2025年12月26日，【想象·2025极新 AIGC 峰会】在上海浦东浦软大厦成功举办。深势科技生命科学高级业务架构师孟月女士在会上做了题为**《AI4S驱动的生命科学研发数智化平台》**的演讲。重点分享了深势科技生命科学方面的发展历程、技术布局与落地成果。
深势科技生命科学高级业务架构师 孟月
孟月重点提到以下几点：
"AI for Science 的目标，是系统性重构人类探索未知、发现知识并将其沉淀为可复用资产的根本模式。"
"深势科技的核心，是构建覆盖'读文献、做计算、做实验'三大核心环节的下一代科学发现智能引擎，并在此基础上，让'AI科学家'从理念走向现实。"
"我们的平台与解决方案，已深度融入众多领先药企的研发流程，不止解决单点痛点，更致力于帮助合作伙伴构建整体性的智能化研发能力。"
以下内容为嘉宾分享实录，经极新整理，希望能给大家带来收获。
大家下午好！我将围绕深势科技的生命科学平台整体架构，系统阐述我们如何通过 AI for Science 技术体系，赋能生命科学研发的全流程实践。
01
为什么深耕 AI for Science？
"大量未被满足的研发诉求，与海量的科研投入形成了鲜明矛盾。"
首先，我们来聊聊核心背景 ------ 深势科技为何坚定深耕 AI for Science 领域。如今，AI 技术已渗透到各行各业，催生了众多创新应用，但在 AI for Science 这一交叉领域，行业整体的探索仍相对有限。这一领域的特殊性在于，科研研发过程往往需要投入巨额成本，生命科学、能源、材料等关键领域的研发投入尤为突出。与此同时，这些领域在实际生产中的需求又极为迫切，大量未被满足的研发诉求，与海量的科研投入形成了鲜明矛盾。正是这一核心矛盾，让我们坚定了深耕 AI for Science 这一赛道的决心。
AI for Science 这一范式，由鄂维南院士、汤超院士于2018年率先提出并倡导。国际上看，从2018年谷歌等巨头发力，到2024年AlphaFold获得诺贝尔奖，标志着AI在生命科学领域实现了里程碑式的突破。深势科技自2018年成立起，便同步踏上了这条探索之路。我们最初从自主研发Uni-FEP等核心算法起步，其精度与可靠性对标国际顶尖标准，并以此为基础，持续推动技术的工程化、平台化与系统化，逐步构建起覆盖"读、算、做"全流程的完整能力体系。
公司于2020年左右启动底层算法的规模化研发与商业化运营。近日，我们正式完成了总额超过8亿元人民币的C轮融资，这充分体现了资本市场对AI for Science赛道以及我们技术实力的信心。目前，公司已构建了以"玻尔·科研空间站"为枢纽的"读、算、做、智"完整能力体系。
02
AI 赋能 三大核心环节 ， 走向"AI科学家"
"AI 读、AI 算、AI 做"
作为AI4S范式的引领者，深势科技的业务核心可概括为三大智能化环节：AI"读"、AI"算"、AI"做"。而将这些环节融会贯通，让AI具备自主规划与执行复杂科研任务能力的愿景，便是我们提出的 "AI科学家"。
-
AI **"读"：**旨在破解科研人员面对海量文献、专利时的信息过载难题，提供智能检索、深度解析、知识提炼与沉淀的能力，让科学家能快速捕捉前沿动态与核心洞察。
-
AI **"算"：**聚焦于生命科学领域的计算评估需求，整合我们自研的AI算法与物理建模，为药物分子的设计、优化与评估提供微观尺度的精准洞察和预测。
-
AI **"做"：**通过自主研发的智能实验室操作系统，对传统实验流程进行自动化、标准化与智能化改造，提升实验的精度、通量与可重复性。
支撑这三大核心环节的，是我们多年积累的一系列底层核心模型，涵盖文献解析、计算模拟、实验表征等全流程，我们的平台架构形成了清晰的逻辑闭环：
-
**基础底座：**统一的数据、模型与智算调度平台，为所有上层应用提供坚实支撑。
-
**引擎平台：**对应"读、算、做"的标准化微观工业平台，直接赋能企业研发。
-
**智能体层：**在三大平台之上，我们构建了SciMaster通用科研智能体，推动平台能力向自主化演进，并在细分领域构建了药化助手PharmMaster。
-
**研发应用：**基于底层强大的算法储备与核心平台支撑，我们对外提供RiDYMO®高质量分子发现和优化平台，已在小分子、抗体、多肽、XDC等多个领域积累了成功案例，形成了丰富的行业实践经验。
下面，我将为大家详细介绍 "读、算、做" 三大核心平台的核心能力与应用场景：
首先是 "读" 的核心工具 ------ 玻尔· 科学导航。我们的"玻尔·科研空间站"以全新升级的"玻尔·科学导航"为核心。它整合了超过1.7亿篇高质量英文文献、超过2亿篇专利和2000万活跃学者信息，并完成了中文期刊库重大升级，新增约8000万篇中文文献。这意味着它的每一个回答都有扎实的文献依据，支持中英文混合检索、答案溯源与一键链接原文，实现了从 "提问 - 查文献 - 核心信息提取 - 总结归纳 - 知识资产沉淀"的科研全流程闭环，让知识管理变得高效且系统。
为了让大家更直观地感受这种差异，我们以一个严谨的生物学问题 ------"OX40/OX40L 是否能支撑起一个有颠覆性疗效的关键靶点" 为例进行对比展示：通用大模型的回答通过检索公开网站信息与相关数据进行分析整合，最终给出了完整的回答，相较于传统人工查阅文献总结的方式，效率已有了大幅提升，但缺乏专业学术文献的直接支撑，权威性与准确性难以完全保障；而玻尔·科学导航在回答这一问题时，不仅检索了公开网页信息，还深度整合了底层的文献专利数据、学者库资源以及关键语义理解模型，其思考逻辑与分析路径完全契合生物学家评估靶点的专业思维模式，能够从机制研究、临床数据、竞争格局等多个维度进行全面分析，因此受到了众多药物研发团队的高度认可。此外，玻尔还具备强大的 PDF 阅读功能，支持在 PDF 文档内直接进行 AI 问答、AI 翻译等操作，形成了一套流畅、便捷的文献使用生态，极大地降低了科研人员的使用门槛。
其次是 "算" 的核心平台 ------Hermite ®。我们将生命科学领域积累的一系列核心算法统一称为 "Uni-Family"，包括蛋白大模型、分子大模型、RNA大模型、原子大模型等，这些算法已全面集成到 Hermite 软件平台与我们的研发服务流程中。截至目前，核心算法 Uni-FEP 在平台上的提交次数已超过 20 万次，累计服务了50 余家药企，平台支持小分子、大分子相关工具的友好使用，无论用户是科研新手还是资深专家，都能快速上手。
最后是 "做" 的核心载体 ------玻尔·赛博实验室。在生命科学领域，我们率先落地了环肽超级实验室，该实验室基于玻尔·赛博实验室（操作系统）打造，相较于传统人工合成环肽的实验室，在效率上实现了质的飞跃 ------ 整体研发效率提升超过 500 倍，目前该实验室即将投入规模化使用。
而我们推出的 PharmMaster 药化领域 AI 科学家工具，更是针对性地解决了药物研发中靶点立项评估周期长的痛点：传统药化学家完成一项靶点能力项目评估通常需要三周时间，而借助 PharmMaster 工具，这一周期可缩短至三天以内。靶点立项的效率与准确性，直接影响整个药物研发项目的推进节奏与成功概率，未来我们将持续投入资源，完善 PharmMaster 的底层数据积累与Agent搭建，进一步提升其性能与易用性。
0 3
实践与落地
"不止解决痛点，更构建整体智能化研发能力。"
下面，我将分享两个具有代表性的合作案例，让大家更直观地了解我们的平台与技术在实际场景中的应用效果：
-
与 康臣 **药业的战略合作：**康辰药业是一家积极推进创新药转型的药企，亟需智能化技术为研发赋能。我们不仅在其专注的特定疾病领域开展深度项目合作，更全面开放了我们的药物计算平台，为其提供从分子设计的工具支持。这种合作旨在帮助康辰药业系统性地构建内生的智能化研发能力，而不仅仅是解决单点问题。
-
**与联合利华的日化领域系统合作：**自 2024 年起，我们与联合利华开展了持续且深入的交流，基于联合利华在日化领域的实际研发需求，我们依托自身的核心算法，为其定制开发了专属工具，并协助联合利华搭建了其内部的 AI for Science 创新平台。这一合作不仅解决了联合利华在日化研发中的具体痛点，还帮助其构建了可持续的智能化研发能力，实现了日化研发的高效升级。
目前，深势科技在生命科学领域已积累了广泛且优质的合作伙伴，涵盖软件合作、研发项目合作等多个维度。未来，我们将持续深耕 AI for Science 领域，不断完善平台能力、拓展应用场景，期待与更多行业同仁携手，共同推动 AI 技术在生命科学领域的深度落地与创新发展。以上就是我的分享，谢谢大家！