恒瑞医药韩涟漪：AI制药瓶颈是靶点发现，决胜在人才与软硬件
恒瑞医药韩涟漪：AI制药瓶颈是靶点发现，决胜在人才与软硬件
2026年09月16日 18:02
作者：
张伊欣
AI浪潮席卷医药行业，药企该如何理性投入？
如今，各大药企加速AI投入与转型，走在前列的企业已经建立了AIDD（ 人工智能 药物研发）实验室。9月15日，2026 中国医药 工业发展大会在广东省中山市举办， AI应用 依然是行业的热点话题。
恒瑞医药 AI药物研发负责人韩涟漪就医药行业中AI落地、AI投入以及AI制药加速发展的话题，接受南方财经记者的专访。
韩涟漪是AI药物研发（AIDD）领域专家，加入恒瑞前在美国国立卫生研究院、腾讯（美国）、复旦大学有近20年的科研经历。他发表SCI论文100余篇，获美国发明专利近20项。
韩涟漪表示，AI并非万能工具，关键在于如何用合适的AI工具，在明确的应用范围和置信区间内，有效地解决问题。药企在研发中投入AI的逻辑在于，以更低的成本试错、更早地止损、更有效地创新，同时自建平台能够沉淀为企业的资产。谈到AI如何进一步加速药物研发，他借用“三个ware”的框架——brainware（人才）、hardware（硬件）、software（软件），指出药企AI转型未来需要攻克的方向，其中高质量数据和交叉学科人才是战略高地。
靶点发现挑战最大
南方财经：目前“AI制药”的定义仍然模糊，AIDD是由某些环节上的单个工具组成的，还是一个体系化的产品？
韩涟漪： AIDD在行业内尚未形成全链条的体系。 AI可以是一个有明确定义的工具，使用得当，能够有效解决明确的问题，并且跟使用者和场景有关。打个比方，如果AI是一支画笔，我会画出一张小鸡啄米图；换成画家来用，画出来的可能是八骏图。
工具的价值，取决于使用者是否知道在什么场景下、如何用它做出高质量的成果——画家能做到别人做不到的事，这也正是AIDD科学家想做的。
南方财经：你是否考虑将AIDD做成一个体系化、标准化的平台？AIDD如何落地？
韩涟漪： 如果这件事需要很多零件，我们不会等所有零件都齐了再拼装，而是希望整件事情先运行起来，这样每一个小块都有非常聚焦的任务，如果任务能够拆解，就可以分头推进。比如要设计靶点蛋白的分子，通常需要知道蛋白结构，而解析结构往往要先让蛋白长成晶体，再解出结构；然而很多蛋白很难结晶，拿不到实验结构。那么能否用AI预测蛋白三维结构，用预测结构来近似替代真实结构，继续做后续设计？同时也要了解这种近似结构的边界，仅凭预测得到的结论并不保证可靠，往往还需要用其他方式佐证，确认结论与事实是否相符。
南方财经：在新药设计与分子验证的流程中，AI参与多深才算“AI制药”？
韩涟漪：关键不是AI在流程里占了多少比例，而是AI是否参与了“从头设计” ，即AI是否从分子设计的起点就接入，而不是只在后期做筛选和优化。当然，目前的设计仍要借鉴已有知识——有了这些先验，需要搜索的空间更小，设计也更有效。至于“AI辅助”的程度，可多可少，最终还是要看能否利用已有的知识和工具，让“分子的设计”更有效率且更具创新性，让“设计的分子”更有效、更安全。
南方财经：AI制药的哪些环节最核心、挑战最大？与现有大模型的先进性在多大程度上相关？
韩涟漪： 发现新的靶点、验证靶点的生物学机制，并根据靶点有限的信息设计出高效分子，这是挑战最大的环节。
现在的变化是，多组学、知识图谱加上文献挖掘，可以把假设从几个变成上百个，但验证的成本几乎没变—— 瓶颈从“想不出来”变成了“选不过来”，怎么排序反而成了核心能力。 这些问题应当能在未来几年内逐步得到解决，但不能一概而论，靶点与靶点之间差异很大，有些更容易，有些更具挑战性。
这也不单是大模型的事。使用的工具是多层次的，包括大模型、专业模型，以及预测吸收、分布、代谢、排泄和毒性的ADMET模型。有时研发人员会用到上千个模型，对每一个预测结果，都会同时给出置信度，明确它在什么情况下只能作为参考、在什么情况下可以进入决策。
AI降低试错成本
南方财经：不少药企对AI投入很大，比如自建算力中心、打造智能生产线、与AI技术公司合作，你如何看待这类投入？预计多久会有产出？
韩涟漪： 要具体案例具体分析，关键看企业最初的顶层设计，比如目的是什么、要解决什么问题。不同企业的起点和目标不同，这类投入都有各自的合理性。
对于做 创新药 的企业而言，逻辑也许不是先把设备和算力堆起来。当投入与产出不成比例，而别人已经做得很 好时 ，是不是可以考虑直接用已有的工具和最好的方法，去解决真实的有挑战的问题？而当现有工具无法解决痛点和堵点时，就需要考虑要不要投入研发去解决。
南方财经：传统药企与AI技术公司的合作正在催生新的商业模式，你是否关注到这些新的合作模式？
韩涟漪： 关键在于合作的抓手在哪里、价值体现在哪里。以数据公司为例，如果数据具备足够的质量和覆盖度，可以直接购买数据或获得授权，这是大家容易接受的方式；如果有一些工具独一无二、难以取代，就需要购买这种软件。
南方财经：行业在 AI应用 方面仍处于“烧钱”的投入阶段，在节省成本方面是否已经起效？
韩涟漪： 购买软件、购买服务，这是费用。建立自己的平台，把优质的工具和数据整合起来，解决自己的实际问题，能沉淀，这是资产。降本增效的情况经常能看到，尤其对药企而言，AI的价值体现点非常多，我个人的理解是，最终还是要回归到寻找新颖的、能满足临床需求的靶点，设计出更安全、有效的分子。
南方财经：在前期大量投入压力下，部分企业关心AI多久能见效，你怎么看？
韩涟漪： 有些产业可以用投入产出的逻辑去衡量，但药物研发本身就是一个花钱买确定性的过程，其中充满不确定性，比如何时停止一个项目、何时推进一个项目。区别不在于是否用AI技术做决策，而在于AI让我们以更低的成本试错：更早证明“这种分子不行”，从而节省后续验证环节的大量投入。
人才、硬件、软件三大需求
南方财经：你对粤港澳大湾区医药行业在 AI应用 方面有什么好的建议？
韩涟漪： AI技术在不同产业中具有一定的特异性，关键是让大家更多地了解优秀的应用案例和AI技术工具。数据质量和数据共享对产业的价值毋庸置疑，只是临床数据涉及隐私与合规，共享的难度要更大一些；如果先围绕一些非常明确的项目开展合作，能够提升整个药物研发的效能，这具有非常明确的产业价值。
南方财经：如果要让AI制药进一步加速发展，你认为关键在哪里？是否包括刚刚提到的数据流通？
韩涟漪： 在数据流通基础上，我认为还需要产学研结合。用“三个ware”框架来回答：brainware是人才，hardware是硬件，software是软件。这三个词区分出三种不同的需求，也是全世界制药行业未来最大的需求。
人才，尤其是交叉学科的AI人才与药物研发人才，是打造战略高地的核心。拥有一支稳定的顶尖研发团队，往往能指明非常明确的推进方向，少走很多弯路，让企业站到国际一线。
硬件方面，如何使用算力，是自建还是上云，是每个企业面临的选择。这里既要考虑 数据安全 ，也要考虑算力的可及性，甚至峰值时段的价格——弹性算力的问题需要提前布局。
软件方面，企业是否要购买别人的软件，又是一个选择。有些数据和模型是企业特有的，不可能完全依靠采购。至于自建还是请别人帮忙建，要根据企业不同的阶段来决定。 核心判断标准是：企业是否意识到要把费用沉淀为平台和资产——自建平台能够沉淀资产，一味外购则只是持续的费用。
南方财经：AI制药领域的人才缺口有多大？未来该怎么培养？
韩涟漪： 复合型人才本来就很难培养，在全球范围内都存在巨大缺口。而且人才、硬件、软件等资源当前都很匮乏。如果谈到未来5年需要什么样的人才，我认为现在就应该开始考虑，能不能把专家的经验和企业的真实应用场景结合起来，定向培养这样的复合型人才。
（文章来源：21世纪经济报道）