AI 制药正在成为当下最热的产业议题之一。
大模型带来的能力跃升，让制药行业看到了真正的可能性：过去一个靶点需要反复试错数年，如今 AI 可以在数周内完成高通量筛选；过去解读一篇文献需要数小时，如今大模型可以实时提炼核心结论并横向串联。算法正在从根本上压缩从靶点发现到候选分子诞生的周期。
这种能力变化，也在重塑行业对 AI 的理解。早期行业对 AI 制药的预期更多是一个"替代"逻辑：人们期待 AI 能绕过人的经验，直接输出可上临床的分子。但随着实践深入，行业逐渐形成新的共识：最有力的路径，是让 AI 与制药"老法师"协作。
在这条更务实的路上，清华 AIR 孵化的水木分子，是走得最早也最坚定的玩家之一。自 2023 年起，水木分子相继开源 BioMedGPT 百亿参数模型、发布对话式药物研发助手 ChatDD，发布 OpenBioMed Skills 把生物医药的研发流程封装成 45 项可执行技能。再到最新的生物医药情报工具水木知了 APP—— 产品路径清晰指向一个目标：成为制药"老法师"真正离不开的智能助手。
工具层之外，水木分子还在推进一项更重的工程。2025 年，水木分子的第一条自研管线启动—— 针对自身免疫疾病的双特异性抗体，用 AI 同时阻断两条核心信号通路。
基于 ChatDD- Discovery 平台的计算设计已完成，多款候选分子进入湿实验验证。
从 ChatDD 到双抗管线，水木分子的产品矩阵里，开始有了“ 结果” 而不只是“ 工具”。
这背后，是 AIR（清华大学智能产业研究院） 一贯的做事逻辑。张亚勤院士 （AIR 创始院长） 曾说过：“AIR 的研究课题，80% 以上源自企业真实需求。” 而水木分子首席科学家聂再清教授，正是这种逻辑最忠实的践行者。
作为清华大学万国数据教授和 AIR 首席研究员，聂再清教授还是“ 十四五” 国家重点研发计划 BTIT 融合项目新药研发大模型方向的课题负责人，曾任微软亚洲研究院首席研究员，天猫精灵首席科学家，发表论文 50 余篇，拥有专利近 30 项。
而就是这样一位在学界上声誉卓著的教授，在和我们长达两个小时的对话中，没有提过自己的一篇论文、一项专利。谈话的内容始终围绕：产业端的真实反馈、“ 老法师” 的经验如何与 AI 融合、药企到底愿意为哪种服务买单…… 这些产业端的真问题上。
“AI 制药，不是 AI 替代人类制药，是 AI 与“ 药研“ 老法师”” 协作制药” 聂再清教授表示，“ 药物研发从 TMDD（手工制药） 发展到 AIDD（AI 辅助制药），而现在和未来是 ChatDD—— 人机互动、辅助制药的时代。”
“ 昨天有个投资人用户专门联系我们，说他们全公司都要求用上了水木知了 APP。
生命科学领域的投资人都特别喜欢水木知了，说是他们做行研的神器。
” 当得到用户的直接反馈时，聂教授会兴奋地向我们展示。
▎以下为与聂再清教授的对话全文，略有删减：
创投家：您能不能通俗地解释一下 AI 技术到底是如何改变药物研发的？
聂再清：我们认为药物研发已经经历了四个阶段。
第一代叫 TMDD（手工制药），主要依靠“ 老法师” 的经验和直觉；
第二代叫 CADD（计算机辅助制药），计算机会帮助“ 老法师” 们更好地用药学经验制药，但核心还是“ 老法师” 自己的判断；
第三代是 AIDD（AI 辅助制药），用 AI 小模型辅助“ 老法师” 们制药。这个阶段的最大问题就是：“ 老法师” 们的经验和 AI 模型无法融合，“ 老法师” 无法理解 AI 推导出来的分子为什么好，也没法用自然语言指导该怎么改；
第四代就是 ChatDD。最大的区别是：“ 老法师” 们把经验变成自然语言的 Prompt，大模型基于此去触发对应能力，做高通量阅读和计算。这样两边的强项都发挥出来了，大模型的高通量计算、阅读和最新算法预测，加上“ 老法师” 的经验直觉，形成不断迭代的闭环。
未来肯定是 ChatDD 的时代，5 年内就完全靠 AI 制药还不太可能，但 AI 和智能体的分量会越来越多、越来越重，“ 老法师” 们会越来越离不开它们，这是一个必然的趋势。
创投家：为什么在整个药物研发过程中，“ 老法师” 的经验直觉始终是不可或缺的？
聂再清： 制药是一个非常复杂的问题。迄今为止，生物学还有很多运行机制没有被数字化和解读出来。大模型能计算抗体的亲和力和结构，但进入人体之后，会跟哪些机理发生冲突、导致什么问题，这些目前还都无法计算。而“ 老法师” 们的经验和直觉在这个时候能提供很大帮助。
创投家：在外部看起来，水木分子的产品矩阵可以说非常复杂，从底层生物医药大模型 BioMedGPT，到对话式研发助手 ChatDD，到生物医药研发 Agent 平台 OpenBioMed Skills，再到最新发布的水木知了 APP。咱们产品开发路径背后的考量是什么？
聂再清： BioMedGPT 其实是底层的生物医药大模型，本质上是一项技术而非产品；而随着基础模型能力的提升，结合拿到的产业反馈，我们才把算法研发的一些成果封装成标准化的产品发布。
而“ 水木知了 APP” 的诞生，也是我们通过与行业深度交流后发现，辅助决策是大家的一种通用需求。
行业每天都有很多新进展和新成果，但内容非常专业，看懂的门槛很高。行业里很多普通人也需要这些信息，并且需要通俗化的解读，这就让我们看到了一个“ 情报决策助手” 的机会。为生物医药研发人员提供海量数据、精准检索、趋势洞察、智能推荐生物医药情报与行研服务。
创投家：水木知了 APP 是如何实现“ 情报决策助手” 这个定位的？
聂再清：水木知了的底层是基于水木分子自研的生物医药大模型 ChatDD FM 、BioMedGPT、推理大模型 BioMedGPT-R1、智能体知识图谱 PharMolix AgentKG 等技术。
APP 具有“ 情报” 与“ 对话” 两大模块：“ 情报” 模块通过对海量生物医药相关信息的检索，为用户筛选和推荐经过精准检索的最新科研与行业资讯；“ 对话” 模块则通过自然语言对话方式，基于生物医药智能体知识图谱，深度为用户答疑解惑。
例如最近，水木知了就全新上线全球医学顶会 AI 解读专题。2026 年 6 月 2 日刚刚落幕、被誉为全球肿瘤新药研发风向标的 2026 ASCO 年会，其全量会议摘要已同步上线平台。用户可以第一时间纵览大会精华，关注同行评论，关注新发布研究结果的站位，包括关于 Revolution Medicines 现场公布的胰腺癌 RAS 靶向疗法的解读。
同时，水木知了的服务不仅覆盖生物医药，还延伸至合成生物及 AI for Science、医疗器械、以及大健康 五大前沿领域，致力于打造一个“ 个性化智能情报枢纽”。
创投家： 所以水木知了 APP 是一个针对生物医药圈小白提升认知的工具？专业的研究员和圈内核心专家也是水木知了的目标受众吗？
聂再清： 水木知了不仅针对行业小白，也可以服务行业专家。专家的使用场景有如下几个：第一，可以用来发布和推广自己的研究成果；第二，生物医药行业很宽，很多专家都是“T” 字形人才，纵向很深，但在横向上也是小白，可以通过水木知了来建立最新的基础认知。
未来我们还希望专家能够在水木知了 APP 上利用我们提供的工具来完成其他人发布的咨询任务，最终将整个生物医药行业的情报和信息生态都能落在水木知了上。
创投家： 所以水木分子服务的客户群体主要是实验室里的研究人员吗？
聂再清： 不一定是实验室。药企里面做决策的团队、高管，包括关注生物医药领域的投资人，都可能会用。
药企里对于 AI 的需求分几种场景：决策洞察、分子设计和开发、临床。不同的场景对能力的需求不一样。决策和临床对文本和多模态能力需求多一些，分子设计对我们蛋白质相关的模型需求多一些。
目前我们接收到的需求里，决策和临床部分的量更大。比如服务复星医药，我们主要就是帮他们做更好的决策，类似管线要不要上、要不要推进的决策。而服务博奥晶方，我们更多是帮助做疾病机制的理解，什么通路导致了什么疾病。分子设计上，我们也合作了一家胶原蛋白公司和一家 MNC 药物研发公司。
创投家： 水木分子现在的收入结构是怎样的？
聂再清： 第一曲线还是工具类产品，收入占比也最高。第二部分是结果付费—— 就是我们直接产出分子、药品或者报告等。这部分收入刚刚开始，但想象空间非常大。
创投家： 在水木分子的很多技术发布中都提到了一个词——“ 学术平权”，让普通研究员在研究方法、研究工具上追平顶级专家的水准。这件事对整个科研体系和专家体系会产生什么影响？未来普通研究员是否也有机会可以直接攻克最顶尖的科研难题？
聂再清： 确实具备了可能性。“ 水木知了” 主要是实现认知层面的平权—— 让很多知识大家都看得懂、学得会，慢慢变成专家。而 OpenBioMed 是实现算法能力层面的平权—— 让不懂计算机的研究员也能用上最前沿的算法和最好的论文，把 AI 人员才有的算力和工具能力补全了。
一个普通人，有了 AI 之后是不是也能做出很好的分子？可能性是存在的。随着大模型能力越来越强，一般人也可以通过大模型的建议去做事，碰到一个分子的成功概率就大增了。
创投家： 水木分子要自己做管线，这是一个什么样的战略考虑？未来会从生物医药大模型公司变成生物医药公司吗？
聂再清： 我们的 AI 技术定位是做最好的药物研发“ 助手”，最终交付的产品是工具、分子还是药品，只是商业上的决策不同，核心都是助手的能力必须很强, RAAS- Result as a Service。
而助手有三种使用方式：一种是作为工具交给药企的人去使用；另一种是我们自己的专家团队可以接甲方的定向研发诉求，用我们的助手进行研发，并将分子作为交付结果交给甲方；还有一种就是我们的专家团队自己寻找的一些自研管线研发方向，做到某一个程度再卖给甲方，或者有机会的话，可以自己做上市。
更深层的逻辑是：我们要打造真正顶级的药物研发助手，需要与真正懂药的顶级专家进行紧密合作。
创投家：如何平衡 AI 药研助手的研发和管线研发之间的资源分配？
聂再清：前期主要在打磨助手，资源分配在助手上较多。现在助手已经有一些商业化收入，以后可以实现盈亏平衡。管线前期投入是由同时在研的管线数目来控制的，再有一两年年后就会开始有 BD 收入。
创投家：您自己给自研管线设定的时间有多长？
聂再清：自研管线立项后顺利的话一般两年后就可以有 BD 收入，我们可根据资源的富裕程度来决定是否在早期就 BD 出去一部分权益。
创投家： 做管线会和现有药企合作伙伴产生竞争吗？
聂再清： 医药企业之间最终在靶点层面才存在竞争。只要避开合作客户选择的靶点，我们就可以自由研发药物，合作伙伴也不会有意见。
创投家：我们关注到水木分子正在大力招聘药研人才？咱们准备从哪个方向开始做管线？
聂再清：对，我们正在招聘抗体工程与药物设计专家, 包含计算方向和实验方向。
水木分子选择从自免领域的适应症入手建立了第一条自研管线。这次选择的是一类由复杂多信号通路网络调控的自身免疫性疾病，现有疗法仅仅针对单一靶点，疗效有限。
基于 ChatDD-Insight 对致病机制的系统分析，我们决定用人工智能设计双特异性抗体，同时阻断两条核心信号通路。目前，基于 ChatDD-Discovery 平台的计算设计已经完成，已产出多款性能优异的候选分子， 初步湿实验结果非常好，接下来会继续进行更多湿实验和临床前的验证。
未来，水木分子将把这一能力扩展到肿瘤及更多疾病领域，用人工智能高速、系统性地打造一系列创新药物管线。
创投家：就您过往的履历而言，其实并没有生物医药赛道的标签，为什么会选择做一家 AI 生物医药公司呢？
聂再清： 大模型这次带来的技术进展非常大。亚勤把它称作第四次工业革命，各行各业都会被大模型技术改变。
我们在 2023 年成立水木分子的时候就判断，如果要全力投入算力去做通用大模型，已经是一片红海了。不如在一个相对垂直的赛道进入，会有更充足的资源去支撑。
另外，如果要做垂直领域，到底哪个行业最好？我们判断的标准是：最好的行业，其数据本身一定要具备和自然语言不一样的“ 语法”。如果用自然语言就能解决，那这个领域迟早会被通用大模型覆盖掉。
从这个标准来看，生物医药是一个特别好的领域。这个赛道最重要的一种语言叫“ 蛋白质语言”。大部分药物功能都是由不同的蛋白质结构支撑的，而蛋白质语言的语法直接决定了其功能结构规律，这是一种非常有潜力的数据领域。
虽然蛋白质语言目前看上去没有自然语言体系那么庞大，但它是一切的基础。而且蛋白质语言在植物、动物、人身上都存在，是真正通用的语言，未来产生的功效可能比自然语言还要大。
我们在蛋白质语言的领域去构建一个模型，有可能实现一个对社会有更大价值的事。
创投家：从学术研究者过渡到创业公司的首席科学家，您是如何看待这两个身份的转换？
聂再清： 也不能说有很大转换。我一直想做的一件事，就是把技术创新落实在产业中真正产生价值。
学术研究有时会脱离产业，不一定把产业价值放在第一位。但我一直比较喜欢做那种能听到用户反馈的研究。
在微软亚洲研究院的时候，我提出过一个概念叫"Deployment-Driven Research"（部署驱动的科研）。
秉承这一理念，我们组做了学术搜索、人立方这些系统，都是真正部署到用户端、与用户打交道的系统。
在清华 AIR，我也希望技术能够通过某种产品或服务真正赋能行业，产生真实的反馈。在水木分子里也一样，最重要的事情就是关注产业和用户的反馈。
创投家： 您觉得生物医药 AI 的 ChatGPT 时刻会在什么时候到来？
聂再清： 应该还需要 3 到 5 年。标志就是，干实验结果和湿实验结果的相关性越来越高，高到让“ 老法师” 们都觉得无法忽视干实验的结果。让“ 老法师” 们日常的所有工作都离不开 AI，都想听听 AI 的建议，ChatGPT 时刻就到来了。
现在决策和临床部分其实已经接近这个状态了，只是分子设计还没真正达到。
创投家：您预期把水木分子做成一家怎样的公司？
聂再清： 我们希望水木分子做推出行业内大家都离不开的药物研发助手；同时，通过“ 药研管线+AI 大模型” 的双驱动模式，去重塑新药研发的底层范式，让过去高不可攀的药物研发变得更高效、更普惠，从根本上加速人类攻克重大疾病的进程。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App