其终极目标是建立从分子、细胞、器官到人体尺度的“生命科学世界模型

”

,实现对临床试验的部分替代。

在随后的“智药新浪潮

·

跨界掌门人对话”圆桌会议,刘维与礼新医药创始人及首席执行官秦莹、英矽智能执行长兼首席科学官任峰、中信建投证券管理委员会董事总经理刘连杰、睿健医药首席财务官阮添士,以及三生制药集团首席财务官何翔,展开精彩跨界对话。

众人围绕

“

产业格局之变

——

从

‘

跟跑

’

到

‘

并跑

’

与

‘

领跑

’”

、

“AI

重构研发

——

从

‘

工具

’

到

‘

引擎

’”

、

“

商业化与资本

——

从

‘

概念

’

到

‘

价值

’”

,以及

“

未来展望

——

中国创新药行业的未来之路

”

四大议题展开深入研讨。

刘维提出,技术会代际演进,价值不断叠加。

但

1.0/2.0/3.0

制药时代的划分标准不是

AI

技术本身,而是“

AI

对药物研发组织和流程的变革程度”。

在回应主持人有关百图生科未来商业化路径的提问时指

出

,在生命科学领域,动物、人体和高复杂度的细胞试验不仅成本高,可及度也不够,

AI

正可以模拟试验过程,节省人力和试验成本,目前整个试验市场仍有很多机会。

刘维也提到,生命科学领域的不同行业都需要有底层

AI

,而且相关数据能打通应用,例如百图生科已把海洋生物学的数据用于训练蛋白质模型及酶的预测。刘维重申,百图生科坚定以

“

平台厂商

”

为定位,

通过

AI

模型替代部分实验、节省实验成本,从而分得全球数千亿实验市场的一部分,并依靠跨领域数据复用构建平台级护城河。

来源:百图生科 · mp.weixin.qq.com