AI 与生命科学资料汇编
说明：本文基于公开网络资料整理，重点围绕 Google AlphaFold 引领的 AI for Science 浪潮，梳理美国科技/医药巨头在中国生命科学领域的 AI 工程、技术、产品与应用，以及中国本土布局与国家投资政策。资料检索时间截至 2026 年 7 月。
1. AlphaFold 与 AI for Science 的里程碑
1.1 AlphaFold 2：蛋白质结构预测的突破
- 2020 年，Google DeepMind 发布的 AlphaFold 2 在蛋白质结构预测领域取得根本性突破，能够仅根据氨基酸序列高精度预测三维结构。
- 截至 2024 年，AlphaFold 已被全球数百万研究人员用于疟疾疫苗、癌症治疗、酶设计等研究，论文被引用超过 2 万次，并获得生命科学突破奖等荣誉。
1.2 AlphaFold 3：从蛋白质到“所有生命分子”
- 2024 年 5 月，Google DeepMind 与 Isomorphic Labs 联合在 Nature 发表 AlphaFold 3，模型可预测蛋白质、DNA、RNA、配体（ligands）以及化学修饰等生物分子的三维结构及其相互作用。
- 在蛋白质与其他分子类型的相互作用预测上，AlphaFold 3 比现有方法提升至少 50%；在某些关键相互作用类别上精度翻倍。
- 在 PoseBusters 基准测试中，AlphaFold 3 在不依赖任何结构输入的情况下比传统物理方法精度高 50%，成为首个在生物分子结构预测上超越物理工具的 AI 系统。
- 2024 年 11 月，AlphaFold 3 的模型代码与权重向学术界免费开放。
- Google DeepMind 同时推出免费的 AlphaFold Server，供全球科学家进行非商业研究；Isomorphic Labs 则与制药公司合作，将 AlphaFold 3 应用于真实药物设计挑战。
1.3 Isomorphic Labs：AlphaFold 的药物研发商业化
- Isomorphic Labs 是从 Google DeepMind 分拆出的 AI 药物发现公司，由 Demis Hassabis 兼任 CEO。
- 该公司将 AlphaFold 3 与自有 AI 模型结合，用于内部管线及合作药物设计；已宣布与 Eli Lilly、Novartis 等制药巨头建立合作。
- 2026 年，Isomorphic Labs 基于 AlphaFold 系列设计的 AI 药物进入临床试验阶段。
2. 美国巨头在医药、医学与生命科学领域的 AI 布局
2.1 Alphabet / Google / DeepMind / Verily
| 方向 | 工程/技术/产品 | 应用与进展 |
|---|---|---|
| 基础模型 | AlphaFold 2/3 | 蛋白质及生物分子结构预测、药物靶点发现 |
| 医疗大模型 | Med-PaLM 2 → MedLM | 医疗问答、护士交接、临床文档、Vertex AI 上的企业级医疗 foundation model |
| 临床搜索 | Vertex AI Search for Healthcare | 基于 EHR/临床记录的医学调优生成式搜索与问答 |
| 数据平台 | Healthcare Data Engine (HDE) | FHIR 统一患者数据平台，支撑 gen AI 应用 |
| 影像/多模态 | MedLM for Chest X-ray、Gemini 医疗微调 | 胸部 X 光分类、影像报告生成、基因组信息理解 |
| 诊断对话 | AMIE（研究系统） | 基于 LLM 的诊断推理与临床对话模拟 |
| 个人健康 | Fitbit / Pixel + Personal Health LLM | 睡眠、运动个性化健康教练与建议 |
| 生命科学 | Verily / Project Baseline | 纵向健康队列研究、去中心化临床试验平台、数字生物标志物 |
- Verily（Alphabet 生命科学子公司）推出的 Baseline Platform 支持端到端证据生成、可穿戴传感器整合与去中心化临床试验，已与 Pfizer、Novartis、Sanofi、Otsuka 等药企合作。
来源：Google Health 生成式 AI 进展、Google Cloud HIMSS24 发布、Verily Baseline 平台
2.2 Microsoft
- Microsoft Cloud for Healthcare：统一数据与 AI 平台，支持临床、影像、理赔、对话及社会决定因素（SDOH）等多模态数据。
- Azure AI / AI Foundry 医疗与生命科学模型目录：涵盖生物医学语言模型（如 BioGPT）、视觉语言模型（BiomedCLIP）、医疗影像模型（MedImageInsight、MedImageParse、CXRReportGen）等。
- Nuance DAX Copilot：基于收购 Nuance 的 Dragon Ambient Experience，在诊疗现场自动生成医疗记录，减轻医生文书负担。
- Microsoft Fabric 医疗数据解决方案：构建符合 FHIR/DICOM 标准的多模态生物医学数据湖仓。
- Healthcare agent service in Copilot Studio：面向医疗场景的合规 AI agent 开发平台，内置临床、合规与聊天安全机制。
- Azure Health Data Services 去标识化服务：利用 NLP 自动发现、脱敏或替换临床文本中的受保护健康信息（PHI）。
来源：Microsoft Cloud for Healthcare 博客、Microsoft AI for Life Sciences
2.3 NVIDIA
- NVIDIA 定位为“AI for Life Sciences”的底层算力与平台提供商，核心产品组合包括：
- NVIDIA Clara：涵盖 BioNeMo（药物发现）、MONAI（医学影像）、Parabricks（基因组学）的综合性医疗与生命科学套件。
- BioNeMo：面向生物学与药物发现的开放式生成 AI 平台，支持模型训练、优化、部署与“lab-in-the-loop”工作流。
- 2026 年 1 月，NVIDIA 宣布 BioNeMo 大幅扩展，新增 Clara 开放模型：
- RNAPro：RNA 结构预测
- ReaSyn v2：评估 AI 设计药物的可合成性
- BioNeMo Recipes：生物基础模型训练与部署加速
- nvMolKit：GPU 加速化学信息学工具
- 合作案例：
- 与 Eli Lilly 共建 AI 联合创新实验室，五年内计划投入高达 10 亿美元用于人才、基础设施与计算。
- 与 Thermo Fisher 合作打造自主实验室基础设施，利用多 agent 系统生成实验方案、运行实验并实时质控。
- 生态伙伴包括 Basecamp Research、Boltz、Chai Discovery、Natera、Recursion、Roche、Amgen 等。
来源：NVIDIA BioNeMo 扩展新闻稿、The Medical Futurist - NVIDIA in Healthcare
2.4 Amazon / AWS
- AWS Healthcare & Life Sciences：提供合规云基础设施、AI/ML 服务与行业解决方案。
- Amazon Bio Discovery（2026 年 4 月发布）：面向药物发现的 AI 应用，整合：
- 生物基础模型（bioFMs）目录，支持抗体、小分子等候选分子生成与评估；
- AI agent，可用自然语言辅助设计实验、选择模型；
- 连接实体实验室，形成“设计—合成—测试—迭代”的 lab-in-the-loop 闭环。
- 案例：与 Memorial Sloan Kettering 合作，将儿科癌症抗体设计周期从数月缩短到数周。
- Amazon Halo 曾进入健康可穿戴市场，结合活动、睡眠、体脂、语音情绪分析等 AI 功能（后续业务有调整，但体现其在消费者健康数据领域的尝试）。
2.5 Apple
- Apple Watch / iPhone 健康生态：持续集成 ECG、房颤检测、血氧、体温、睡眠、经期追踪、听力健康、跌倒检测等传感器与算法。
- ResearchKit / CareKit：开源框架，帮助研究人员基于 iPhone、Apple Watch 招募受试者、采集传感器数据、开展临床研究；已用于帕金森病、糖尿病、哮喘、乳腺癌、自闭症、癫痫、黑色素瘤等研究。
- HealthKit：统一健康数据接口，连接第三方应用与医疗机构。
来源：TechCrunch - ResearchKit 发布、Johns Hopkins - ResearchKit 研究
2.6 IBM
- IBM 当前聚焦 watsonx 企业级 AI 平台与混合云，为医疗与生命科学提供：
- 面向药物发现的 agentic AI；
- 临床转型与企业系统集成（SAP、Salesforce Life Sciences Cloud）；
- 医疗支付方与提供方的数字体验、智慧医院、数据平台服务。
- 与 Moderna 合作探索量子计算在 mRNA 开发中的应用。
- 历史上 IBM Watson for Drug Discovery 已于 2019 年停止商业化推广，但 IBM 仍通过 watsonx 与咨询服务继续参与生命科学 AI。
2.7 美国医药巨头的 AI 应用（简要）
- Eli Lilly：与 NVIDIA 共建 10 亿美元级 AI 药物发现实验室，利用 DGX SuperPOD 与 BioNeMo。
- Novartis / Pfizer / Sanofi / Otsuka：与 Verily Project Baseline 合作，利用真实世界数据与数字 biomarker 加速临床试验。
- 多家 Top 20 药企使用 AWS/Azure 承载敏感研发工作负载，并在靶点发现、临床试验设计、供应链优化等场景部署 AI。
3. 中国在生命科学领域的 AI 工程、技术、产品与应用
3.1 百度（PaddleHelix / 螺旋桨）
- PaddleHelix（螺旋桨）：百度飞桨（PaddlePaddle）生物计算平台，聚焦大模型与多任务深度学习在生命科学中的应用。
- HelixFold 3（2024 年 8 月发布）：国内首个对标 AlphaFold 3 的生物分子结构预测模型，可预测蛋白质、核酸、小分子配体等复合物结构；2025 年 1 月升级后，在 RNA 结构预测、共价修饰、抗原-抗体等复杂场景精度进一步提升。
- 支持任意配体输入、SMILES 侧链修饰描述、距离约束等药物研发常用功能。
- 通过百度智能云 CHPC 高性能计算平台提供 WebServer 与 API/SDK 服务，降低科研人员的算力门槛。
- HelixFold-S1（2025 年 7 月发布）：生物分子结构预测推理大模型，采用“接触感知采样策略”，在抗体改造、蛋白设计、药物筛选等场景提供高效低成本方案。
3.2 腾讯（AI Lab / 云深智药 iDrug）
- 腾讯 AI Lab 推出 云深智药（iDrug） 平台，覆盖药物发现全流程：靶点发现、蛋白质结构预测、分子生成与优化、ADMET 预测等。
- tFold：腾讯自研蛋白质结构预测工具，采用“从头折叠”（de novo folding）方法，包括多数据源融合、深度交叉注意力残差网络、模板辅助自由建模（TBFM）等创新；自 2020 年起在国际权威平台 CAMEO 上持续位居周/月/季度榜首。
- 其他成果：基于单细胞 RNA 测序的 scBERT 模型、医疗影像 AI、AI 辅助诊断等；截至 2023 年，腾讯医疗健康领域公开的中国 AI 发明专利累计突破 1000 件。
3.3 阿里巴巴（阿里云 / 达摩院）
- 阿里云生命科学行业解决方案：
- 药物设计与研发：AI 分子识别与设计、蛋白质结构预测、靶点发现、ADMET 预测、AI 分子生成；
- 依托阿里云全球 GPU 计算集群与并行文件存储，支撑大规模 AI 训练；
- 数据安全与隐私计算：TEE、MPC、联邦学习等技术，支持多方数据联合分析与建模。
- 达摩院（DAMO Academy）：在肿瘤早筛、精准诊断、治疗方案预后优化、患者随访、脑机接口等方向开展医疗 AI 研究。
3.4 华为（昇腾 / MindSpore / 盘古 / EIHealth）
- 华为云 EIHealth（AI for Science Service）：面向生物医药提供自研与开源多元 AI 模型，包括：
- 盘古药物分子大模型：支持分子生成、属性预测、结合预测、分子优化；
- 盘古医学大模型：智慧诊疗、病历生成、诊后健康管理、临床数据分析。
- 昇思 MindSpore：华为全场景 AI 框架，支持 AI + 科学计算融合，已发布基于 AlphaFold 2 优化的蛋白质结构预测工具，端到端性能优于原版 2–3 倍。
- 研究工具：
- iPhord：从一级序列预测蛋白质/抗体 3D 结构；
- SPONGE：基于 MindSpore 的新一代分子动力学模拟库。
- 案例：与西安交通大学第一附属医院合作，基于盘古药物分子大模型研发广谱抗菌药 Drug X，将先导药研发周期从数年缩短至 1 个月。
3.5 中国其他代表性力量
- 商汤、科大讯飞、京东健康、平安好医生 等也在医学影像、智能问诊、慢病管理、医药流通等场景布局。
- 香港及内地 Biotech（如 Insilico Medicine、晶泰科技、百图生科等）在 AI 制药领域具有国际影响力。
4. 国家政策与投资支持
4.1 国家顶层设计
《新一代人工智能发展规划》（2017 年，国务院）
- 将“智能医疗”列为重点任务：推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系；探索智慧医院、手术机器人、智能诊疗助手、可穿戴生理监测系统；基于 AI 开展大规模基因组识别、蛋白组学、代谢组学研究与新药研发；推进医药监管智能化。
《“十四五”生物经济发展规划》（2022 年，国家发改委）
- 中国首部生物经济五年规划，优先发展 生物医药、生物农业、生物质替代、生物安全 四大领域。
- 强调利用大数据、人工智能等信息技术，全面监管新药研制各环节，实现药物产业的精准化研制。
- 顺应“以治病为中心”向“以健康为中心”转型，发展面向人民生命健康的生物医药。
《医药工业数智化转型实施方案（2025—2030年）》（2025 年，工信部等七部门）
- 深化人工智能赋能应用：支持建立医药大模型创新平台，协同开展医药大模型技术产品研发；
- 开展“人工智能赋能医药全产业链”应用试点，鼓励龙头药企与医院、科研院所、上下游企业组成联合体；
- 建设概念验证、中试验证、共性技术、知识产权运营、开源社区等公共服务平台。
- 市场数据：截至 2024 年底中国数字化医疗市场规模突破 1.2 万亿元，年均复合增长率约 24.5%；预计 2025 年突破 1.8 万亿元，2030 年达 2.5 万亿元。
来源：金融界
4.2 国家自然科学基金资助
“可解释、可通用的下一代人工智能方法”重大研究计划（2025 年度）
- 面向 AI 基础科学问题，推动 AI 在科学领域的创新应用。
- 2025 年度资助计划（直接费用）：
- 培育项目约 15 项，约 40 万元/项；
- 重点支持项目约 6 项，约 300 万元/项；
- 集成项目约 3 项，800–1200 万元/项。
- 研究方向涵盖 AI 驱动的虚拟细胞、罕见病诊断决策大模型、基于多模态大模型的极端环境生物元件设计、人工智能驱动的生命功能分子预测与设计合成等。
来源：国家自然科学基金委员会
“未来生物技术”原创探索计划项目（2025 年度）
- 资助期限 1–3 年，资助强度每年不超过 100 万元/项。
- 重点方向包括：生物大分子精准设计与调控、AI 驱动的代谢通路重构与酶从头设计、AI 结构-功能预测模型、蛋白质机器动态机制、AI 驱动的生命功能分子预测与设计合成、复杂生物系统数字孪生、具身智能驱动的智慧医学技术等。
来源：北京科技大学科研院转载
4.3 国家重点研发计划
- **国家重点研发计划“前沿生物技术”“合成生物学”“生物与信息融合”“颠覆性技术创新（AI 驱动的科学研究）”**等重点专项，均布局 AI + 生命科学交叉项目。
- 例如：华大生命科学研究院牵头的国家重点研发计划“合成生物学”专项——“人工智能驱动的极端生物蛋白质功能研究”。
来源：华大基因、中国科学技术大学转载通知
4.4 地方配套政策（示例）
- 北京市：对人工智能辅助诊疗技术推广应用给予最高 5000 万元支持；对医疗器械企业联合大模型企业开发行业大模型，按算力成本给予最高 3000 万元资金支持；加快推进医疗健康高质量数据集建设。
来源：智慧医疗网 - 北京政策
5. 小结与趋势
- 技术趋势：AI for Science 正在从“预测结构”（AlphaFold）走向“生成与设计”（生成式药物分子、抗体、酶），并与自动化实验、数字孪生、多组学数据深度融合，形成“计算—实验”闭环。
- 美国优势：以 Google DeepMind/AlphaFold、NVIDIA BioNeMo、Microsoft Cloud for Healthcare、Amazon Bio Discovery 为代表，覆盖基础模型、算力平台、云服务和临床试验生态。
- 中国进展：百度 HelixFold、腾讯 tFold/云深智药、阿里云/达摩院、华为盘古/MindSpore 等已构建从蛋白质结构预测到药物设计的国产工具链，并在国家政策和基金支持下快速迭代。
- 政策驱动：从《新一代人工智能发展规划》到《“十四五”生物经济发展规划》再到《医药工业数智化转型实施方案》，AI 医疗与生命科学已成为国家战略；国家自然科学基金、国家重点研发计划及地方基金提供持续经费支持。
- 挑战与关注点：数据隐私与安全、算法可解释性、临床验证与监管合规、算力自主可控、跨学科人才储备，仍是中美两国共同面对的核心议题。
本文仅作资料汇编，具体产品功能、合作状态与政策细节请以官方最新发布为准。
