WAIC 2026|C 114对话聂再清：AI奇点时刻正加速到来
C114讯 7月21日消息（艾斯）“AI奇点时刻正在加速到来。”在2026年世界人工智能大会（WAIC）期间，清华大学万国数据教授、水木分子首席科学家聂再清接受了C114专访，并明确作出这一判断。
在他看来，驱动这一进程的核心力量，正是智能体（Agent）的迅速普及——这并非渐进式进化，而是一次彻底的“范式转移”。相较于移动互联网时代，智能体所开启的市场空间将更为广阔。
智能体正在真实场景中验证价值，且突破传统极限
如今，AI范式转移已在聂再清教授所深耕的生物医药这一“硬核”赛道中得到验证。
C114了解到，水木分子由清华大学智能产业研究院（AIR）孵化，致力于打造生命科学领域的基础大模型和智能体平台。聂教授是该公司的发起人和首席科学家，由其团队推出的全球首个生物医药研发智能体ChatDD，实现了从零开始设计蛋白质序列的突破。数据显示，ChatDD设计的抗体在湿实验验证中，亲和力成功率达到了21%——这意味着AI生成的前几十个候选分子中，有五分之一具备成药潜力。
“过去有些靶点通过免疫动物和噬菌体展示等传统方式根本无法生产抗体，而AI让从头设计序列成为可能。”他表示，如果说前几次AI浪潮让机器学会了“看”和“听”，那么智能体浪潮则让机器开始具备“想”与“做”的能力——从被动响应走向主动拆解任务、调用工具、环境反馈迭代，从辅助工具蜕变为数字员工。
不过，这样的成果远非通用智能体所能企及。以ChatDD为代表的药物研发智能体与通用智能体在技术架构上存在根本性的差异。
聂再清教授解释道，通用智能体处理的是文本、图像等基础模态，追求的是语义上的流畅；而生物医药智能体必须实现“全原子多模态异构融合”——将文献知识、氨基酸/基因序列、二维图拓扑（分子结构）以及三维全原子空间结构（如抗体全原子结构设计）融会贯通。这解决了传统药研工具只能孤立分析序列或晶体结构的断裂痛点，让智能体能在统一架构下，像人类科学家一样跨模态理解生物大分子和小分子。
更重要的是评判逻辑的根本转向。通用智能体写错一句话代价可控，但药研智能体关乎生命健康，一个分子的微小结构错误就意味着巨大的沉没成本。因此，ChatDD在设计时挂载了高精度的物理与生物学约束计算层，并用真实的湿实验数据回传迭代模型——这改变了过去AI药研“只管预测、无法验证”的通病，实现了传统方法做不到的超高预测准确率。
再者是工具调用的升级。医药智能体需要调用动力学模拟（MD）、分子对接（Docking）等高门槛的科学计算软件，甚至是湿实验的机器人自动化协议。聂教授团队在其开源平台OpenBioMed里设计了专门的科学技能执行层（OpenBioMed Skills）。这样智能体就能自动理解复杂的实验逻辑、动态调整计算参数并处理高噪声的科学数据。由此解决了传统研发中高度依赖人工配置专家软件、计算效率低下的问题，真正实现科学工具的智能化和自动化。
在可用与可信之间，仍需“老法师”严格把关
当我们问及“智能体是否已足够成熟可靠”时，聂再清教授强调，智能体的成熟度不能单纯看技能数量这样的表面指标，核心要看“任务完成满意度”与“可解释性（溯源能力）”。
映射到生物医药领域，这意味着“干实验（AI预测）与湿实验验证的相关性”——只有当智能体设计的分子在湿实验中高成功率被验证，并且能够清晰地给出设计时的具体思路、物理化学约束和方法溯源，它在医药专家眼中才是真正“可用且可信”的。
值得注意的是，聂教授在参与中国信通院承办的WAIC 2026“从大模型到智能体：迈向自主智能新纪元”论坛圆桌讨论时明确指出，“现在还没有任何一种药物能够从头到尾全自动由AI生产出来——从靶点选择、抗体生成与优化，再到临床试验，全程由AI独立完成是不可能的。”
这是因为，人类机体中的许多信号通路与反应机理，AI目前仍无法完全理解。在现阶段，智能体更多地扮演着“老法师”（资深药物专家）超级助手的角色。