Tsinghua University

2024年，诺贝尔化学奖授予了AlphaFold的创造者Demis Hassabis和John Jumper，以表彰他们在蛋白质结构预测上的开创性工作。同年，DeepMind的AlphaProof在国际数学奥林匹克竞赛（IMO）中达到银牌水平，AlphaGeometry在几何题上接近金牌水平。进入2024至2025年，基于大模型与进化搜索结合的AI系统（如DeepMind的AlphaEvolve）不断刷新矩阵乘法、圆包装等算法与数学问题的纪录。在中国，深势科技构建了覆盖药物与材料研发的AI计算平台Bohrium，百度推出科学发现智能体"伐谋"，华为发布盘古药物分子大模型。 这些成就令公众惊叹，也带来了深层困惑：这些系统究竟是如何工作的？它们是同一种技术的不同应用，还是根本不同的技术路线？百度伐谋、AlphaEvolve、AlphaProof、AlphaFold，它们之间究竟是什么关系？ 在深入介绍技术之前，有必要先澄清几个广泛流传的误解。 第一，AI4S（AI for Science）就是大语言模型加智能体。事实上，AlphaFold的核心是深度神经网络的结构预测，不涉及任何大语言模型；AlphaZero的强化学习框架同样与大语言模型无关。 第二，搜索和演化是AI4S的核心乃至唯一方法。搜索演化确实是重要范式，但AlphaFold预测蛋白质结构、GNoME发现新材料，其核心都不是搜索演化，而是监督学习或生成模型。 第三，AI解数学题就是让大语言模型一步步推理。AlphaProof并非让大语言模型"想"出证明，而是在形式化证明空间中做强化学习引导的树搜索，每一步都经过Lean 4证明助手的严格逻辑验证。 第四，AI制药就是让AI生成一个分子。完整的AI制药涉及靶点发现、虚拟筛选、分子生成、多目标优化、药代动力学预测、实验验证等众多环节，每个环节使用不同的AI方法。 第五，这些方法彼此独立、互不相干。事实上，它们正在快速融合，未来的AI4S系统越来越是多范式混合体。 一、概念界定与五大核心范式1.1 概念界定 在探讨AI4S时，极易混淆"方法（Method）"与"系统（System）"的概念： "方法"指的是底层的算法原理与数学计算逻辑（如扩散模型、强化学习、进化搜索、贝叶斯优化）。方法是抽象的、可复用的。 "系统"指的是工程落地的具体软件、平台或框架（如AlphaFold、AlphaEvolve、FM-Agent、ChemCrow）。系统是具体的、可部署的。 一个"系统"必然采用一种或多种"方法"，并具备特定的"系统架构"。系统架构类型包括：单一模型架构（训练后一次前向传播即可输出结果，如AlphaFold2）、搜索或优化系统架构（在推理时需要在解空间中进行迭代搜索，如AlphaEvolve）、智能体架构（以大语言模型或策略网络为决策核心，能够感知环境、制定计划、调用外部工具，如ChemCrow）、多智能体架构（多个智能体协作完成复杂任务，如Coscientist）、工具平台架构（提供计算基础设施和多种算法接口，如深势科技Bohrium、Lean 4证明助手）。1.2 AI4S五大核心范式 范式分类依据是系统解决问题的核心算法逻辑，而非系统工程架构。例如，AlphaEvolve和百度伐谋在工程架构上都具有智能体特征（调用工具、多步推理），但它们解决科学问题的核心算法逻辑是"种群迭代与自然选择"的进化搜索；而ChemCrow的核心逻辑是"任务规划与工具调用"，不存在种群竞争。基于此，我们将AlphaEvolve和FM-Agent归入进化计算范式，将ChemCrow归入智能体范式。 监督学习与判别式预测 (Supervised Learning & Discriminative Prediction)：通过大量已知数据学习输入到输出的映射规律，其核心是"模式识别与预测"，是AI4S中替代昂贵物理计算、实现毫秒级推断的"加速器"。 生成式模型与分布采样 (Generative Modeling & Distribution Sampling)：学习已知科学数据的概率分布并从随机噪声中采样出全新的结构，其核心是"无中生有的创造"，适合探索未知的化学与物理空间。 强化学习与序贯决策 (Reinforcement Learning & Sequential Decision Making)：将科学问题转化为在规则约束下的多步决策游戏，其核心是"在逻辑迷宫中寻找最优路径"，适合长程推理与定理证明。 进化计算与黑盒优化 (Evolutionary Computation & Black-Box Optimization)：模拟生物进化或基于代理模型在缺乏梯度的庞大离散空间中进行迭代搜索，其核心是"试错、评估与优胜劣汰"，适合算法发现与科学假设演化。 智能体与多智能体协同 (Agents & Multi-Agent Orchestration)：以大语言模型为认知中枢自主拆解复杂科研任务并调用外部专业工具，其核心是"工作流编排与跨领域综合"，适合自动化实验与复杂科研规划。 二、范式一：监督学习与判别式预测2.1 范式核心原理、适用情况与局限限制 核心原理：本范式旨在从大量标注数据中学习输入特征到输出标签的条件概率映射 。其核心计算过程是构建深层神经网络，通过反向传播算法最小化预测值与真实值之间的损失函数。训练完成后，给定新输入，模型通过一次（或固定步数的）前向传播直接输出预测结果，无需在解空间中进行迭代搜索。其智能来源于训练数据中蕴含的规律，而非运行时的探索。 适用情况：拥有大量高质量标注数据；输入与输出之间存在明确的确定性映射或统计相关性；问题可表示为结构化数据（如序列、图、网格）。典型应用包括蛋白质结构预测、材料性质预测、气象预报、分子性质预测、基因组学调控预测、偏微分方程快速求解。 局限与限制：高度依赖训练数据的分布，对分布外（Out-of-Distribution, OOD）数据的泛化能力较差；无法凭空创造训练集中未曾出现过的新颖结构；通常是"黑盒"，缺乏物理可解释性；训练数据的获取成本可能极高（如需要昂贵的DFT（密度泛函理论）计算或实验测量）。2.2 AlphaFold2/3：蛋白质结构的端到端预测 出处： Jumper, J. et al. "Highly accurate protein structure prediction with AlphaFold."Nature, 596, 583-589 (2021);  Abramson, J. et al. "Accurate structure prediction of biomolecular interactions with AlphaFold 3."Nature, 630, 493-500 (2024). 基本信息：由DeepMind于2021年（AlphaFold2）和2024年（AlphaFold3）开发。AlphaFold2于2020年在CASP14竞赛中取得突破性成绩，2021年正式发表于Nature。AlphaFold3于2024年5月发布。 能力与适用场景：根据氨基酸序列高精度预测蛋白质的三维结构。AlphaFold3进一步扩展至蛋白质与DNA、RNA、小分子配体、离子等的复合物结构预测。适合结构生物学、基于结构的药物设计（SBDD）、蛋白质工程。 局限与限制：对缺乏同源序列的孤儿蛋白预测精度下降；无法直接预测蛋白质的动态构象变化和折叠动力学过程；对内在无序区域（IDR）的预测置信度低；AlphaFold3对共价修饰和翻译后修饰的处理仍有限。 详细计算与处理过程： 多序列比对（MSA）构建：给定目标氨基酸序列，通过JackHMMER等工具在大型序列数据库（如UniRef、BFD）中搜索同源序列，构建MSA。MSA蕴含了关键的进化共变信息：若两个位点在进化中总是同时突变，它们在三维空间中极大概率相互接触。同时构建模板库，即从PDB中找到的与目标序列相似的已知结构。 Evoformer特征提取：将MSA（维度为序列数乘以残基数）和残基对表示（维度为残基数乘以残基数）输入48层Evoformer模块。每层包含两个子模块。MSA表示更新：对MSA的每一行做注意力计算（行注意力，捕捉同一序列中不同残基的关系），再对每一列做注意力计算（列注意力，捕捉不同序列中同一位置的进化信息），并通过外积均值（outer product mean）将信息从MSA表示传递到残基对表示。残基对表示更新：对残基对矩阵做三角形注意力计算（triangle attention），分为"以起始节点为起点"和"以终止节点为起点"两种方向，捕捉三个残基之间的几何约束（如三角不等式）。经过48层后，MSA表示和残基对表示充分融合了进化信息和几何约束。 结构模块（Structure Module）精化：从Evoformer输出的残基对表示和MSA表示的第一行出发，结构模块以迭代方式（八次循环）精化三维坐标。每次循环中，使用不变点注意力（Invariant Point Attention, IPA）：在每个残基的局部坐标系中做注意力计算，保证输出对刚体变换不变。然后更新每个残基的刚体变换（旋转和平移），即更新每个残基的局部坐标系。最后将局部坐标转换为全局坐标，得到所有原子的三维位置。 训练：使用PDB中约十七万个已知结构的蛋白质作为训练数据。损失函数为Frame Aligned Point Error（FAPE），衡量预测的原子坐标与真实坐标之间的偏差，在每个残基的局部坐标系中计算，以保证旋转平移不变性。训练使用一百二十八块TPUv3，耗时数周。 AlphaFold3的扩散架构：AlphaFold3将结构生成改为扩散模型，从噪声出发逐步去噪生成三维原子坐标，使其能统一处理各类生物分子复合物，无需针对不同类型设计特定的对接模块。 技术进展与应用：AlphaFold2预测了超2亿个蛋白质结构，彻底改变了结构生物学的工作流；AlphaFold3的发布则使药物靶点-配体复合物的结构预测成为可能。基于这些技术底座，DeepMind旗下的Isomorphic Labs在2024年与礼来（Eli Lilly）和诺华（Novartis）达成了总价值数十亿美元的药物研发合作，标志着AI结构预测正式跨越为工业级小分子药物设计的核心引擎。而到了2026年2月10日，该公司通过一份27页的技术报告正式发布了全新的AI药物设计引擎 IsoDDE。该引擎在 Runs N' Poses 等关键基准测试中性能全面超越AlphaFold 3，被《自然》杂志及众多科学家誉为 “AlphaFold 4”。IsoDDE不仅在复合物结构预测上达到了新高度，更在小分子对接与亲和力优化的药物设计任务中展现出惊人的精度，标志着AI在生物分子相互作用预测领域迈入了一个更高精度的全新世代。目前，全球已有数百万研究人员深度依赖AlphaFold及Isomorphic生态进行研发。2.3 GNoME：图神经网络与主动学习发现新材料 出处： Merchant, A. et al. "Scaling deep learning for materials discovery."Nature, 624, 80-85 (2023). 基本信息：由Google DeepMind于2023年开发并发表于Nature。 能力与适用场景：预测晶体材料的形成能，筛选热力学稳定的新材料。适合无机固体材料的发现，特别是寻找具有特定元素组成的稳定晶体结构。 局限与限制：仅预测热力学稳定性（形成能），无法评估动力学稳定性（如材料在特定条件下是否容易分解）；无法提供合成路径建议；对含有复杂缺陷、表面或界面的材料预测能力有限；训练数据依赖于已有的DFT计算结果，可能存在偏差。 详细计算与处理过程： 晶体图表示：将晶体结构表示为图，原子为节点（特征包含元素类型、氧化态等），化学键为边（特征包含键长、键角等）。同时使用晶体学的周期性边界条件，确保图表示能正确反映晶体的无限周期性。 图神经网络（GNN）预测：使用消息传递神经网络（Message Passing Neural Network），多轮消息传递后，聚合所有节点信息，输出该晶体的形成能（formation energy）预测。形成能越低，结构越稳定。 主动学习闭环（Active Learning Loop）：这是GNoME的核心。第一轮，用已有的DFT计算数据（约四万八千个稳定结构）训练图神经网络。第二轮，用训练好的模型对大量候选结构（通过元素替换、结构扰动等方式生成）进行预测，选出预测形成能最低的候选。第三轮，对选出的候选进行DFT精确计算（每个结构约需分钟级CPU时间），获得真实形成能。第四轮，将DFT结果加入训练集，重新训练图神经网络。重复第二至第四轮多轮。 结果验证：最终，GNoME预测了二百二十万个稳定晶体结构，其中约三十八万个是全新的（此前未被任何数据库收录）。 技术进展与应用：GNoME的发现已对材料科学产生重大影响。目前已有数十种GNoME预测的材料被全球多个独立实验室（如A2A项目）成功合成并验证，包括新型超导体、热电材料和催化剂。这一工作彻底改变了材料科学"试错法"的研发模式，将材料发现效率提高了数个数量级。2.4 GraphCast / GenCast / 盘古气象 / 风乌：AI气象预报 出处： Lam, R. et al. "Learning skillful medium-range global weather forecasting."Science, 382(6677), 1416-1421 (2023);  Price, I. et al. "GenCast: Diffusion-based ensemble forecasting for medium-range weather."Nature(2024);  Bi, K. et al. "Accurate medium-range global weather forecasting with 3D neural networks."Nature, 619, 533-538 (2023);  Chen, L. et al. "FengWu: Pushing the limits of large language models for medium-range weather forecasting."arXiv preprint(2023). 基本信息：GraphCast和GenCast由DeepMind开发（GenCast为2024年底发布的最新扩散模型气象系统）；盘古气象大模型由华为于2023年开发并发表于Nature；风乌由上海人工智能实验室于2023年开发。 能力与适用场景：利用深度学习模型输入当前全球气象状态，自回归预测未来数天至十天的全球天气。GenCast特别擅长生成概率性集合预报，量化极端天气的不确定性。适合中期天气预报，可替代或辅助传统数值天气预报系统。 局限与限制：对极端罕见天气事件（如突发龙卷风、局地暴雨）的预测能力仍有提升空间；长期自回归预测会产生误差累积和模糊化（Blurring）现象；模型训练依赖于历史再分析数据，对气候变化的适应性有限；无法提供物理解释。 详细计算与处理过程： 数据与图构建：使用ERA5等再分析数据（1979至2018年），包含全球范围内温度、风速、气压、湿度等气象变量在多个气压层上的分布，空间分辨率为零点二五度。GraphCast将地球表面离散化为基于二十面体的多分辨率网格（约一百万个节点）。盘古气象使用3D Transformer架构，将大气层划分为多个气压层。风乌采用类似的多层3D架构。 空间信息聚合：通过多层图上的消息传递（GraphCast）或3D Transformer的注意力机制（盘古、风乌），聚合全球气象信息，模拟大气中不同区域之间的相互作用和物理传播。 GenCast的扩散采样：GenCast引入了扩散模型，通过从噪声中采样生成多个可能的未来天气轨迹，从而提供集合预报，解决了传统AI气象模型预测结果"模糊化"的问题。 自回归迭代：一次前向传播输出未来6小时状态，将输出作为下一步输入，循环迭代实现十天以上的中期预报。 技术进展与应用：GraphCast在1380个预报变量中的90%以上指标超越了欧洲中期天气预报中心（ECMWF）的传统数值天气预报系统（IFS），且推理速度快一千倍以上。GenCast在概率预报和极端天气预警上表现卓越。盘古气象大模型已在华为云上线服务，为全球用户提供气象预报API。风乌在多项指标上也达到了国际领先水平。2.5 ESMFold 与 AlphaMissense：蛋白质语言模型与突变预测 出处： Hayes, T. et al. "Simulating 500 million years of evolution with a language model (ESM3)." Science / bioRxiv (2024);  Cheng, J. et al. "Accurate proteome-wide missense variant effect prediction with AlphaMissense." Science, 381(6664) (2023). 基本信息：ESMFold由Meta AI（FAIR）于2022年发布，2023年正式发表于Science；AlphaMissense由DeepMind于2023年开发并发表于Science。ESM3由EvolutionaryScale团队于2024年底发布；AlphaMissense由DeepMind于2023年开发并发表于Science。 能力与适用场景：ESM3是一个拥有980亿参数的蛋白质基础模型，能够联合理解并生成蛋白质的序列、结构和功能。它不仅能进行极速结构预测，更适合从头设计具有特定功能的全新蛋白质。AlphaMissense预测了7100万个人类错义突变的致病性，适合罕见病和遗传病研究。 局限与限制：ESM3模型极其庞大，推理和微调的算力门槛极高；对超大分子复合物的生成仍需结合其他物理精化工具；AlphaMissense仅提供致病性概率，无法解释具体分子机制。 详细计算与处理过程： ESM3的计算过程：ESM3采用了一种创新的“掩码边缘建模”架构，在序列、结构（三维坐标的离散化token）和功能（关键词和GO术语）三个模态上进行联合预训练。它“模拟”了数亿年的蛋白质进化过程。在推理和生成时，用户可以通过指定部分结构或功能标签，让模型通过自回归或迭代掩码预测的方式，生成完全符合要求的新型蛋白质序列和结构。 AlphaMissense的计算过程：基于AlphaFold2的架构，对目标蛋白的每个氨基酸位点进行突变，计算突变前后序列到结构的“适应度”变化，从而对7100万个错义突变进行致病性评分。 技术进展与应用：ESM3的标志性成果是设计出了自然界中从未存在过的全新荧光蛋白（esmGFP），该蛋白在湿实验中成功表达并发出明亮荧光，这标志着AI从“结构预测”正式迈入了“蛋白质功能创造”的时代。AlphaMissense的预测结果则已被广泛整合到临床遗传学数据库中。2.6 MACE / NequIP：机器学习力场 出处： Batatia, I. et al. "MACE: Higher Order Equivariant Message Passing Neural Networks for Fast and Accurate Force Fields."NeurIPS(2022);  Batzner, S. et al. "E(3)-equivariant graph neural networks for data-efficient and accurate interatomic potentials."Nature Communications, 13, 2453 (2022). 基本信息：MACE由剑桥大学、多伦多大学等机构于2022年开发并发表于NeurIPS；NequIP由哈佛大学、MIT等机构于2022年开发并发表于Nature Communications。 能力与适用场景：用等变图神经网络学习原子间势能面，替代昂贵的DFT计算，预测每个原子受到的力和系统总势能。适合大规模分子动力学模拟、材料热力学性质计算、催化反应模拟。 局限与限制：对训练数据中未出现过的极端化学环境（如断键、化学反应过渡态）泛化能力较差；训练数据的获取仍需依赖DFT计算；对长程相互作用（如范德华力）的处理需要特殊设计。 详细计算与处理过程： 图构建：以原子为节点，一定截断半径内的原子对为边，构建分子图。节点特征包括原子序数，边特征包括原子间距离和方向。 高阶等变消息传递：使用高阶等变消息传递（不仅传递标量信息，还传递向量和张量信息，如球谐函数展开）。多轮消息传递后，节点特征充分融合了局部化学环境信息。等变性（Equivariance）保证了：如果整个分子旋转或平移，预测的力也相应旋转或平移，严格符合物理定律。MACE通过引入更高阶的张量积，显著提升了模型的表达能力和精度。 输出与动力学积分：预测每个原子受到的力（三维向量）和系统总势能。将MACE或NequIP嵌入分子动力学模拟循环（如Velocity Verlet算法），更新原子位置。相比DFT，加速数千倍，精度接近DFT水平。 技术进展与应用：MACE和NequIP已成为计算化学和材料科学中广泛使用的工具。它们使得原本需要数周超算时间的分子动力学模拟可以在数小时内完成，极大地加速了新材料和催化剂的筛选过程。2.7 Enformer 与 Evo：基因组学基础模型 出处： Avsec, Ž. et al. "Effective gene expression prediction from sequence by integrating long-range interactions (Enformer)."Nature Methods, 18, 1196-1203 (2021);  Nguyen, E. et al. "Sequence modeling and design from molecular to genome scale with Evo."Science, 386(6723) (2024). 基本信息：Enformer由DeepMind于2021年开发并发表于Nature Methods；Evo由Arc Institute于2024年开发并发表于Science。 能力与适用场景：Enformer根据DNA序列预测基因表达水平和染色质可及性，适合非编码区变异的功能解读。Evo是一个基于DNA语言模型的基础模型，能够进行基因组的序列建模和设计，适合合成生物学和基因组工程。 局限与限制：Enformer对细胞类型特异性的预测能力有限；Evo生成的基因组序列仍需大量的湿实验验证；模型庞大，推理成本高。 详细计算与处理过程： Enformer的计算过程：输入一段长达200kb的DNA序列，通过卷积层提取局部motif特征，然后通过多层Transformer（带有相对位置编码和注意力稀释机制）捕捉长程相互作用（如增强子与启动子的相互作用），最终输出5313个基因组轨道（如CAGE信号、ChIP-seq信号）的预测值。 Evo的计算过程：使用StripedHyena架构（一种结合了卷积和注意力机制的高效长序列架构），在数万个原核生物基因组上进行自监督预训练。模型学习DNA序列的深层语法和进化约束，能够进行基因组的条件生成、突变效应预测和基因线路设计。 技术进展与应用：Enformer已被广泛用于解读GWAS研究中发现的非编码区疾病相关变异。Evo的发布标志着AI从蛋白质层面深入到了基因组层面，为设计全新的基因线路和合成生物学提供了强大工具。2.8 神经算子：FNO / DeepONet / NeuralGCM 完整出处： Li, Z. et al. "Fourier Neural Operator for Parametric Partial Differential Equations."ICLR(2021);  Lu, L. et al. "Learning nonlinear operators via DeepONet."Nature Machine Intelligence, 3, 218-229 (2021);  Magnusson, M. et al. "NeuralGCM: A hybrid machine learning and physics model for weather and climate."arXiv preprint(2024). 基本信息：FNO由加州理工学院等机构于2021年开发；DeepONet由布朗大学等机构开发；NeuralGCM由Google Research等机构于2024年开发。 能力与适用场景：神经算子（Neural Operators）旨在学习无穷维函数空间之间的映射，用于快速求解偏微分方程（PDE）。适合流体力学（Navier-Stokes方程）、热传导、气象气候模拟等复杂物理系统的快速仿真。 局限与限制：对训练数据中未出现过的边界条件和几何形状泛化能力有限；模型的可解释性较差；训练需要大量高精度的PDE求解数据。 详细计算与处理过程： FNO的计算过程：将输入函数（如初始流场）进行傅里叶变换转换到频域，在频域中使用线性层（谱卷积）学习全局相互作用，随后进行逆傅里叶变换回到物理空间。通过多层此类结构，FNO能够以网格无关的方式直接学习偏微分方程的解算子，其频域卷积操作天然具备全局感受野，可高效捕捉长程物理相互作用。 DeepONet的计算过程：采用独特的双分支架构来学习无穷维函数空间之间的映射。其中，分支网络负责提取输入函数（如边界条件或源项）的全局特征，主干网络负责提取查询坐标（如空间位置或时间）的基函数特征。最终输出通过这两个特征向量的融合计算得出。这种设计使其能够学习任意非线性算子，并在训练后实现对任意连续坐标点的快速查询，摆脱了对固定网格离散化的依赖。 NeuralGCM的计算过程：采用物理与数据驱动的混合架构，将传统的物理动力核心（通用环流模型）与机器学习参数化方案相结合。在计算循环中，机器学习模块负责预测对流、辐射等难以精确解析的小尺度物理过程，并将其作为强迫项输入到物理动力核心中。这种混合计算模式在大幅降低计算成本的同时，严格保证了宏观物理过程的守恒性。 技术进展与应用：神经算子已在空气动力学设计、石油藏模拟和气候建模中展现出巨大潜力。NeuralGCM在保持物理一致性的同时，显著提高了中期和次季节气候预报的准确性。 三、范式二：生成式模型与分布采样3.1 范式核心原理、适用情况与局限限制 核心原理：本范式的目标不是预测已有事物的属性，也不是从已有选项中挑选最优，而是学习目标数据的潜在概率分布，并从中采样生成全新的、符合物理规律的结构。近年来，去噪扩散概率模型（DDPM）和流匹配（Flow Matching）成为主流生成框架。其核心计算过程是一个从纯噪声逐步逆向去噪（或沿向量场积分）的过程。生成模型与监督预测模型的根本区别在于：监督预测是"给定输入，预测输出"（如给定序列预测结构），生成模型是"从分布中采样新结构"（如从噪声中生成一个全新的蛋白质）。 适用情况：需要从头设计（De novo design）全新结构；数据足以支撑分布学习；结构具有明确的几何或拓扑表示。典型应用包括蛋白质从头设计、分子对接、晶体材料生成、抗体设计、3D分子生成。 局限与限制：生成的结构可能违反物理定律或化学合成规则（如合成可及性差）；模式崩塌（Mode Collapse）问题可能导致生成的多样性不足；条件生成的精确控制仍然困难；生成过程通常需要数百步迭代，计算成本较高；生成的结构需要后续的实验验证，成功率不确定。3.2 RFdiffusion：三维等变扩散模型设计蛋白质 出处： Watson, J.L. et al. "De novo design of protein structure and function with RFdiffusion."Nature, 620, 1085-1092 (2023). 基本信息：由华盛顿大学David Baker实验室于2023年开发并发表于Nature。 能力与适用场景：从随机噪声中生成全新的蛋白质三维骨架，并可根据靶点结构进行条件生成。适合从头设计高亲和力结合蛋白（Binder）、酶活性位点设计、对称蛋白纳米材料设计。 局限与限制：仅生成蛋白质骨架（无氨基酸序列），需依赖其他工具（如ProteinMPNN）设计序列；生成的复杂拓扑结构可能在湿实验中难以表达或折叠；对膜蛋白等复杂环境中的蛋白设计能力有限。 详细计算与处理过程： 前向加噪过程（训练阶段）：给定一个真实的蛋白质三维结构（包含每个残基的氮、碳、碳原子的三维坐标和方向），在训练时逐步向其添加高斯噪声。经过一千步加噪后，结构完全变成随机噪声。同时，对蛋白质的骨架扭转角也进行相应的加噪处理。 训练去噪网络：训练一个三维等变神经网络（基于RoseTTAFold架构改进），使其能够根据当前的噪声状态和时间步，预测出被添加的噪声（或预测出无噪声的干净结构）。等变性（Equivariance）保证了无论蛋白质在空间中如何旋转和平移，网络的预测结果都遵循相同的几何变换，这对于三维分子结构至关重要。 条件引导生成（推理阶段）：从纯随机噪声开始，神经网络逐步预测并减去噪声。在这个过程中，可以引入条件信息（Conditioning）。例如，如果目标是设计一个结合特定靶点蛋白的binder，可以将靶点蛋白的固定结构作为条件输入，网络在去噪时就会"避开"靶点所占的空间，并在结合界面处生成互补的形状和化学性质。 序列设计：RFdiffusion主要生成蛋白质的三维骨架（Backbone）。生成骨架后，通常需要使用另一个基于深度学习的序列设计工具（如ProteinMPNN）为骨架分配最合适的氨基酸序列，最后使用AlphaFold2进行结构验证和精化。 技术进展与应用：RFdiffusion设计的多种高亲和力蛋白质binder已成功通过湿实验验证，部分针对流感病毒和新冠病毒的中和蛋白设计已进入临床前研究阶段。此外，RFdiffusion还被用于设计新型酶、蛋白纳米材料和信号蛋白，展现了极高的商业与医疗价值。3.3 Boltz-1/2、Chroma 与 FrameDiff：开源多模态与可编程蛋白质生成 出处： Gatmiry, K. et al. "Boltz-1: Democratizing Biomolecular Interaction Modeling." arXiv preprint (2024);  Ingraham, J.B. et al. "Illuminating protein space with a programmable generative model (Chroma)." Nature, 613, 110-118 (2023); Yim, J. et al. "SE(3) diffusion model with application to protein backbone generation (FrameDiff)." ICML (2023). 基本信息：Boltz-1/2由Boltz公司于2024年底开源发布；Chroma由Generate Biomedicines于2023年开发；FrameDiff由MIT等机构于2023年开发。 能力与适用场景：Boltz-1/2是开源的多模态生物分子大模型，不仅能高精度预测蛋白质、核酸与小分子的复合物结构，还具备强大的亲和力优化和配体生成能力，被视为AlphaFold 3在开源社区的最强平替。Chroma强调“可编程性”，允许用户通过几何约束控制生成；FrameDiff专注于在SE(3)群上进行严格的蛋白质骨架生成。 局限与限制：Boltz对极度灵活的无序区域预测仍有挑战；Chroma和FrameDiff对大分子复合物的生成控制精度仍需提升；生成的骨架均需后续序列设计工具适配。 详细计算与处理过程： Boltz-1/2的计算过程：采用基于Transformer的编码器-解码器架构。编码器使用相对位置编码和三角注意力机制处理多聚体复合物的序列和MSA信息；解码器则结合了扩散模型（Diffusion Model）和置信度预测模块。在生成模式下，Boltz能够以靶点口袋为条件，直接在三维空间中扩散生成高亲和力的小分子配体或优化现有配体的侧链，实现“预测+生成”的一体化。 Chroma的计算过程：使用基于图神经网络的扩散模型，在蛋白质的骨架坐标和侧链构象空间上进行去噪。其核心创新在于引入了“编程接口”，用户可以通过指定对称性或几何约束，引导去噪过程生成符合要求的蛋白质结构。 FrameDiff的计算过程：将蛋白质骨架表示为SE(3)群上的刚体变换序列。在推理时，从SE(3)群上的均匀分布噪声出发，使用等变神经网络逐步去噪，生成符合蛋白质几何约束的全新骨架。 技术进展与应用：Boltz-1的开源极大地降低了全球科研机构进行靶点-药物复合物设计的门槛，其在多个盲测榜单（如CASP和DockQ）上达到了与闭源商业模型相当的SOTA水平。Chroma和FrameDiff则为设计具有特定对称性的蛋白纳米材料提供了精细的控制能力。3.4 MatterGen 与 CDVAE：材料晶体生成 出处： Zeni, C. et al. "A generative model for materials discovery."Nature, 638, 95-100 (2025);  Xie, T. et al. "Crystal Diffusion Variational Autoencoders for Periodic Material Generation."ICLR(2022). 基本信息：MatterGen由Microsoft Research于2024/2025年发布并发表于Nature；CDVAE由斯坦福大学等机构于2022年开发并发表于ICLR。 能力与适用场景：根据用户指定的宏观物理性质（如带隙、体积模量）或化学组成，直接生成满足条件的新晶体结构。适合特定功能材料的逆向设计，如寻找新型固态电解质、催化剂、超导材料。 局限与限制：生成的晶体可能在动力学上不稳定；对复杂多相材料的生成能力有限；条件生成的精度受限于训练数据中性质标注的准确性；生成的结构仍需DFT计算和实验验证。 详细计算与处理过程： MatterGen的计算过程：在离散空间（原子种类）和连续空间（坐标、晶格）上分别定义扩散过程。其核心在于属性条件注入：在训练和推理时，将用户指定的宏观物理性质或化学组成约束，通过交叉注意力机制注入去噪网络。推理时从随机噪声出发，网络在每一步去噪时都会感知目标条件，引导生成过程向满足该性质的流形区域移动，最终输出全新的晶体结构。 CDVAE的计算过程：采用变分自编码器与扩散模型结合的架构。首先，使用图神经网络编码器将晶体结构编码为潜在空间中的概率分布并采样得到潜在向量；随后，解码器从潜在向量重建出一个粗糙的晶体结构；最后，在解码器中引入扩散过程，对原子坐标和晶格参数进行多步去噪精化，从而显著提高生成结构的物理合理性和热力学稳定性。 技术进展与应用：MatterGen在Nature上的发表标志着材料生成模型达到了新的里程碑。其生成的多种新型晶体结构已通过DFT计算验证，部分正在实验合成中。CDVAE作为早期工作，为后续的材料生成模型奠定了基础。3.5 DiffDock 与 DiffSBDD：分子对接与3D生成 出处： Corso, G. et al. "DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking."ICLR(2023);  Schneuing, A. et al. "Structure-based drug design with geometric deep learning (DiffSBDD)."Nature Computational Science, 3, 89-99 (2023). 基本信息：DiffDock由MIT和Broad Institute于2023年开发并发表于ICLR；DiffSBDD等3D分子生成模型由学术界广泛开发并发表于Nature Computational Science。 能力与适用场景：DiffDock预测小分子配体在蛋白质口袋中的结合位姿；DiffSBDD基于靶点口袋的三维几何形状，直接扩散生成能与之结合的全新3D分子结构。适合虚拟筛选、药物发现中的先导化合物优化、蛋白-配体相互作用研究。 局限与限制：对诱导契合效应（蛋白口袋形状改变）的处理仍不够完美；打分函数难以精确评估结合亲和力；对大分子配体（如多肽）的处理能力有限；生成的位姿或分子仍需实验验证。 详细计算与处理过程： DiffDock的计算过程：在由平移、旋转和内部扭转角构成的复合流形空间上定义扩散过程。训练时对已知结合位姿逐步加噪；推理时，从随机的平移、旋转和扭转角出发，神经网络逐步预测并减去噪声分量。整个过程通过约两百步迭代，直接在流形空间中生成配体在蛋白质口袋中的正确结合位姿，避免了传统方法在构象空间中的盲目穷举搜索。 DiffSBDD的计算过程：在三维笛卡尔坐标和原子类型空间上定义扩散过程。其核心是将蛋白质口袋的表面几何与化学特征编码为条件向量，通过交叉注意力机制注入去噪网络。在去噪过程中，网络不仅逐步生成原子的三维坐标，还同步预测原子间的化学键连接关系，最终在口袋内部直接输出完整的三维分子图。 技术进展与应用：DiffDock在多个分子对接基准测试中显著超越了传统方法（如AutoDock Vina）和早期的深度学习方法。DiffSBDD为基于结构的药物设计提供了全新的"生成式"思路，避免了传统虚拟筛选对已知化合物库的依赖。 四、范式三：强化学习与序贯决策4.1 范式核心原理、适用情况与局限限制 核心原理：本范式将问题建模为马尔可夫决策过程（MDP）。系统通过训练策略网络（Policy Network，决定"下一步做什么"）和价值网络（Value Network，评估"当前局面有多好"），结合蒙特卡洛树搜索（MCTS）等算法，在庞大的离散状态空间中进行有导向的序列决策。其核心优势在于能够处理具有严格逻辑规则和长程依赖的序列决策问题。 适用情况：问题具有严格的规则和逻辑验证机制；解空间具有树状或图状的序贯决策结构；需要长程规划；存在明确的奖励信号。典型应用包括定理证明、分子序列优化、博弈、算法设计。 局限与限制：极度依赖奖励函数（Reward Function）的设计，奖励稀疏或设计不当会导致系统"作弊"（Reward Hacking）或陷入局部最优；训练过程极不稳定，样本效率通常较低；需要大量的自我博弈或模拟训练；对连续动作空间的处理不如离散动作空间成熟。4.2 AlphaProof 与 AlphaGeometry：形式化数学证明 出处： DeepMind. "AI solves IMO problems at silver medal level."Technical Report(2024);  Trinh, T. H. et al. "Solving olympiad geometry without human demonstrations."Nature, 625, 476-483 (2024). 基本信息：AlphaProof和AlphaGeometry均由DeepMind于2024年发布。AlphaGeometry于2024年1月发表于Nature；AlphaProof于2024年7月发布技术报告。 能力与适用场景：在Lean 4等交互式定理证明器中，自动寻找数学定理的证明路径。适合代数、数论和几何的严密逻辑推理，特别是竞赛级别的数学问题。 局限与限制：高度依赖形式化语言的表达能力和已有定理库的丰富度；对于需要极强直觉和跨领域灵感的开放性数学猜想，目前仍无能为力；形式化翻译本身可能引入错误；计算资源消耗巨大。 详细计算与处理过程： AlphaProof的计算过程： 环境构建与形式化：将自然语言数学题目翻译为Lean 4（交互式定理证明器）的形式化语言。Lean 4充当绝对严格的"环境"和"裁判"，任何不符合逻辑的推理步骤都会被拒绝。 状态与动作定义：状态为当前证明进度（已证引理、当前目标）。动作为应用一个Lean 4战术（Tactics），如引入变量、应用已知定理、进行代数变形、分情况讨论。 策略与价值网络：使用经过海量数学数据微调的大语言模型作为策略网络，根据当前证明状态生成候选战术；同时训练一个价值网络，用于评估当前未完成的证明状态距离最终目标的"距离"或"胜率"。 蒙特卡洛树搜索（MCTS）推理：面对新题，启动MCTS。在树的每个节点，策略网络生成若干候选战术；系统模拟执行这些战术（由Lean 4验证合法性）；价值网络评估新节点的潜力。MCTS通过PUCT算法（Polynomial Upper Confidence Trees）平衡"探索"（尝试价值网络不确定但策略网络认为有可能的战术）和"利用"（深入挖掘价值网络评分高的分支）。 闭环与强化学习更新：当某分支成功闭合证明目标（Lean 4输出"证明完成"），搜索终止。搜索的成功或失败轨迹被用于更新策略和价值网络，使系统在未来面对类似问题时搜索更高效。 AlphaGeometry的计算过程： 神经符号混合架构：结合神经网络（用于提出辅助构造）和符号推理引擎（用于逻辑推导）。 辅助构造生成：神经网络根据当前几何图形，提出可能的辅助线或辅助点构造（如"连接两点"、"作垂线"）。 符号推导：符号引擎基于欧几里得几何公理和已知定理，对构造后的图形进行逻辑推导，尝试证明目标。 迭代搜索：若推导失败，回溯并尝试其他辅助构造，直至找到证明。 技术进展与应用：AlphaProof在2024年IMO中获得28分（满分42分），达到银牌水平。AlphaGeometry在IMO几何题上达到接近金牌水平。其背后的Lean 4形式化验证技术正深刻改变数学界的工作方式，陶哲轩等顶尖数学家已开始使用Lean辅助验证复杂定理。4.3 AlphaTensor：矩阵乘法算法发现 出处： Fawzi, A. et al. "Discovering faster matrix multiplication algorithms with reinforcement learning."Nature, 610, 47-53 (2022). 基本信息：由DeepMind于2022年开发并发表于Nature。 能力与适用场景：将矩阵乘法转化为三维张量分解的博弈游戏，寻找计算步数更少的算法。适合基础计算科学和底层算子优化，可应用于深度学习训练加速。 局限与限制：发现的算法在特定硬件上的实际加速比受限于内存访问和指令集，理论步数少不等于实际运行快；对超大矩阵的扩展性有限；搜索空间随矩阵维度呈指数增长。 详细计算与处理过程： 问题建模：将矩阵乘法建模为马尔可夫决策过程。状态是当前部分分解的张量，动作是选择一个秩一张量进行减去。 AlphaZero式强化学习：结合策略网络和价值网络，使用MCTS在庞大的张量分解动作空间中进行自我博弈。 奖励设计：完成张量分解所需的步数越少，奖励越高。 自我博弈训练：两个AlphaTensor副本对弈，不断优化分解策略。经过数百万局自我博弈，网络不断提升。 结果提取：最终发现优于人类已知算法的矩阵乘法方案，如4x4复数矩阵乘法仅需48次标量乘法。 技术进展与应用：AlphaTensor发现了优于Strassen算法的矩阵乘法方案，这一成果对基础计算机科学具有重要意义。其发现的算法已被整合到部分深度学习框架中，用于加速特定规模的矩阵运算。4.4 REINVENT / MolDQN：分子序列优化 出处： Olivecrona, M. et al. "Molecular de-novo design through deep reinforcement learning."Journal of Cheminformatics, 9, 48 (2017). 基本信息：REINVENT由AstraZeneca等机构于2017年开发，此后持续迭代至2023年。MolDQN等变体由Insilico Medicine等机构开发。 能力与适用场景：通过强化学习优化分子的SMILES序列，同时改善靶点亲和力、毒性和药代动力学性质。适合先导化合物优化、多目标分子设计。 局限与限制：容易生成难以合成的"怪物分子"（合成可及性差）；奖励函数的加权难以平衡多个冲突目标；对SMILES语法的依赖限制了生成效率；训练过程可能不稳定。 详细计算与处理过程： 环境定义：将分子生成视为序列生成任务。状态为当前已生成的SMILES字符串片段，动作为从字符表中选择下一个字符（如'C', 'O', '(', ')'）。 策略网络：使用RNN或Transformer作为策略网络（Agent），输出下一个字符的概率分布。 奖励函数（Reward）设计：当生成完整分子后，调用外部工具计算其属性（如对接打分、QED、合成可及性SA）。将这些属性通过加权组合转化为标量奖励。 策略梯度更新：使用PPO或REINFORCE等强化学习算法，根据获得的奖励更新策略网络参数。高奖励的分子序列对应的生成概率被提高，低奖励的被抑制。 迭代生成：经过数万步训练，策略网络学会直接生成高奖励的分子序列，无需在庞大的化学空间中进行盲目搜索。 技术进展与应用：RL已成为AI制药中多目标分子优化的标配方法，广泛用于提高分子的靶点亲和力、改善药代动力学性质（ADMET）以及降低毒性。多家制药公司已将RL分子优化整合到其药物发现流程中。 五、范式四：进化计算与黑盒优化5.1 范式核心原理、适用情况与局限限制 核心原理：本范式主要用于解决缺乏解析梯度的黑盒优化和组合优化问题。系统通过维护候选解种群，利用评估函数计算适应度，通过选择、交叉、变异等操作进行种群迭代（进化搜索）；或利用代理模型引导单点序贯评估（贝叶斯优化）。与传统遗传算法的根本区别在于，AI4S中的进化搜索使用大语言模型作为变异引擎，使变异具有语义理解能力。 适用情况：解空间离散、非凸、缺乏梯度；评估函数可自动化执行；解可表示为代码、图或结构化方案；存在渐进改进的可能。典型应用包括算法发现、超参调优、科学假设演化、实验条件优化。 局限与限制：计算成本随维度呈指数级增长（维度灾难）；如果评估函数本身极其昂贵（如真实的湿实验），则无法进行大规模种群迭代；容易陷入局部最优；对评估函数的质量高度依赖，若评估函数存在漏洞，系统会"作弊"（Reward Hacking）。5.2 AlphaEvolve 与 FunSearch：LLM驱动的进化搜索 出处： Romera-Paredes, B. et al. "Mathematical discoveries from program search with large language models."Nature, 625, 468-475 (2024);  DeepMind. "AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms."Technical Report / arXiv preprint(2025). 基本信息：FunSearch由DeepMind于2023年开发，2024年正式发表于Nature；AlphaEvolve由DeepMind于2025年发布，是FunSearch的工程化升级版。 能力与适用场景：通过LLM生成和变异代码，在沙箱中自动评估，寻找更优的算法实现。适合组合数学、启发式算法设计、数据中心调度优化、芯片设计优化、量子物理算法优化。 局限与限制：极度依赖评估函数的准确性和运行速度；如果评估函数存在漏洞，系统会"作弊"（Reward Hacking）；对评估函数的设计能力要求高；计算资源消耗巨大；对缺乏自动化评估的纯理论问题难以直接应用。 详细计算与处理过程： FunSearch的完整计算过程： 解的表示与问题编码：将候选解表示为可执行的Python函数。以cap set问题为例，每个候选是一个启发式评分函数，输入为有限域中的元素组合，输出为数值评分，用于指导cap set的贪心构造。选择函数而非数值向量作为表示，是因为大语言模型对代码的理解和生成能力远强于对抽象数值的操作。 初始种群生成：使用基于PaLM-2的代码模型Codey，通过精心设计的提示词（如"请编写一个用于构造cap set的启发式函数"）生成数百个初始Python函数。这些函数构成了搜索的起点。 沙箱自动化评估：将每个函数嵌入一个贪心构造算法中，在隔离的沙箱环境中实际运行。评估标准是确定性的、自动化的：运行该算法，得到构造出的cap set大小作为适应度分数。评估过程无需人工介入。 选择与淘汰：根据评估分数对种群中的个体排序，保留得分最高的前百分之十个体。其余个体被淘汰。 大语言模型驱动的语义变异：这是与传统遗传算法的根本区别。将高分函数的完整代码作为上下文输入大语言模型，连同改进指令一起提交（如"分析此代码的策略，提出改进方案，生成一个更优的函数变体"）。大语言模型利用其代码理解能力，分析现有策略的不足（如"当前贪心策略在后期选择过于保守"），生成多个具有实质性改进的子代程序。这些变体可能改变核心策略（如从贪心改为局部搜索），也可能只是微调参数或边界条件。 种群更新与迭代：新种群由保留的父代和新生成的子代组成，淘汰最差的个体以维持种群大小。重复第三至第五步，运行数十万代。种群的最低分和平均分应呈持续上升趋势。 结果提取与数学洞察：搜索结束后，取出最高分函数，由数学家分析其构造策略，提取数学洞察。FunSearch最终找到了比已知构造更大的cap set，推翻了数学界之前的猜想。 AlphaEvolve的完整计算过程（在FunSearch基础上的重大升级）： 问题编码与目标定义：将优化目标编码为可自动评估的程序规范。以矩阵乘法为例，目标是生成一个程序，该程序实现两个矩阵的乘法，评估标准为标量乘法次数（越少越好）和结果正确性。 初始种群生成：由Gemini生成一批矩阵乘法实现（可能包括经典算法、Strassen变体等），构成初始种群。 多阶段评估管道：这是AlphaEvolve的核心创新之一。第一阶段为轻量级快速筛选：对每个候选程序进行基本语法检查和简单测试用例运行，快速淘汰明显错误的候选。第二阶段为完整评估：对通过初筛的候选进行全面的正确性验证（对随机矩阵执行乘法，检查结果是否正确）和性能评估（统计标量乘法次数）。这种多阶段管道避免了在无效候选上浪费计算资源。 双模型协作变异：AlphaEvolve使用Gemini Flash和Gemini Pro两个模型协作。Gemini Flash负责快速生成大量候选变体（追求搜索广度），例如交换运算顺序、尝试不同的中间变量组合。Gemini Pro负责对最有希望的候选进行深度改写（追求搜索深度），例如"能否用不同的分治策略将问题分解为更少的子问题？""能否将某些加法合并以减少乘法次数？"。系统根据当前搜索进展和种群多样性动态决定调用哪个模型。 程序级结构变异：与FunSearch仅修改函数体不同，AlphaEvolve能够进行程序级的结构变异：改变算法的整体控制流、替换数据结构、引入新的子程序、修改递归策略等。这使得搜索能够跨越更大的算法空间。 选择与种群更新：根据适应度分数保留Top-K的优秀程序，新种群由保留的父代和变异产生的子代组成。 迭代收敛：重复评估、选择、变异循环，持续数千至数万代。搜索过程中，系统会记录每一代的最优解和种群统计信息，用于分析搜索进展。 结果验证与部署：对最终最优程序进行严格数学验证，确认其正确性和性能。验证通过后，算法可部署到实际生产环境中。 技术进展与应用：FunSearch解决了组合数学中悬而未决的cap set问题。AlphaEvolve独立发现了四阶复数矩阵乘法仅需48次标量乘法的算法，并优化了Google数据中心Borg调度器，回收了约0.7%的全球计算资源；改进了Gemini训练中FlashAttention内核，提速约23%；优化了TPU芯片设计；在量子物理和基因组学算法优化中也展现出巨大潜力。5.3 百度伐谋（FM-Agent）：多智能体与进化搜索的融合与最新进展 出处： Baidu. "The FM Agent: An Evolutionary Large Language Model Agent for Complex Engineering Optimization."arXiv preprint(2024/2025);  百度AI Day及产业落地技术报告. 基本信息：由百度于2024/2025年发布，是百度"伐谋"科学大模型的核心技术。其名称来源于《孙子兵法》"上兵伐谋"，寓意以最高层次的策略攻克科学难题。 能力与适用场景：将LLM推理与大规模进化搜索结合，解决复杂的工程优化和数学问题。适合算法改进、交通调度、金融风控、复杂数学猜想验证、工业流程优化、材料配方搜索。 局限与限制：多智能体协同和进化搜索的结合导致计算资源消耗巨大；对于缺乏明确自动化评估函数的纯理论科学问题，难以直接应用；系统的可解释性有限；对评估环境的设计要求高；在极度开放的探索性任务中可能受限于LLM的已知知识边界。 详细计算与处理过程： 冷启动（Cold Start）阶段——问题抽象与环境构建：这是FM-Agent区别于简单进化搜索的关键。当用户提交一个复杂的工程或科学问题（如"优化某交通路口的信号灯配时方案"或"寻找满足特定性能指标的固态电池电解质配方"）时，FM-Agent的多智能体系统首先协同工作：文献检索智能体阅读相关领域的论文和技术报告，提取关键约束和先验知识；问题抽象智能体将自然语言描述的问题转化为可计算的优化目标（如定义目标函数、约束条件、变量空间）；环境构建智能体搭建自动化的评估环境（如数学验证器、物理模拟器、或调用已有的仿真软件API）。这一阶段的目标是将一个模糊的科学问题转化为一个可自动评估的优化问题。 自演化（Self-Evolution）阶段——种群初始化：基于冷启动阶段构建的问题抽象，大语言模型生成一批初始的解决方案（可能是代码实现、数学公式、或参数配置），构成初始种群。这些初始方案通常包含了从文献中获取的已知最佳实践和启发式策略。 多维工具验证与适应度评估：每个候选方案被送入评估环境进行多维度打分。评估维度可能包括：正确性（是否满足所有约束）、性能（目标函数值）、鲁棒性（在扰动下的表现）、新颖性（与已有方案的差异度）。对于科学假设类问题，评估还可能包括物理一致性检查（是否违背守恒律）、与已有实验数据的兼容性等。 搜索驱动的LLM变异与反馈计划（Feedback-to-Plan）：这是FM-Agent的核心创新。与简单的"变异-评估"循环不同，FM-Agent引入了"反馈到计划"的机制：评估器不仅返回适应度分数，还返回详细的失败分析和诊断信息（如"该方案在约束条件C3上失败，原因是变量X的取值超出了物理可行域"）。LLM接收这些反馈后，进行推理分析，制定改进计划（如"需要引入一个惩罚项来处理约束C3"或"需要替换变量X的初始化策略"），然后基于计划生成变异方案。这种机制使得变异不再是盲目的，而是有方向性的、基于理解的改进。 迭代收敛与精英保留：经过多轮"生成-验证-评估-反馈-计划-变异"循环，种群逐渐收敛。系统保留每一代的精英个体，确保最优解不会丢失。 结果输出与实验建议：最终输出最优方案及其详细的性能报告。对于科学发现类问题，还会输出建议的验证实验方案（如"建议在温度T和压力P条件下合成该材料，并测量其离子电导率"）。 技术进展与应用： FM-Agent在技术架构上确立了"搜索驱动的进化式多智能体"路线。在最新状态方面，FM-Agent在MLE-bench（机器学习工程基准测试）等权威算法榜单上名列前茅甚至登顶，在Kaggle等数据科学竞赛中展现出超越人类初级算法工程师的代码优化能力。在数学领域，其在经典的圆包装问题上超越了AlphaEvolve，进化出三阶段混合优化算法（几何初始化加物理模拟加局部搜索）。 在产业落地进展方面，百度伐谋已走出纯理论阶段，与清华大学等顶尖高校，以及新能源（如固态电池材料筛选与电解质配方优化）、创新药（靶点发现与分子生成）、智能制造等头部企业开展了深度的产学研合作，实现了从"科学假设生成"到"工业实验验证"的商业闭环，成为国内AI4S产业化的标杆系统。5.4 贝叶斯优化框架 (如 BoTorch / HEBO) 出处： Shahriari, B. et al. "Taking the human out of the loop: A review of Bayesian optimization."Proceedings of the IEEE, 104(1), 148-175 (2015);  Balandat, M. et al. "BoTorch: A framework for efficient Monte-Carlo Bayesian optimization."NeurIPS(2020). 基本信息：贝叶斯优化作为一种方法论已有数十年历史，近年来由Meta（BoTorch）、华为（HEBO）等机构开发出高效的开源框架。 能力与适用场景：在评估代价极高（如真实湿实验、DFT计算）的情况下，寻找黑盒函数的全局最优解。适合材料合成条件探索、自动化实验室参数调优、超参数优化。 局限与限制：高维空间（大于20维）中代理模型（如高斯过程）的计算复杂度呈立方级增长，难以扩展；对采集函数的选择敏感；初始点的选择对结果影响较大。 详细计算与处理过程： 构建代理模型（Surrogate Model）：使用高斯过程（Gaussian Process, GP）拟合已评估的少量数据点。GP不仅预测目标函数的值，还给出预测的不确定性（方差）。 计算采集函数（Acquisition Function）：通过期望改进（Expected Improvement, EI）或上置信界（UCB）等公式，计算解空间中每个点的"探索价值"。EI平衡了"利用"（预测值高的区域）和"探索"（不确定性高的区域）。 选择与评估：选择采集函数值最大的点，进行真实的物理实验或昂贵的DFT计算。 模型更新：将新数据点加入训练集，更新高斯过程，进入下一轮迭代。 迭代收敛：重复上述过程，直至找到满足要求的最优解或达到预算限制。 技术进展与应用：贝叶斯优化已成为AI4S中解决昂贵黑盒函数优化的标准方法。BoTorch等开源框架支持GPU加速和批量评估，极大地提升了优化效率。在材料科学、药物发现、自动化实验等领域有广泛应用。 六、范式五：智能体与多智能体协同6.1 范式核心原理、适用情况与局限限制 核心原理：本范式以大型语言模型（LLM）为认知中枢，通过"思考-行动-观察"（ReAct）框架，将复杂科学任务分解为多个子步骤，并动态调用外部专业工具（如化学数据库、物理模拟器、实验室机器人）执行。与进化搜索的区别在于：智能体不存在"种群"和"自然选择"，其核心是单条推理链上的任务规划和执行；与监督预测模型的区别在于：智能体的推理过程是动态的、多步的、依赖外部工具反馈的，而非一次前向传播。 适用情况：任务需要长程规划、多步推理和跨领域知识综合；需要与外部异构系统（如数据库、物理模拟器、机器人）交互；单一模型无法直接输出最终结果。典型应用包括自动化实验、文献综合、复杂工作流编排、科研助手、科学知识图谱构建。 局限与限制：高度依赖底层大语言模型的推理能力，容易产生"幻觉"导致任务链断裂；多智能体协同中的通信开销和错误累积（Error Cascading）问题严重；缺乏严格的数学收敛保证；对工具API的标准化程度要求高；在物理世界中的安全性问题需要特别关注。6.2 ChemCrow：化学研究的单智能体助手 出处： Bran, A.M. et al. "Augmenting large language models with chemistry tools."Nature Machine Intelligence, 6, 525-535 (2024). 基本信息：由洛桑联邦理工学院（EPFL）等机构于2023年开发，2024年正式发表于Nature Machine Intelligence。 能力与适用场景：将GPT-4与18个专家级化学工具连接，完成文献调研、分子性质预测、反应预测、毒性评估、逆合成分析等任务。适合化学研究中的自动化文献综合、分子筛选、反应规划。 局限与限制：严重依赖底层LLM的常识和纠错能力，一旦规划出错可能导致错误结论；工具API的覆盖范围有限；对复杂多步反应的规划能力不足；缺乏物理实验验证能力。 详细计算与处理过程： 工具库构建：将GPT-4与18个专家级化学工具连接，包括RDKit（分子操作）、分子对接引擎、ADMET预测API、逆合成分析工具、文献检索工具等。 任务规划与ReAct循环：当用户提出"设计一个对EGFR有抑制活性且毒性低的分子"时，LLM首先生成思考计划（Thought）："我需要先获取EGFR的结构，然后生成候选分子，再评估活性和毒性。" 行动与观察：LLM输出行动指令（Action），调用数据库检索工具获取EGFR的PDB结构编号。接收工具返回的结果（Observation）后，LLM继续思考并调用分子生成工具，获得一批候选分子的SMILES表达式。 多轮迭代与反思：LLM循环调用对接工具评估每个分子的结合力，调用ADMET预测工具评估毒性和药代动力学性质。若所有分子都不达标，LLM反思失败原因（如"毒性过高是因为含有某个官能团"），修改生成策略，开启新一轮迭代。经过5-20轮工具调用后，输出最终方案。 技术进展与应用：ChemCrow证明了LLM作为化学研究助手的有效性。目前多家跨国药企已开始部署类似的内部智能体系统，用于自动化文献调研和早期分子筛选。ChemCrow的开源代码已被广泛使用和扩展。6.3 Coscientist：具身多智能体自主实验 出处： Boiko, D.A. et al. "Autonomous chemical research with large language models."Nature, 624, 570-578 (2023). 基本信息：由卡内基梅隆大学（CMU）于2023年开发并发表于Nature。 能力与适用场景：将智能体推进到物理世界，包含多个协作子智能体，能够控制实验室机器人执行真实化学合成。适合自动化化学合成、高通量实验、反应条件优化。 局限与限制：硬件接口的标准化程度低，难以推广到不同实验室；严重依赖LLM的常识和纠错能力，一旦规划出错可能导致物理实验失败甚至危险；对复杂反应的处理能力有限；安全性问题需要特别关注。 详细计算与处理过程： 多智能体分工：系统包含规划智能体（阅读文献确定反应方案）、编码智能体（编写控制实验室机器人的Python脚本）、执行智能体（将脚本发送到液体处理机器人）、分析智能体（接收实验结果并判断产率和纯度）。 跨物理世界闭环：规划智能体确定钯催化的交叉偶联反应方案；编码智能体生成控制移液机器人的脚本；执行智能体在真实实验室中混合试剂、控制温度；分析智能体接收产率和纯度反馈。 自主调整：若结果不佳，规划智能体调整反应温度或催化剂当量，编码智能体修改脚本，执行智能体重新运行实验。整个过程无需人类干预。 技术进展与应用：Coscientist标志着AI从"数字助手"向"具身科学家"的演进。其开源代码已被多个实验室采用，为未来完全自动化的"黑灯实验室"奠定了软件架构基础。6.4 AI Scientist 与 自动化实验室智能体 出处： Lu, C. et al. "The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery."arXiv:2408.06292(2024);  Burger, B. et al. "A mobile robotic chemist."Nature, 583, 385-390 (2020). 基本信息：AI Scientist由Sakana AI于2024年发布；Mobile Robot Chemist由利物浦大学于2020年开发并发表于Nature。 能力与适用场景：AI Scientist自主完成"提出想法、编写代码、跑实验、画图、撰写LaTeX论文"的全流程；Mobile Robot Chemist控制移动机器人在真实实验室中自主搜索催化剂配方。适合在机器学习等数据丰富、评估自动化的子领域进行开放式探索；适合高通量实验和材料配方优化。 局限与限制：AI Scientist目前仅能在特定狭窄领域生成平庸或存在逻辑瑕疵的论文，无法替代人类科学家进行深刻的范式创新；存在严重的幻觉和学术不端风险；Mobile Robot Chemist硬件维护成本高，受限于物理环境的非结构化程度，灵活性不如人类。 详细计算与处理过程： AI Scientist的计算过程： 多智能体分工协作：包含Idea Agent（提出研究想法）、Coding Agent（编写实验代码）、Experiment Agent（运行实验）、Writing Agent（撰写论文）、Reviewer Agent（模拟同行评审）。 自主研究循环：Idea Agent生成研究假设；Coding Agent编写实验代码；Experiment Agent运行实验并收集结果；Writing Agent撰写LaTeX论文；Reviewer Agent对论文进行评审并提出修改意见。 自我反思与迭代：根据Reviewer Agent的反馈，系统修改论文或重新设计实验，经过多轮迭代后输出完整的科研产出。 Mobile Robot Chemist的计算过程： 任务规划：根据目标（如寻找最优催化剂配方），规划实验序列。 机器人控制：控制移动机器人在实验室中移动，操作移液器、天平、反应器等设备。 实验执行与反馈：执行实验，通过传感器获取结果（如产率、选择性）。 贝叶斯优化引导：根据实验结果，使用贝叶斯优化算法决定下一组实验条件，实现高效搜索。 技术进展与应用：AI Scientist展示了AI自主科研的可能性，但其产出仍需人类专家严格审核。Mobile Robot Chemist已在利物浦大学的实验室中运行多年，成功发现了多种新型催化剂配方，证明了自动化实验室的可行性。6.5 科学文献挖掘与知识图谱：SciBERT / PrimeKG 出处： Beltagy, I. et al. "SciBERT: A pretrained language model for scientific text."EMNLP(2019);  Chandak, P. et al. "Building a knowledge graph for drug discovery and repurposing (PrimeKG)."Scientific Data, 10, 619 (2023). 基本信息：SciBERT由Allen Institute for AI于2019年开发；PrimeKG由哈佛大学等机构于2023年开发并发表于Scientific Data。 能力与适用场景：SciBERT是专门为科学文献预训练的语言模型，适合科学文本理解、信息抽取和问答。PrimeKG是一个整合了药物、疾病、基因、蛋白质等实体关系的科学知识图谱，适合药物重定位、假设生成和跨领域知识发现。 局限与限制：SciBERT的训练数据可能滞后于最新文献；PrimeKG的实体关系抽取可能存在噪声和遗漏；知识图谱的推理能力受限于图神经网络的表达能力。 详细计算与处理过程： SciBERT的计算过程：首先在数百万篇科学论文摘要和全文上进行掩码语言建模预训练，使模型学习科学领域的专业词汇、术语搭配和深层语义关系。针对下游任务（如命名实体识别、关系抽取），在特定标注数据上进行微调，使模型能够精准输出实体标签或关系类别，从而支持自动化文献综合和科学知识抽取。 PrimeKG的计算过程：首先从多个权威生物医学数据库中抽取药物、疾病、基因、蛋白质等实体及其相互关系，构建包含数百万节点和边的异构知识图谱。随后，使用图神经网络在图上进行链接预测和节点分类计算。对于药物重定位等任务，模型通过计算图结构中的拓扑特征，预测药物节点与疾病节点之间是否存在潜在的治疗关联，并输出概率分数以生成科学假设。 技术进展与应用：SciBERT已成为科学自然语言处理的基础模型。PrimeKG已被用于发现多种老药新用的潜在候选药物，并在新冠疫情期间辅助筛选潜在治疗药物。 七、深度对比与底层逻辑探究7.1 科学认识论视角的映射：猜想与反驳的自动化 科学哲学家卡尔·波普尔提出，科学发现的核心是"猜想与反驳"（Conjectures and Refutations）。AI4S的五大范式完美映射了这一哲学过程： 猜想（假设生成）：生成式模型（如RFdiffusion）和进化计算（如AlphaEvolve、FM-Agent）扮演了"猜想者"的角色。它们通过分布采样或种群变异，在未知的科学空间中提出大量新的分子结构、算法代码或科学假设。 反驳（验证与筛选）：判别式预测（如GNoME）、强化学习的形式化验证（如AlphaProof）以及智能体调用的物理模拟器，扮演了"反驳者"的角色。它们通过严格的物理定律、逻辑规则或实验数据，无情地淘汰错误的猜想。 AI4S的本质，就是用算力将人类科学家的"猜想-反驳"循环加速数百万倍。7.2 解空间拓扑与导航策略的数学本质 不同范式面对的解空间拓扑截然不同，这决定了它们必须采用不同的导航策略： 连续流形空间：判别式预测与生成模型处理的是连续的高维流形（如三维坐标、像素）。其导航依赖于神经网络学习到的平滑流形，通过梯度下降或马尔可夫链进行连续空间的"滑行"。 离散组合空间：进化计算与贝叶斯优化处理的是离散的组合空间（如代码、分子图）。这里缺乏梯度，必须依靠种群演化或代理模型进行"跳跃式"导航。 逻辑状态空间：树搜索（AlphaProof）处理的是具有严格逻辑规则的树状状态空间。导航依赖于价值函数指引的深度优先与广度优先的动态平衡，是在逻辑迷宫中寻找唯一出口。7.3 算力经济学与"代理模型"飞轮效应 所有AI4S系统都在构建"数据飞轮"，而代理模型（Surrogate Model）是飞轮的核心加速器，这是AI4S能够突破算力瓶颈的底层经济学逻辑。 在材料发现和药物设计中，真实的物理计算（如DFT、自由能微扰FEP）极其昂贵（单次计算可能需要数小时甚至数天，复杂度呈指数级）。如果直接在真实物理引擎上进行进化搜索或贝叶斯优化，成本是不可接受的。 因此，AI4S系统首先训练轻量的GNN或Transformer作为代理模型，用毫秒级的速度预测性质。优化算法在代理模型上进行数百万次的搜索，仅将极少数最优候选送入真实物理引擎验证。验证产生的新数据再反哺代理模型。这种"廉价代理搜索加昂贵真实验证"的双层架构，是AI4S工程落地的核心秘密。7.4 验证机制的"真理阶梯" 科学发现的生命线在于验证。各范式的验证机制构成了其可信度的基石，形成一个从绝对到启发的"真理阶梯"： 第一级，形式化验证（绝对真理）：AlphaProof依赖Lean 4，提供先验的、绝对的逻辑验证，杜绝了幻觉。 第二级，物理方程约束（物理真理）：MACE等模型通过等变性硬编码物理对称性，保证预测不违背基本物理定律。 第三级，高精度数据拟合（统计真理）：GNoME和AlphaFold的预测最终必须由DFT或真实实验（如冷冻电镜）进行后验校准。 第四级，启发式评估（经验真理）：FM-Agent和ChemCrow面对复杂的科学假设和多目标化学任务，其验证高度依赖于大模型的常识判断和外部工具的近似反馈。7.5 大语言模型（LLM）角色的演进与分化 LLM在AI4S中的角色经历了深刻的演变，且在不同范式中高度分化： 在判别式预测（如AlphaFold2）中，LLM完全缺席，专用架构占据主导。在进化计算（如AlphaEvolve、FM-Agent）中，LLM退居幕后，作为高效的"变异算子"提供代码和假设生成能力。在智能体范式中，LLM走向前台，成为统筹全局的"规划大脑"。在生成模型中，LLM通常不直接参与，但可用于条件生成的文本编码。 这种角色的分化表明，LLM并非万能，其在逻辑推理和代码生成上的优势，必须与专用科学模型的严谨性相结合。7.6 物理先验的嵌入方式对比 纯数据驱动的模型在面对分布外数据时容易失效。将物理先验嵌入模型是必然趋势，但各范式嵌入方式不同： 等变神经网络（如MACE、RFdiffusion）通过硬编码网络架构，保证预测严格遵循旋转平移对称性。物理信息神经网络（PINN）将偏微分方程作为损失函数的约束项。哈密顿神经网络强制能量守恒。智能体和进化搜索则通过调用外部物理模拟器作为验证工具，将物理定律作为"环境规则"隐式嵌入。 八、方法和系统全景 AI4S在各学科领域已形成极其丰富且具体的系统矩阵，以下为各领域的代表性方法与系统全景： 数学与算法设计：代表系统包括 AlphaProof, AlphaGeometry, AlphaTensor, FunSearch, AlphaEvolve, FM-Agent (百度伐谋), AlphaZero。符号回归系统包括 AI Feynman, PySR, SymbolicRegression.jl。 结构生物学：代表系统包括 AlphaFold2/3, ESMFold, AlphaMissense, RoseTTAFold, RFdiffusion, ProteinMPNN, Chroma, FrameDiff, CryoDRGN（冷冻电镜异构性分析）。 材料科学：代表系统包括 GNoME, MatterGen, CDVAE, FlowMM（材料生成）；机器学习力场包括 MACE, NequIP, Allegro, TorchMD, MatGL, CHGNet, DeepMD-kit；合成规划包括 ChemOS, AIZynthFinder。材料信息学平台包括 Materials Project, AFLOW, OQMD。 药物发现：代表系统包括 DiffDock, TargetNet, REINVENT, MolDQN, Uni-Mol, ChemCrow, Coscientist, AutoLab, DiffSBDD, 3DLinker, EquiBind。AI制药平台包括 深势科技Bohrium, 百度螺旋桨（PaddleHelix）, 华为盘古药物分子大模型, Insilico Medicine Chemistry42, Recursion Pharmaceuticals平台。 气候与地球科学：代表系统包括 GraphCast, GenCast, Pangu-Weather, FengWu, FourCastNet, NeuralGCM, Aurora（微软地球系统基础模型）, PhaseNet（地震波分析）。 物理与化学模拟：代表系统包括 MACE, NequIP, Allegro, DeepMD-kit, FermiNet, PauliNet, TorchMD，以及DeepMind与洛桑联邦理工学院合作的托卡马克等离子体磁控AI。 基因组学与生物信息学：代表系统包括 Enformer, Evo, ScGPT, Basenji, PrimeKG（知识图谱）, SciBERT（科学文献挖掘）。 神经算子与偏微分方程求解：代表系统包括 Fourier Neural Operator (FNO), DeepONet, NeuralGCM, FourCastNet。 天文学与高能物理：代表系统包括 Galaxy Zoo（星系分类）, MLGW（引力波检测）, ExoMiner（系外行星发现）, CaloGAN 及基于Score的探测器模拟生成模型。 农业与食品科学：代表系统包括各类 Crop Yield Prediction Models（作物产量预测）, 以及Shiru等公司开发的生成式食品蛋白设计AI。 系统名称 核心算法范式 系统架构类型 推理时计算模式 验证与反馈机制 代表机构/国家 AlphaFold 2/3 判别式预测 / 生成 单一模型 单次前向 / 迭代去噪 后验实验验证 DeepMind（英国） ESMFold / RoseTTAFold 判别式预测 单一模型 单次前向传播 后验实验验证 Meta / 华盛顿大学（美国） AlphaMissense 判别式预测 单一模型 单次前向传播 临床数据后验验证 DeepMind（英国） Enformer / Evo 判别式预测 单一模型 单次前向传播 实验数据后验验证 DeepMind / Arc Institute（美国） GNoME 判别式预测加主动学习 模型加主动学习框架 单次前向传播 DFT精确计算 Google DeepMind（英国） MACE / NequIP / CHGNet 判别式预测 单一模型 单次前向传播 与DFT计算对比 剑桥/MIT/UC Berkeley（英美） Allegro / TorchMD / DeepMD-kit 判别式预测 单一模型 单次前向传播 与DFT计算对比 MIT/TUM/深势科技（美德中） GraphCast / GenCast 判别式预测 / 生成 单一模型 单次前向 / 扩散采样 气象观测数据对比 DeepMind（英国） Pangu / FengWu / Aurora 判别式预测 单一模型 单次前向，自回归 气象观测数据对比 华为 / 上海AI Lab / 微软（中美） FNO / DeepONet / NeuralGCM 神经算子 单一模型 单次前向传播 与数值求解器对比 Caltech / Brown / Google（美国） RFdiffusion / Chroma / FrameDiff 生成式设计 单一模型 约200步迭代去噪 Rosetta物理精化 华盛顿大学 / Generate Bio / MIT（美国） ProteinMPNN 生成式设计 单一模型 单次前向传播 实验表达验证 华盛顿大学（美国） DiffDock / EquiBind 生成式设计 单一模型 流形空间迭代去噪 对接打分函数 MIT（美国） DiffSBDD / 3DLinker 生成式设计 单一模型 3D空间迭代去噪 物理化学约束验证 学术界 MatterGen / CDVAE / FlowMM 条件生成式设计 单一模型 条件引导迭代去噪 DFT后验验证 Microsoft / Stanford（美国） AlphaProof / AlphaGeometry 强化学习与序贯决策 强化学习智能体 动态树搜索（MCTS） Lean 4形式化先验验证 DeepMind（英国） AlphaTensor / AlphaZero 强化学习与序贯决策 强化学习系统 自我博弈与树搜索 规则/正确性验证 DeepMind（英国） REINVENT / MolDQN 强化学习与序贯决策 优化算法框架 序列自回归生成 属性打分函数反馈 AstraZeneca等（英美） FunSearch / AlphaEvolve 进化计算与黑盒优化 进化搜索系统 并行种群迭代 代码运行结果评估 DeepMind（英国） 百度伐谋（FM-Agent） 进化计算与黑盒优化 多智能体加进化框架 假设种群迭代加工具验证 物理模拟加约束检查 百度（中国） 贝叶斯优化（BoTorch/HEBO） 进化计算与黑盒优化 优化算法框架 代理模型引导单点评估 真实物理/实验评估 Meta/华为等（美中） AI Feynman / PySR 进化计算与黑盒优化 优化算法框架 表达式树搜索与简化 物理量纲与数据拟合校验 MIT等（美国） ChemCrow 智能体与多智能体协同 单智能体 多步工具调用链 工具返回值检查 EPFL（瑞士） Coscientist 智能体与多智能体协同 多智能体系统 跨数字物理闭环迭代 物理实验反馈 CMU（美国） AI Scientist 智能体与多智能体协同 多智能体系统 自主全流程迭代 自动代码运行与自评 Sakana AI（日本/美） Mobile Robot Chemist 智能体与多智能体协同 具身智能体 物理实验闭环 传感器反馈 利物浦大学（英国） AutoLab / Emerald Cloud Lab 智能体与多智能体协同 工具平台 提供多种计算与实验接口 平台内置物理计算 学术界/工业界（美） SciBERT / PrimeKG 智能体与知识图谱 工具/知识图谱 文本嵌入与图推理 文献与数据库交叉验证 Allen AI / Harvard（美国） CryoDRGN 生成式设计 单一模型 迭代去噪 冷冻电镜数据验证 学术界（美国） FermiNet / PauliNet 判别式预测 单一模型 单次前向传播 与量子化学计算对比 DeepMind / 柏林工业大学（英德） Uni-Mol 判别式预测 单一模型 单次前向传播 实验数据对比 深势科技（中国） Bohrium / PaddleHelix / 盘古药物 多范式融合 工具平台 提供多种AI与物理计算接口 平台内置多模态验证 深势科技/百度/华为（中国）展望符号回归与可解释科学发现 科学的终极目标不仅是预测，更是理解。符号回归（Symbolic Regression，如AI Feynman、PySR）结合大语言模型的公式生成能力与进化搜索的筛选能力，正致力于从复杂数据中挖掘出简洁、人类可理解的数学方程。这代表了AI从"黑箱预测"走向"白箱发现"的终极追求。迈向自主的AI科学家 从Coscientist的具身实验到AI Scientist的自主论文生成，AI4S正在从"科学家的超级工具"向"自主的科学探索者"演进。尽管目前的自主AI科学家仍局限于特定子领域，但其展现出的多智能体协作和长程规划能力，指明了未来科学研究的形态。多尺度建模与物理约束的深度融合 从量子尺度（电子结构）到原子尺度（分子动力学）到介观尺度再到宏观尺度，AI正在打通不同层次的模拟。用机器学习力场（MACE）替代DFT，可将分子动力学加速数千倍；用粗粒化模型桥接原子尺度和介观尺度；用神经网络求解器替代传统有限元方法。同时，将守恒律、对称性、热力学约束直接编码进网络架构（如等变神经网络、哈密顿神经网络、物理信息神经网络），是确保AI4S可靠性的关键方向。结语 回到开篇的疑问：百度FM-Agent、AlphaEvolve、AlphaProof、AlphaFold，它们是同一种东西吗？ 答案已经清晰。它们不是同一种技术，而是人类在面对"如何探索无限复杂的科学空间"这一终极问题时，所锻造出的不同武器。AlphaFold是敏锐的"眼睛"，一眼看穿序列背后的三维结构；AlphaProof是严谨的"逻辑推演机"，在形式化的迷宫中步步为营；AlphaEvolve和FM-Agent是不知疲倦的"达尔文演化炉"，在试错与变异中逼近最优；RFdiffusion是神奇的"造物画笔"，从虚无的噪声中雕刻出全新的分子；ChemCrow则是全能的"科研助手"，调度众多工具完成复杂任务。 然而，这些武器的边界正在消融。未来的AI4S系统，必然是一个集大成者：用大语言模型进行高维度的假设规划（智能体），用进化搜索在方案空间中进行迭代（搜索），用图神经网络进行毫秒级的性质筛选（监督预测），用扩散模型生成具体的分子结构（生成），最后用形式化工具或自动化实验室进行一锤定音的验证。 科学发现的历史，就是人类不断扩展自身认知边界的历史。AI4S并没有改变科学方法论的本质——提出假设、实验验证、归纳理论；它改变的，是这一过程的速度、规模和维度。AI不是科学家的替代者，而是人类理性的外延。在这个硅基与碳基智慧交融的新纪元，我们正站在一个前所未有的科学大爆发时代的门槛上。

群贤毕至燕京地，基因整合启新章。2026年中国抗癌协会肿瘤基因诊断学术大会(CACA-CGD)将于9月11日-13日在北京隆重召开（点击了解详情）。 本次大会由中国抗癌协会肿瘤基因诊断专业委员会、整合实验诊断委员会、肿瘤病理专业委员会、遗传性肿瘤专业委员会联合主办，中国医学科学院肿瘤医院承办。会议将始终秉持“整合基因数据，服务医疗健康”的核心理念，立足北京作为全国科技创新中心的资源优势，进一步深化基因组数据挖掘与多学科融合应用，加速基因诊断技术的临床转化与标准化进程，积极响应国家“健康中国2030”战略部署，推动肿瘤防治水平贡献智慧与力量。 本次大会将广邀全国肿瘤基因诊断及相关领域的专家学者，汇聚基础医学、分子病理、检验医学、遗传咨询及生物信息学等多个学科力量，特设开幕式名家讲坛及十余个主题分论坛，全面展示肿瘤基因诊断领域的最新研究突破与临床实践经验。同时，大会将继续为青年学者和研究生搭建交流思想、展示成果的平台，助力新一代科研力量的成长与腾飞。 长城脚下聚英才，基因论道启新程！金秋九月，诚邀您莅临北京，共赴学术盛宴，激荡创新智慧，携手擘画肿瘤基因诊断更加辉煌的未来! MedScience青年科学家前沿论坛 当前，肿瘤基因诊断正以前所未有的深度与广度重塑临床实践。随着多组学技术的日臻成熟、大数据与人工智能的深度融合，我们正迎来从分子解析到临床干预的全面跃升。在这一变革浪潮中，青年科学家作为最具创新活力与突破精神的先锋力量，正日益成为驱动学科发展的核心引擎。与此同时，由中国工程院主办的高水平英文学术期刊MedScience，始终聚焦医学前沿领域，致力于为青年学者搭建学术交流与成果展示的高端平台。 为激发青年创新潜能、加速前沿成果转化，9月12日下午，由中国医学科学院肿瘤医院周光飚教授和中国医学科学院肿瘤医院李文斌教授共同担任论坛主席的“MedScience青年科学家前沿论坛” 将在北京昆泰嘉晟酒店举办。 青年强则学科强，青年新则未来新。MedScience青年科学家前沿论坛不仅是一场学术交流的盛会，更是青年力量在肿瘤基因诊断领域从“生力军”迈向“主力军”的重要见证。让我们共同期待青年学者们以锐意创新的勇气和扎实深厚的学识，在基因诊断的广阔天地中书写属于新一代的精彩篇章！ 论坛日程安排 论坛专家介绍 主席专家简介 周光飚  教授 医学博士，博士研究生导师，中国医学科学院北京协和医学院长聘教授，中国医学科学院肿瘤医院分子肿瘤学国家重点实验室教授、副主任，国家青A基金获得者，政府特殊津贴专家，被评为北京市育人先锋及中国医学科学院北京协和医学院院校教书育人先锋。2009年起任中国工程院院刊Frontiers of Medicine杂志执行副主编。主要研究肺癌的发生机理及中药抗肿瘤药理，首次揭示空气污染相关基因组损伤特征，阐明烟霾暴露引起机体慢性炎症、代谢异常、免疫逃逸的致癌机制。发现mRNA剪接异常是小细胞肺癌的新特征，发现首个小细胞肺癌高频、获得功能性癌基因变异。在Adv Sci, Blood, Cell Discovery, EBioMedicine, eLife, J Natl Cancer Inst, Nat Commun, Proc Natl Acad Sci U S A, Science, Sci Transl Med, Signal Transduct Target Ther等杂志发表论文150篇，被引用10000余次，部分论文被F1000、Biocentury推荐，入选2022/2023/2024/2025年度美国斯坦福大学发布的“全球前2%科学家榜单”或“终身科学影响力”榜单。撰写的《关于减轻空气污染污染，切实保障国民健康的建议》被国家有关部门采用，助力提升空气质量。 李文斌  教授 国家癌症中心/中国医学科学院肿瘤医院病理科研究员，北京市杰青，北京市科技新星。长期从事以多组学数据体系为基础的肿瘤分子分型和精准诊疗工作。担任中华医学会病理学分会分子病理学组副组长，中国抗癌协会遗传性肿瘤专委会副主任委员，中国抗癌协会肿瘤病理专委会常委兼秘书长，中国工程院院刊MedScience优秀青年编委。以第一/通讯作者在Science Advances, JTO, Protein&Cell等期刊发表50余篇。主持国家科技重大专项、国家自然科学基金委专项项目、面上项目等国家和省部级项目13项。牵头/执笔分子病理国际/国内指南、共识10部。获得北京市科学技术进步奖二等奖、中国抗癌协会科技奖二等奖等。 致辞专家简介 （按致辞顺序） 严晓昱  编辑部主任 上海交通大学医学院附属瑞金医院，复旦大学公共卫生管理学博士，中国工程院MedScience期刊编辑部主任，中国卫生信息与健康医疗大数据学会慢病防治与管理专业委员会委员。中国工程院全球工程前沿战略研究项目中，负责医药卫生领域年度研究前沿和开发前沿挖掘与研判，持续跟进医药卫生领域科技发展趋势，推动前沿成果在期刊的发表与传播。以第一作者在Lancet Haematology等发表论文。 莫结胜  首席编辑 高等教育出版社科技期刊中心首席编辑/副编审，MedScience (原Frontiers of Medicine）责任编辑，始终关注学术前沿，精研出版业务，重视宣传推广，全力提升期刊质量和影响力。曾获首届科技期刊青年编辑业务大赛优秀奖、 “中国科技期刊卓越行动计划”优秀编辑。为“中国科技期刊国际影响力提升计划”C类项目和B类项目负责人，以及“中国科技期刊卓越行动计划二期”英文梯队期刊项目负责人。发表编辑与出版领域文章十余篇。曾在英国皇家化学学会进修国际学术出版一年。担任Frontiers of Medicine责任编辑以来，期刊先后被SCI、中国科技核心期刊、CSCD核心库、CAS数据库等收录，在2025年期刊分区表医学大类中的医学—综合与内科小类、医学—研究与实验小类和肿瘤学小类中位于2区。 报告专家简介 （按报告顺序） 曾红梅  教授 国家癌症中心/中国医学科学院肿瘤医院肿瘤登记办公室副主任，北京协和医学院博士生导师。国家“万人计划”青年拔尖人才，国际肿瘤登记协会亚洲区执委，“全球前2%顶尖科学家“，H指数71，总被引5.8万次。南京医科大学本科，北京大学耶鲁大学联合培养博士，哈佛大学访问学者，一作/通讯论文发表Lancet及子刊6篇/BMJ/Nature Cancer/GUT等。成果列入WHO政策指南依据，支撑《“健康中国2030”规划纲要》。获中国抗癌协会青年科学家奖，亚太肝癌专家协会青年研究者奖，Science Bulletin编委、eClinicalMedicine专家委员会委员，北京协和医学院本科生课程《科研思维与实践早接触》创立者及负责人。 严  健  教授 香港城市大学生物医学系PI，兼西安交通大学第一附属医院教授、博士生导师。本科就读于清华大学，瑞典卡罗林斯卡学院获得博士学位，美国加州大学圣地亚哥分校博士后。现任中国细胞生物学学会染色质分会委员、中国工程学会青年工作委员、陕西省细胞生物学学会理事。并兼任Pathology Research, National Defense Science & Technology, Life Research期刊编委。研究方向为肿瘤转录调控，聚焦肿瘤遗传及表观遗传研究领域。以通讯作者身份在Nature, Cell, Nature Methods, Molecular Cell等学术期刊发表40多篇高水平论文，总引用超8500次，单篇平均引用超200次，并主持海外高层次人才等多项国家及省部级科学基金项目。 刘明洋  教授 研究员，课题组长，博士生导师，分子肿瘤学全国重点实验室主任助理，国家海外优青，北京市杰青，协和杰出人才。以第一或通讯作者在Cancer Cell (两篇), Gastroenterology (五篇), JCI, Clinical Cancer Research, Cancer Research杂志发表文章。主持国自然基金重大研究计划专项，国自然面上项目，北京市青年基金重点项目。Cancer Letters高级编委，Pancreas, Pancreatology副主编，多次获得国际胰腺学会、美国胰腺学会的杰出青年科学家奖。中国抗癌协会第二届青年理事会理事, 中国抗癌协会环境肿瘤学专委会常委，中国医疗保健促进会胰腺病学分会常委, 国际肝胆胰协会中国分会胰腺肿瘤专业常委。 谭  云  教授 上海交通大学医学院附属瑞金医院博士生导师，组学与疾病全国重点实验室PI，长期围绕恶性造血与异常应激造血中的关键调控网络开展系统研究，相关成果以第一作者或通讯作者（含共同），发表于Nature(2020, 2024), Blood(2021, 2022), Signal Transduction and Targeted Therapy(2021, 2025, 2026), Nature Communications(2022, 2025)等国际重要期刊。承担国家重大科技专项子课题、国家自然科学基金青年项目和面上项目、上海市科委原创探索项目等科研任务，并入选国家高层次青年人才计划、上海科技青年35人引领计划、上海市东方英才计划、上海市科技启明星计划、上海交通大学医学院“双百人”计划等人才项目。 栾晓东  教授 中国医学科学院北京协和医学院准长聘助理教授，研究员，中国医学科学院北京协和医院罕见病医学中心PI，转化医学国家重大科技基础设施药物研发与平台主任，北京协和医院冷冻电镜中心、中医药研发中心负责人，Science Bulletin, MedScience等杂志编委，以第一作者/通讯作者（含共同）在Science, Nature, PNAS等杂志发表SCI论文20余篇，总被引2000余次，3篇论文被Faculty of 1000推荐评论，3篇论文入选ESI高被引论文（Highly Cited Paper, Top 1%）。曾获得北京市科学技术进步一等奖。研究成果瑞入选2020年中科院“率先行动”计划第一阶段重大科技成果。成果被蛋白质结构数据库（ProteinData Bank, PDB）选为2020年9月的明星分子（September Molecule of the Month）。 王鹏程  教授 北京医学会北京大学第三医院，基础医学研究中心，胃肠肿瘤医+X协同创新北京市重点实验室骨干，持续聚焦肠道菌群对宿主的代谢调控，挖掘宿主内源性鞘脂神经酰胺代谢干预策略。近年以第一作者（含共同）发表Science, Cell Metab., Adv Sci., Angewandte Chemie, ACS Nano, Acta Pharm Sin B.(2022, 2024)等，主持太空人体专项计划，国家自然科学青年基金，北京市自然科学面上基金，重点研发项目课题骨干，北医三院院内人才重点支持基金，获得2022年中国博士后创新人才支持计划（“博新”），2023年获北京市自然科学一等奖（排名第5）。任TransMed, Science bulletin期刊青年编委。 丁陈波  教授 重庆医科大学-免疫与疾病研究院特聘教授，博士生导师，东南大学&耶鲁大学联合培养博士，先后在上海交通大学医学院担任博士后研究员、助理研究员和副研究员。主要从事消化系统免疫调控相关研究，以第一作者和通讯作者（含共同）在Nature Aging, Cellular & Molecular Immunology, PNAS、Science Advances等国际权威学术期刊发表20篇论文。主持/参与国家重点研发计划重点专项、国家自然科学基金重点专项、重庆市技术创新与应用发展专项重大项目、重庆市自然科学基金重点项目等十余项。兼任Cancer Cell International杂志副主编、MedScience杂志首届青年编委，Science Advances, Nature Communications, Advanced Science, Journal of Experimental & Clinical Cancer Research, Cellular and Molecular Life Sciences等国际期刊评审专家。 主持专家简介 （按主持顺序） 薛  婧  教授 肿瘤系统医学全国重点实验室，上海交通大学医学院-仁济医院，上海交通大学医学院及肿瘤系统医学全国重点实验室研究员，博导，国家优青。团队聚焦胰腺疾病，重点围绕表观遗传调控和肿瘤微环境重塑等领域，探索疾病发生发展的病理机制与潜在干预策略，以通讯作者身份于Cancer Cell, Gut (2026, 2024, 2020)，Adv Sci (2024, 2023), Cell Rep Med等国际权威期刊发表论文30余篇。主持多项国家级及省部级科研项目，包括国家自然科学基金优秀青年科学基金、科技部重大专项课题，以及上海市东方学者、青年拔尖等人才项目。荣获华夏青年医学科技奖、上海医学科技奖一等奖 (第二完成人)、以及美国胰腺协会青年学者奖等荣誉。目前现任中国医师协会胰腺病专业委员会委员、中国临床肿瘤学会胰腺癌专业委员会委员、中国生理学会基质生物学分会委员等学术职务。 方文峰  教授 中山大学附属肿瘤医院主任医师、教授、中肿国家重点实验室PI、博士研究生导师。国家高层次人才项目青年人才； 广东省特支计划百千万工程青年拔尖人才；广东省杰出青年医学人才；广州市珠江科技新星。CSCO非小细胞肺癌专业委员会委员；CSCO鼻咽癌专业委员会委员；中国抗癌协会非小细胞肺癌专业委员会常委；广东省抗癌协会鼻咽癌专业青年委员会副主任委员；广东省医学会精准医学与分子诊断专业委员会副主任委员；广东省临床医学会真实世界临床研究专业委员会副主任委员。研究方向为肺癌及鼻咽癌的靶向治疗及免疫治疗的临床及转化研究。主要课题为主持国家重大研发计划（子课题）、国自然（6项）。代表论著有NEJM, JAMA, BMJ, Nature Medicine（2篇）, Cancer Cell, JCO, Lancet Oncology（2篇，2021，2018）。 胡  争  教授 武汉大学中南医院妇儿医院副院长，妇科肿瘤科主任，教授，博士生导师。国家科技部重大专项首席科学家（原973计划），国家中组部“万人计划”青年拔尖人才，国家自然科学基金——国际（地区）合作与交流（NSFC-BRICS国际组织）项目牵头科学家。主持承担包括国家重点研发项目（首席科学家）、国家自然科学基金多国合作项目在内的多项国家级课题。研究领域为HPV相关宫颈癌的靶向防治。在HPV病毒感染宫颈癌的分子分型确定、宫颈癌原创性早筛早诊技术开发、分子剪辑技术逆转宫颈癌前病变、开发新型CRISPR基因编辑工具、建立药物阴道递送体系等方面取得了多项具有国际影响力的创新性成果。主要研究成果以通讯作者发表SCI论文50+篇，10分以上论文>20篇，总影响因子>500分, 包括BMJ, JCI, Nature Genetics, Med, Cell Genomics, Science Advances, Nucleic Acids Research, Nature Communications, Advanced Science和Small等，授权发明专利7项。荣获2019年度全国妇幼健康科学技术奖一等奖及2020年度中华医学科技奖一等奖。学术兼职包括中国研究型医院病毒肿瘤学会副主任委员、湖北省医师协会妇产科医师分会副主任委员和中国妇幼健康研究会妇产科精准医疗专业委员会委员。 鞠怀强  教授 中山大学附属肿瘤医院，研究员，课题组长（PI）。研究方向为癌周脂肪与抗肿瘤免疫。首次揭示了癌周脂肪组织内的基质-免疫细胞图谱变化及调控机制，定义了肿瘤邻域脂肪环境在抗肿瘤免疫中的重要性，为癌周伴有脂肪的肿瘤免疫治疗增效提供新策略。以最后通讯作者在Nat Cell Biol (2026a, 2026b), Cell Res (2026), Gut (2025, 2023) , Cancer Res (2026、2023)等期刊发表SCI论文16余篇；受邀在Cell Metab (2026), Trend Phamocol Sci (2024) , Cell Mol Immunol (2026) 撰写综述；连续三年入选爱思唯尔（Elsevier）“中国高被引学者”榜单。 时  雨  教授 医学博士，陆军军医大学全军临床病理学研究所主任医师、教授，兼任中华医学会病理学分会科研工作委员会副组长、中国抗癌协会青年理事和肿瘤转移专委会常务委员、中国神经科学学会神经肿瘤分会常务委员。从事神经系统疾病的临床病理诊断和脑胶质瘤免疫微环境研究，主持国家自然科学基金青年科学基金项目(B类)、国家重点研发计划青年科学家项目等10项国家和省部级课题。以第一或通讯作者（含共同）在Cancer Cell（2025、2024）, Cell Research（2021a, 2021b）, Nature Communications（2023, 2022）等发表论文22篇，他引4000余次，i10-index=53。担任SCI杂志Modern Pathology等编委。授权国家发明专利10件。获中国抗癌协会青年科学家奖。 王  存  教授 上海交通大学医学院附属仁济医院-上海市肿瘤研究所研究员、博士生导师。2012年毕业于复旦大学上海医学院，获得生物化学与分子生物学专业博士学位；2012年7月进入上海市肿瘤研究所-肿瘤系统医学全国重点实验室工作。近年来先后主持国家自然科学基金7项，作为团队负责人主持教育部中央高校优秀青年团队培育项目。近年来在Nature, Cancer Cell（2024, 2026）, Developmental Cell, PNAS, Gastroenterology和Gut等学术期刊发表论文四十余篇，从多维度探索肝癌治疗新策略。受邀为Cell、Cancer Cell和Nature Reviews等期刊撰写综述和评述。目前担任Cellular Oncology杂志主编（Springer Nature集团，JCR一区）。 徐  淼  教授 教授、研究员。中山大学肿瘤防治中心、华南恶性肿瘤防治全国重点实验室PI。研究方向为EB病毒高危亚型和鼻咽癌防控。主持国家自然科学基金优青、重大研究计划、国家重点研发计划青年科学家等项目，担任国际EB病毒协会理事、获中国抗癌协会青年科学家奖。主要研究成果发表于Nature, Cancer Cell, Nat Genet, PNAS, Natl Sci Rev等期刊。获得国家自然科学二等奖（排名4/5）、教育部高校自然科学一等奖（排名2/7）、广东省自然科学一等奖（排名2/9）、2019年中国医药生物技术十大进展。 （论坛持续更新中） MedScience青年科学家前沿论坛 邀您共赴学术盛宴 参会注册指南 （点击图片了解详情） 长按二维码注册并缴费 想了解更多肿瘤基因诊断的前沿进展？欢迎持续关注2026中国抗癌协会肿瘤基因诊断学术大会（2026CACA-CGD）动态，与临床专家、科研工作者共同探讨精准诊疗的未来！ （点击了解大会详情） 扫码了解大会官网 大会官网：https://2026gene.sciconf.cn 往届精彩回顾 2025年回顾（点击了解详情） 2024年回顾（点击了解详情） 2023年回顾（点击了解详情） 点击“阅读原文”进入会议微官网

2026年9月4日-5日，第八届CMC-CHINA中国制药工业博览会（CMC药博会）同期举办中国制药工业全产业链生态大会，大会涵盖医药监管政策、生产、质量、制剂研发（吸入、透皮、固体、眼用、注射剂、植入剂、冻干等）、立项、出海、中药、原料药、批文交易、项目合作等30+论坛。 中国制药工业全产业链生态大会--覆盖制药工业全链条，专注解决企业“找”的痛点，打造资源配置的战略高地。 9月苏州见！ 微信扫码报名免费参会 线下洽谈批文、项目合作商机 药厂转让       （下滑查看更多） 药企转让 1. 河南中药药企转让 企业概况：河南焦作在产中药生产企业，区位优越、交通便利。拥有丸剂、颗粒剂、口服液、片剂、糖浆剂、散剂等完整剂型生产线及配套中药提取车间，生产与检验设备齐全，资质齐全、团队完备、经营正常，具备规模化生产能力。批文概况：持有一个常用药品批准文号。 2. 江西中药药企转让 企业概况：江西在产药企，区位交通便利，完成多轮 GMP 改造并通过新版 GMP 认证，厂区及洁净区配套完善，生产、检验、仓储设施齐全。组织架构完整，专业技术团队配置合理，员工均持证上岗，具备成熟的生产运营与质量管理能力。批文概况：持有 3 个药品批准文号，涵盖消化、心脑、维矿类品种。 3. 山东药厂转让 企业概况：公司 200 亩生产基地，已获 GMP 认证。公司配备专业生产与质量团队，保障全流程规范化运营。批文概况：具有国内领先的中药前处理、提取及多剂型生产线，涵盖 6 大剂型 20 多个产品（含 OTC、医保、基药品种）。 4. 广东药厂转让 企业概况：广东江门的高新技术药企，集研产销于一体，布局大湾区，生产、研发、仓储设施配套齐全，拥有多剂型生产线及中药提取车间，历经多次 GMP 认证。专业技术人员占比超 60%，资质齐全、管理体系完善，营销网络覆盖全国，兼具研发实力与产业化能力。批文概况：持有 27 个国药准字批准文号，含 8 个新药，4 个为全国独家的双专利产品，品种覆盖呼吸、心血管、妇科、泌尿等领域。 5. 吉林药厂转让 企业概况：厂区配套齐全，设中药提取、固体制剂、原料药等多车间及完整配套设施，涵盖 4 个剂型。现有员工配备合理，专业技术职称人员齐全；近三年斩获省高新技术企业、专精特新中小企业等多项荣誉，纳税信用良好。批文概况：持有 39 个药品批准文号、36 个品种，含 3 个独家品种，拥 2 项国家一类新药、1 项国家专利。 6. 上海 CRO 转让 企业概况：制药垂直开发，目前拥有研发团队 30 多人，通过 4 次美国 FDA 的检查。拥有通过 FDA 认证的分析实验室和公斤级车间。批文概况：拥有多个 API 的 DMF 文件和多个制剂产品的技术包。多个 API 已投入商业化生产。2 个定制研发 ANDA 已经申报 USFDA。 7.河南化药厂转让 企业概况：位于焦作市城乡一体化示范区，区位优越、交通便捷；拥有化药相关剂型生产线，配套生产与检验设备，设备产能可观；具备完善的药品质量管理体系，持有合法药品生产资质；注册资本、厂区面积及建筑面积规模适中，生产经营状态正常，专业技术人员配置完备，产值表现良好。 批文概况：持有5个化药药品老文号，涵盖解热镇痛、感冒、止咳类等常用化药品种。 8.安徽化工厂转让 一、企业资质国家级高新技术企业，获市级技术创新示范企业、市级企业技术中心认证，拥有 26 项国家专利（含多项实现工业化生产的研究），参与 9 个产品行业标准制定，组建市级吡啶化合新材料工程技术研究中心。 二、核心业务与产品专注精细化学品生产，主打医药中间体、农药中间体及特色定制化学品，以吡啶、烟酸系列为核心，覆盖 2 - 氨基吡啶、苯丙酮等多类产品，可定制克级至吨级产品，部分产品为行业标准主要起草单位相关品类。 三、合作与技术支撑与高校开展产学研合作，研发团队由教授、博士带头，技术创新能力强，曾获国家专项科技基金、县级科技进步奖。 四、生产场地有 5 座甲类标准车间及 500 平方米加氢车间，配备专门安全管理机构与人员。 9.重庆GSP公司 批零一体，三千平仓库，海南药厂转让：厂区占地约50 亩，有4000万营收，有利润，带10个批文，化药中药均有 10.山东药厂转让 企业概况：公司位于山东蓬莱经济开发区，公司曾为中西药结合的制药企业，拥有一定规模的厂区与生产设施，后因相关原因处于停产状态。 批文与产品线：公司曾持有 29 个药品生产批文，覆盖片剂、颗粒剂、胶囊剂、散剂、糖浆剂、口服液、合剂七大剂型。产品以中成药为主、化药为辅，涵盖心脑血管、补血安神、清热镇痛、止咳化痰、跌打损伤、消炎补钙等多个治疗领域，曾拥有独家剂型及市场前景良好的特色化药品种 11.吉林盈利化药制剂厂 企业经营稳定，年均营收 5000-6000 万元，年纯利润 300-500 万元，公司股权清晰干净，无债权纠纷。具备全套成熟生产车间与完整药品管线，现有稳定销售渠道，接手就能持续投产运营，整体转让报价 1.6 亿元。12.江苏注射剂药企 深耕医药行业五十余年，坐落省级医药产业园，总占地百亩，预留土地可后期扩产。拥有 71 个药品批准文号，覆盖大容量输液、治疗注射剂、中西口服溶液等品类，全线通过 GMP 认证，配套高标准化验室，核心生产质量团队从业十余年，运营十分稳定。企业持有优质银行原始股权，多款新药将于 2026-2027 年依次获批，同时提供租赁、自建两套中药前处理车间建设方案，支持整体股权转让或深度产业合作。13.安徽中型中药饮片厂 标准化 GMP 厂区建筑面积 7000㎡，车间、仓库、办公楼配套齐全，生产线全年正常投产。企业年均销售额 3500-4000 万元，稳定年利润约 600 万元，无任何负债、股权无纠纷，企业创始人因年龄偏大全额出让股权，整体转让价格 3200 万元，收购后无需额外整改，可直接投产经营。14.吉林多剂型OTC 固体制剂药企 厂区占地四万余平，配套片剂、胶囊、颗粒、丸剂、口服液体多条 GMP 合规生产线，持有 30 余个 OTC 药品批文，全国销售渠道成熟。企业年均销售规模近 9000 万，核心儿科单品年销售额可达 6000 万，每年稳定上缴千万利税，资产架构简单清晰。合作模式灵活，可整体转让、参股或控股，全盘收购报价 1.2 亿元（不含自有品牌）。14.新疆现代化中药饮片企业 2019 年成立合规饮片生产企业，入驻本地工业园区，厂区配套标准化生产车间、办公楼与全套质检设备，规划年产饮片 2000 吨。生产、质量负责人均持有执业药师资质，行业从业经验充足；自建 30 亩中药材示范种植园，打通药材种植、加工、销售全产业链，适合布局西北中药赛道，可洽谈股权出让或深度合作。15.安徽中药饮片企业 省内高新技术、专精特新饮片企业，划分普通饮片、毒性饮片两大独立 GMP 车间，年总产能 5600 吨，全套专业生产设备配齐。2022 至 2024 年营收稳定在 1.7 亿 - 2.4 亿区间，年利税近 2000 万，企业各类行业资质齐全，供应链成熟、现金流稳定，适合饮片企业扩张并购，可洽谈部分或全部股权转让。16.安徽原料药& 中间体生产基地 落户国家级化工园区，占地 144 亩全新原料药厂区，配备氢化、氧化专用反应设备，配套 DCS 自动化中控、D 级洁净区、大型仓储、污水处理、RTO 废气处理全套环保设施，合规生产。企业研发实力雄厚，主攻缓控释、长效注射、难溶药物工艺，落地 60 余个过评制剂、20 套成熟原料药工艺，持有正规药品生产许可证，可整体股权转让或长期代工合作。17.广西中成药高新药企 由老牌国营药厂改制而来，占地 61.58 亩，搭建中药提取、软胶囊、保健酒、食用植物油多条独立 GMP 产线。核心妇科无糖颗粒为全国独家剂型，录入国家基药、医保目录，单品营收占企业总收入 55% 以上，在售中西药、保健食品、酒类合计 50 余个品种，获评农业产业化龙头、高新技术企业，企业整体估值 1.5 亿元，可全盘股权转让。18.海南综合制剂药企 省内核心医药产业园厂区，占地 56 亩，建成 16 条全品类 GMP 生产线，覆盖粉针、冻干粉、片剂、胶囊、颗粒等主流剂型，手握 214 个药品批件、22 份新药证书，包含 2 款一类创新药，另有 1 类生物新药处于临床阶段。企业年营收区间 2 亿 - 4.4 亿，年稳定利润 2000 万 - 4000 万，自有成熟临床销售渠道，土地厂房自持，整体股权转让估值 3 亿以上。19.辽宁医药制剂技术研发企业 省内高新技术研发公司，无实体生产厂区，持有 8 项授权专利（含 4 项发明专利）。搭建难溶药物增溶、透皮制剂、苦味中药掩味、宠物驱虫四大核心技术平台，可承接人用药、兽药、保健品制剂研发、工艺优化与技术转让，服务药企案例丰富，整套专利、研发团队可打包合作转让。 B证公司转让 1.四川B证公司转让 有几个注射剂批文 ，体系人员都在 2.杭州的B证公司转让 有一个化药品种已获批，B证体系和人员均在，2024年经过飞行检查均通过；参与部分股份也可，收购也可 3.海南B证公司 公司目前只注册申报了一个外用制剂产品，CDE审评后需要发补一些一些东西 4.广东空B证 什么都没有 5.四川空B证 什么都没有 6.安徽省B证公司转让 带三个片剂老批文 7.江西B证 带1.复合磷酸氢钾注射液（规格:5ml∶磷酸二氢钾1.12g和磷酸氢二钾(按K₂HPO₄计)1.18g）； 2.氯化钾注射（规格1：10ml:1.5g;规格2：20ml:3.0g）; 3.硫酸镁注射液（规格：10ml:5g）B证加三个产品（四个生产批件） PS:独立股权无债务，有实验室，有人员。 8.河北B证欲转让  产品是：特布他林吸入性溶液 特布他林批件已经拿到，正在这次1~8批集采续标中；B证上还有一个在研的首仿大品种，大概2月底3月初上报CDE（市场在销的这个独家品种，医保甲类，年销售额大概在4亿左右）。 9.山西B证 有二个获批文号（均已经正常生产）有三个已经申报了的项目，有一个权益类资产（就是当时以工厂名誉申报的，文号获批后没转回来，现在销售着，按销售额获益）。有实验室，有仪器设备，有技术部，质量部，警戒部，生产部。正常经营。 10.安徽B证 头孢氨苄胶囊两个规格0.125g和0.25g头孢拉定胶囊0.25g肌苷注射液2ml：0.1g 盐酸小檗碱片四环素片0.25g，肌苷片0.2g-500万 11. 黑龙江B证公司转让 12.哈尔滨B证转让 带一个钙制剂文号 13.昆明B证公司 带2个品种（牛黄解毒片和复方丹参片）产品三年前做过恢复生产，暂无销售。人员齐全，正产经营. 14.湖北B证公司转让 带5个注射剂 15. 四川B证公司 16. 虎林市B证公司低价转让 带一个灰黄霉素片老文号 17. 昆明B证公司 带2个品种（牛黄解毒片和复方丹参片）产品三年前做过恢复生产，暂无销售。人员齐全，正产经营，售价300万 18.湖北B证 正常经营，体系健全，独立股权。人员团队总公司带走，无负担空转。 19.广东中山的B证公司 20.安徽b证公司转出 21.浙江B证公司 不带批文空转 体系完善 人员不跟 22.北京市B 证企业 质量体系完善、运行良好，有已上市化学药品，也有几个研发品种，合作方式灵活，整体打包、单项转让或者注资控股都可以，有意向可以详聊；在产品种有过评的也有近两年获批的，但都是仿制药，剂型包括冻干粉针剂和片剂，在研的以片剂、胶囊为主23、山西B证研发药企 持有 B 证、完善质量警戒体系，4 个药品文号含集采中标品种；自有实验室在研 3 仿制药 + 1 一致性评价项目，为省市高新创新企业，拥有多项专利商标。BE 已完成，正在办理证照增项，预计 9 月申报，验证批 15000 支委托代工。 24.广东B证公司 持完整药品 B 证转让，配套成熟 5% 米诺地尔搽剂品种，产品现已正常生产、稳定市场销售，自带成熟生发赛道渠道，可直接接手运营。 25. 江苏B证 江苏南通B证公司，带一个品种 如需约见各药企负责人/科研院所代表，可前往报名小程序-1V1约见系统查看： 一、趋势与战略篇 周期底部的新信号：哪些品种已率先触底反弹？ 从“周期化工股”到“创新产业链”标的：转型的路径与代价 “强者恒强”时代已来：中小企业的生存空间在哪里？ “十五五”开局之年的政策风向：从环保合规到产业扶持 二、创新赛道篇 GLP-1与小核酸：原料药企业的“第二增长曲线”如何兑现？ 专利悬崖窗口开启：特色原料药的增量空间有多大？ ADC、多肽、小核酸：新兴分子类型对原料药企业意味着什么？ 三、绿色与智能技术篇 连续流+酶催化：绿色制造从概念到商业化的距离 AI重塑原料药研发：噱头还是真功夫？ 环保压力下的成本博弈：绿色投入如何转化为竞争力 四、市场与出海篇 出海“结构性黄金期”：谁在风口，谁在裸泳？ 美国232调查与欧盟关键药物法案：贸易壁垒下的生存法则 印度崛起：竞争对手还是合作伙伴？ “一带一路”新兴市场：原料药出口的下一个增长极 扫码报名 拟定话题 供应链韧性重构 监管合规前沿 绿色制造与成本革命 特色原料药出海 采购战略升级 资本整合机遇 新兴市场拓展 产品布局 扫码报名 9月4日  AM ◈ 09:30-09:50 嘉宾行程确认中 ◈ 09:50-10:10 绿色智造驱动新药APl:从分子设计到商业化生产的CMC迭代革命 马建国 维亚生物  高级副总裁 ◈ 10:10-10:30 基于人工智能的药物生产工艺优化：降低生产成本与绿色高效双重策略 雷皇书 重庆飞因科生物科技有限公司董事长/总经理 ◈ 10:30-10:40 发布仪式 ◈ 10:40-11:00 项目路演  ◈ 11:00-12:30 逛展交流 9月4日  PM ◈ 12:30-12:50 医化危险工艺项目中试如何破局 钟庆华 浙江微智源能源技术有限公司  工艺技术总监 ◈ 12:50-13:10 Recent Advance for Chemoenzymatic Synthesis 陶军华 苏州汉酶生物技术有限公司 CSO ◈ 13:10-13:30 非天然氨基酸的酶法合成技术 竺伟 尚科生物医药（上海） 有限公司  CEO/首席科学家 ◈ 13:30-13:50 生物分离分析材料前瞻性研究进展 欧俊杰 西北大学 教授 ◈ 13:50-14:00 项目路演 暨《2026年中国原料药行业发展白皮书》发布 ◈ 14:00-15:00 逛展交流 ◈ 15:00-15:20 原料药的“智”变：智能制造+生物合成 王宜运 新华制药研究院副院长 ◈ 15:20-15:40 嘉宾行程确认中 ◈ 15:40-16:00 嘉宾行程确认中 ◈ 16:00-16:20 绿色化学工艺技术的工业化应用 嘉宾行程确认中 ◈ 16:20-16:40 制药行业有机废水治理与资源化技术 嘉宾行程确认中 9月5日  AM ◈ 09:30-09:50 话题确认中 钟为慧 浙江工业大学 教授 ◈ 09:50-10:10 嘉宾行程确认中 ◈ 10:10-10:30 嘉宾行程确认中 ◈ 10:30-10:40 嘉宾行程确认中 ◈ 10:40-11:00 项目路演  ◈ 11:00-13:00 逛展交流 9月5日  PM ◈ 13:00-13:20 微反应器连续加氢和氧化技术促进医药产业高质量发展 张吉松 清华大学化工系 副教授 ◈ 13:20-13:40 连续制造—原料药先进制造的转型实践 陈均尉 浙江昌海制药有限公司 副总经理/高级工程师 ◈ 13:40-14:00 药物分子多步流动合成 刘晨光 福州大学化学学院 研究员 ◈ 14:00-15:00 逛展交流 ◈ 15:00-15:30 高活性产品的遏制策略与绿色制造 陈小彬 浙江海正药业股份有限公司 验证总监 ◈ 15:30-16:00 基于超限制造的抗肿瘤药物连续合成及制剂纳米化 朱维平  华东理工大学教授 ◈ 16:00-16:30 多肽制造的第二曲线 苏贤斌 南京工业大学 教授 扫码报名 09:30-09:50 改良型新药行业现状与发展趋势分析 丁恩峰 高级工程师、资深 GMP、药政法规和制药技术专家 09:50-10:10 从上市案例剖析2.1~2.4类新药开发 齐宜广 贝美研发(深圳)有限公司 总经理 10:10-10:30 缓释微球制剂在改良新药开发中的应用案例 许平 辉粒药业（苏州）有限公司董事长 10:30-10:50 改良新药优质项目发布 10:50-11:30 圆桌论坛：改良新药立项‑审评‑医保‑商业化全链路实战研讨 1.立项选品逻辑：临床价值优先，如何跳出同质化内卷 2.审评尺度变化：CDE 对改良新药的评价边界与常见开发踩坑复盘 3.改良新药如何满足医保的价值评估要求？ 4.改良新药差异化商业化怎么做，如何实现真正放量？ 11:30-12:30 午餐 12:30-12:50 多款改良新药被毙！改良新药审评核心逻辑探讨 夏燕 百花村医药集团副总经理，江苏礼华生物技术有限公司 董事长 12:50-13:10 口溶膜技术创新与临床及产业应用潜力分析 陈芳 医药先进制造国家工程研究中心研究员 13:10-13:30 纳米胶束技术在改良型新药研发中的应用 陈再新 江苏百奥信康医药科技有限公司董事长/创始人 13:30-13:50 改良新药：在政策夹缝中寻找和构建确定性 刘超 山东百诺医药股份有限公司技术营销中心副总经理兼市场部总监 13:50-14:10 新型溶出方法在复杂制剂研发中的应用 段云剑 深圳市华溶分析仪器有限公司技术总监 14:10-14:30 改良新药优质项目发布 14:30-15:30 逛展交流 15:30-15:50 高壁垒复杂改良新药创新的底层逻辑及实现路径—以盐酸纳曲酮植入剂为例 曲伟 深圳善康医药首席技术官 15:50-16:10 新型微球制备方法介绍 沈丹 安拓思纳米技术（苏州）有限公司复杂制剂中心主任 16:10-16:30 改良型眼科制剂的研发 孙勇 青岛大学教授 16:30-16:50 基于多酚寡聚化开发创新药物制剂 王永军 沈阳药科大学教授 扫码报名 09:30-09:50 大集采趋势下仿制药的选择思考 张廷杰 风云药谈创始人 09:50-10:10 国内外新形势对改良型新药立项和布局的影响（拟） 刘东舟  华东医药股份有限公司首席科学官、创新药全球研发中心总经理、德国Heidelberg Pharma AG公司 CEO 10:10-10:30 仿制药企业的战略布局与产品线规划（拟） 焦培想 南京华威医药科技集团有限公司总经理 10:30-10:50 优质项目发布 10:50-11:30 工业药企立项决策“Battle”赛 许松青 广州特一海力药业有限公司副董事长 陈正晧 安徽省先锋制药有限公司董事长 辩题1.当前药企管线布局，应优先立项改良型新药，而非 1 类全新创新药 辩题2.仅优化剂型、提升用药依从性（无显著疗效 / 安全性提升）的改良新药，不具备立项价值 辩题3.2026 医保分层定价背景下，改良新药立项必须以 “可进医保” 为核心评估标准 辩题4.复方改良新药立项，1+1＞2 协同获益是唯一可行立项逻辑，单纯叠加两种老药无研发意义 辩题5.中小企业应放弃复杂缓控释 / 脂质体高端改良，聚焦低成本简单剂型改良立项 辩题6.改良新药立项评估，专利布局优先级高于临床获益论证 辩题7.海外 505 (b)(2) 改良新药同步引进，优于本土自主改良立项 11:30-13:30 午餐 13:30-14:00 从国内集采到FDA获批的立项出路——立生医药BFS无菌制造全球化突围 李君宁 立生医药创始人兼首席执行官 14:00-14:30 从商业价值角度分析改良型新药立项（拟） 郑忠辉 山东新华制药首席科学家 14:30-14:50 基于临床需求的改良型新药立项策略与实施案例 江波 浙江大学医学院附属第二医院临床药理中心副主任、临床试验机构办公室副主任、I期临床研究室负责人 14:50-15:10 改良型新药差异立项思考及关键技术（拟） 吴小涛 南京济群医药总经理 15:10-15:30 改良型新药中的陷阱与风险预判（拟） 吴四清 湖南九维生物医药有限公司 创始人&董事长 15:30-16:00 新形势下中药新药立项策略 赵刚 健民集团研究院院长 扫码报名 9月4日上午 塑透皮制剂下一个增长点 ◈ 09:30-10:00 改良型透皮制剂30年开发经验：从处方开发到临床获批的关键节点复盘 全丹毅 江苏集萃新型药物制剂技术研究所所长 ◈ 10:00-10:20 从器械视角看药械结合经皮给药——法规路径、技术平台与产业化机遇 隋婧 云南白药集团 中央研究院新材料技术部总监 ◈ 10:20-10:40 创新递送趋势下的透皮制剂开发策略 赵江琼 赫力昂(中国)消费保健公司，新产品开发负责人 ◈ 10:40-11:00 优质项目/批文发布 ◈ 11:00-12:30 逛展交流 9月4日下午 破透皮制剂产业化之格局 ◈ 12:30-12:50 透皮贴剂研发策略与实践 汤秀珍 上海复耀医药科技有限公司总经理 ◈ 12:50-13:10 布局明天--微针递送的低垂果实 卢迪 中科微针(北京)科技有限公司研究院院长 ◈ 13:10-13:30 黑膏药生产设备的创新实践、标准协同与未来路径探讨 史坤雪 中德华胜（上海）制药设备有限公司 ◈ 13:30-13:40    贵州省中药透皮相关产业政策梳理与解读（拟）    李玉岩    亚宝药业 ◈ 13:40-14:00 优质项目/批文发布 ◈ 14:00-15:00 逛展交流 ◈ 15:00-15:20 透皮制剂的开发价值：案例分享 徐璧雄 鑫稳生物医药科技有限公司CSO ◈ 15:20-15:40 先进经皮制剂的研发和质量实践 吴昀 北京泰德制药股份有限公司创新制剂部总监 ◈ 15:40-16:30 圆桌论坛： 创新品种不足——透皮制剂的企业如何破局？ 新政密集落地，透皮制剂的研发门槛是升了还是降了？ 在“热门赛道内卷”与“新兴赛道培育”之间，企业应如何选择布局方向？ 9月5日上午 立透皮制剂临床之根本 ◈ 09:30-9:50 基于临床视角的中药外用制剂基础和应用研究 朱全刚 同济大学附属皮肤病医院主任药师 ◈ 09:50-10:10 话题确认中 欧阳冬生   中南大学湘雅医院临床药理研究所教授/博士生导师；长沙都正生物科技股份有限公司董事长/总裁 ◈ 10:10-10:30    以丙酸氟替卡松乳膏为例，浅述透皮制剂临床开发的关键细节 刘冠 武汉市肺科医院 ◈ 10:30-10:50    外用制剂的非临床研究关注点及案例分析    嘉宾行程确认中 ◈ 10:50-11:00 基于先进透皮技术的干燥性皮肤管理新策略 由永生  北京麦可贝生物技术有限公司投资人 ◈ 11:00-13:30 逛展交流 9月5日下午 论透皮制剂质量之关键 ◈ 13:30-14:05 IVPT皮肤模型的处理与质量控制 吕慧侠 中国药科大学教授 ◈ 14:05-14:40 透皮半固体制剂开发策略、质量研究探讨 王咏 浙江仙琚制药制剂研究院院长 ◈ 14:40-15:15 经皮给药制剂质量研究与发补案例分析 杨永健 上海市食品药品检验研究院原首席专家 ◈ 15:15-15:50 改良型皮肤制剂的临床研究考量与评价路径 郑恒  国家药品审评中心专家, 湖北省药监局核查专家，华中科技大学同济医学院附属同济医院教授 扫码报名 9月4日上午 · 破局市场，谋吸入之新篇 09:30-09:50 吸入给药的过去与未来（拟） 万亚坤  洛启生物董事长 09:50-10:10 吸入制剂通则部分解读 张启明  中国食品药品检定研究院主任药师 10:10-10:30 集采常态化·创新破局：重构吸入制剂产业新周期 王 愔  聚米数创医疗总经理、中国国际经济技术合作促进会标准化工作委员会团体标准编制专家 10:30-10:50 鼻腔给药及其改良型制剂研发 嘉宾确认行程中 10:50-11:10 吸入气雾剂与粉雾剂的技术狂欢：装置、工艺与规模化生产的系统思考 石磊  上海亿索科技有限责任公司董事长兼CEO 11:10-11:30 优质项目/批文发布 9月4日下午 · 攻坚生产，克吸入之瓶颈 13:00-13:20 吸入制剂的研发现状及应对策略 余小磊  美迪西 制剂部分析助理主任 13:20-13:45 全身性吸入制剂的开发 李晓东  浙江悉娜医药有限公司董事长 13:45-14:10 储库式吸入粉雾剂开发难点及对策（拟） 史楷岐  易合医药创始人兼CEO 14:10-14:30 优质项目/批文发布 14:30-15:30 逛展交流 15:30-15:50 10年磨一剑：噻托溴铵吸入粉雾剂成功获批经验分享孙迎基  京卫制药研究院院长 15:50-16:30 圆桌论坛： 当前吸入制剂产业链中最脆弱的环节在哪里？ 中美欧对吸入制剂的审评差异在哪里？ 未来5年，全球吸入制剂的产能布局会发生怎样的变化？ 9月5日上午 · 循证临床，研吸入之设计 09:30-09:55 吸入制剂以及装置在临床上的研究应用 叶晓芬  复旦大学附属中山医院副主任药师 09:55-10:20 智能化系统如何颠覆吸入给药依从性 肖大伟  南京高新医院I期临床试验部主任，主任药师 10:20-10:40 吸入制剂非临床研究的一般考虑与挑战 刘学武  湖南普瑞玛药物研究中心有限公司总经理助理/药物评价部负责人 10:40-11:05 鼻脑给药制剂创新与体内外相关性研究丁  杨  中国药科大学教授 11:05-11:30 吸入制剂体外评价关键技术及应用 徐玉文  山东省食品药品检验研究院 化学药品室主任 11:30-13:30 逛展交流 9月5日下午 · 深析法规，通吸入之路径 13:30-14:00 靶向肺内递送，粉雾吸入制剂带来IPF治疗新方向陈永奇  珠海瑞思普利医药科技有限公司董事长兼首席科学家 14:00-14:30 FDA对口鼻吸入制剂豁免比较临床重点研究的法规审评途径 奚 泉  上海医药工业研究院制剂团队负责人（PI）/研究员 14:30-15:00 最新FDA/EMA吸入制剂申报法规技术要求与监管 沈丹蕾  吸入药物递送协会主席；中国颗粒学会吸入颗粒专业委员会副主任委员 15:00-15:30 逛展交药械组合产品(口鼻吸入制剂)国内外审评审批与创新 佟振博  东南大学 教授 15:30-16:00 吸入制剂美国实战分享 朱 昺  润生药业有限公司首席科学官 扫码报名 9月4日上午 眼用制剂专场 09:30-09:50 眼内注射溶液开发及质量控制 罗祖秀 成都康弘药业总经理 09:50-10:10 滴眼液无菌制剂全生命周期控制与合规实践 朱样根 江西珍视明药业有限公司原副总经理 10:10-10:30 眼用制剂与次级包材相容性研究及申报策略 付沛林 沈阳兴齐眼药股份有限公司资深研究员 10:30-10:50 无菌滴眼剂质控痛点：可见异物、包材迁移杂质控制策略 王殿阔 欧普康视科技股份有限公司（药品）企业负责人兼无菌产品中心总监 10:50-11:10 眼科药物非临床评价策略及挑战 曾贵荣 湖南普瑞玛药物研究中心有限公司副总经理/研究员 11:10-11:30 优质项目发布 11:30-13:00 午餐 9月4日下午 冻干制剂专场 13:00-13:30 《无菌药品附录征求意见稿》关于洁净区的确认和监测的应用探讨 魏佳鸣 上海市食品药品包装材料测试所主任 13:30-14:00 冻干蛋白药物产业化开发与无菌生产策略 TBD 14:00-15:00 逛展交流 15:00-15:20 从研发到生产：冻干工艺放大设备差异与工艺转移实践 杨春生 博士 上海药明生物技术有限公司制剂开发主任 15:20-15:40 冻干制品的配方和工艺开发流程设计控制要点 北京星昊医药股份有限公司 15:40-16:00 冻干制品的配方和工艺开发流程设计控制要点 康瑜 冻干制剂资深专家 扫码报名 9月5日上午 复杂注射剂大会 09:30-09:50 无菌附录升版在即，无菌企业监管关注要点及典型缺陷分析 黄庆 正大天晴顺欣药业副总经理 09:50-10:10 化药注射剂研究思考和一致性评价探讨 王立江 石家庄四药集团药物研究院常务副院长 10:10-10:30 复杂注射剂（脂质体、乳剂）的开发策略与产业化实践 张宁 石药集团中奇制药技术（石家庄）有限公司高级工程师  10:30-10:50 注射剂处方工艺开发和研究难点分析（拟） 广州艾奇西医药科技有限公司 10:50-11:10 复杂制剂工程化放大挑战与GMP转化关键技术应用 陈俊彰 凯莱英医药集团（天津）股份有限公司制剂部首席科学家 11:10-11:30 项目路演 11:30-13:30 午餐 9月5日下午 复杂注射剂大会 13:30-13:50 靶向性白蛋白纳米药物研究及应用 TBD 13:50-14:10 原位凝胶制剂开发及临床策略方案 TBD 14:10-14:30 纳米晶长效注射剂开发挑战与机遇 TBD 14:30-14:50 长效微球研发及产业化技术难点剖析 吕丕平 上药第一生化药物研究所所长 14:50-15:10 注射剂IND审评经验分享 陈继平 某医药外企法规事务专家，原国家药品审评中心审评员 15:10-15:30 注射类药械组合产品开发的机遇与挑战（拟） 杨丰云 甘李药业股份有限公司制剂开发总监 扫码报名 09:30--10:00 十五五规划对医药产业发展影响分析 王宗敏 江苏省药品监督管理局原处长、一级调研员 10:00-10:20 我国药品监管法律制度的改革与探索 高惠君  上海市食品药品安全研究会副会长、教授级高级工程师（正高级） 10:20-10:40 我国药品集采制度特征与展望 毛宗福 武汉大学全球健康研究中心主任 10:40-11:00 医保支付方式改革下的医院精细化管理支持创新准入 宣建伟  中山大学药学院医药经济研究所所长、教授 11:00-12:30 逛展交流 12:30-13:00 基于持续鼓励创新的药品注册分类管理优化研究 刁媛媛  海思科 资深注册总监、亦弘商学院 《基于持续鼓励创新的药品注册分类管理优化研究》课题执笔人 13:00-13:20 药品注册时间管理课题研究汇报 吕玉真  上海知桥行医药咨询有限公司 CEO 13:20-13:40 欧盟注册申报全路径规划与实操要点 嘉宾确认行程中 13:40-14:00 药品国际化路径的持有及准入制度与质量体系管理要求 冯翠容  德恩（广州）认证咨询有限公司副总经理 14:00-15:00 逛展交流 15:00-15:20 药品委托/受托生产监管现状 王老师  员原浙江省药监专家，国家GMP检查员 15:20-15:40 药品上市后药学变更的全球同步递交与批准优化研究 吴正宇   诺和诺德（上海）医药贸易有限公司法规事务副总监、亦弘商学院研究员 15:40-16:00 新规赋能·合规提速—药品快速落地与上市后变更实战解析 高峰连云港润众制药有限公司 16:00-16:20 药品注册核查时重点关注内容 姜莉  原江苏省药监局南京检查分局二级调研员 扫码报名 09:30-09:50 全球药品注册法规与注册解读（拟） 孟晓峰 九州通医药集团国际业务高级合伙人、湖北科思通医药董事长 09:50-10:10 中国仿制药与改良型新药的差异化出海路径 赵冰 GMep Medical Technology GmbH 德国吉麦医药有限公司 COO 10:10-10:30 制剂出海:中欧临床试验质量体系差异、运营及核查经验分享 华益药业科技（安徽）有限公司 10:30-11:10 圆桌论坛：多元管线全链路出海：跨境 BD 合规与价值提升实践（拟） 蔡婧姝 复星医药全球战略投资部总经理 苑字飞 甘李药业股份有限公司副总经理兼首席技术官，甘李山东公司董事 阎水忠 再鼎医药全球研发首席运营官 1.中小药企改良管线出海困局：单一品种如何提升海外合作议价权 2.欧美、东南亚不同监管的申报要求，如何降低 BD 合作合规成本 3.CDMO 一体化出海:从 API定制开发到商业化供应全链条合作 4.原料药企业链接海外 Biotech/Pharma 的 BD 渠道搭建方法 11:10-11:30 优质项目发布 11:30-13:30 午餐 13:30-13:50 合规为先，渠道致远：非洲区域监管政策解析与分销渠道布局策略 李文胜 人福医药非洲板块创始人、董事长 13:50-14:10 FDA Regulatory CMC Review and Inspections for Biological Products 裘志浩 14:10-14:30 美国注射剂仿制药市场解构与实践 李跃 南京健友生化制药股份有限公司国际化负责人 14:30-14:50 老牌药企如何用数智与创新出海再造增长引擎（拟） 扬子江药业集团 14:50-15:10 中东地区医药市场格局及入市策略 严荔 HIKMA亚太区BD负责人 15:10-15:30 中国药企出海进化：License-out1.0→多元化全球布局2.0 姒亭佑 BC Asset Management CEO、约印医疗基金顾问委员会主席 15:30-15:50 新国际环境下，改良新药出海的应对策略 孙鹤 原美国FDA主审官、上海交大海南国际医学中心数智医学研究院副院长 15:50-16:10 天然物与中药获批 US FDA 化学药 / 生物药产品的可行路径浅析  窦金辉 美国FDA原资深审批专家、香港浸会大学中药创新研发中心、北京振东光明研究院，天然药物注册事务和监管科学顾问 扫码报名 9月4日上午 ◈ 09:30-09:55 固体制剂研发立项与产业化的实战思考 郝贵周 鲁南制药科研部部长 ◈ 09:55-10:15 中药智能制造数智化落地路径：工厂数字化转型与实验室 LMIS 信息化实践及案例分析 姚磊岳   教授、翰林航宇（天津）实业有限公司外聘专家 ◈ 10:15-10:40 口服固体制剂发补案例解析 叶海英  中江苏正大丰海制药有限公司药物研究院副院长 ◈ 10:40-11:00 优质项目路演 ◈ 11:00-12:00 午餐 9月4日下午 ◈ 12:30-13:00 全链质控·智造未来——中药固体制剂全产业链质量体系的构建 姚建标 浙江康恩贝制药股份有限公司研发中心副总、正高级工程师 ◈ 13:00-13:20 喷雾干燥在难溶性固体分散体中的应用 徐翠花 无锡市联合德艺制药设备有限公司创始人 ◈ 13:20-13:40 缓控释制剂处方工艺设计要点 李想 广州玻思韬控释药业有限公司制剂&生产执行总监 ◈ 13:40-14:00 UV 激光刻字机在包衣片和胶囊的使用技术特点及市场前景 吴宏伟 上海荃拿贸易有限公司总经理 ◈ 14:00-15:00 逛展交流 ◈ 15:00-15:25 固体口服制剂肠溶包衣技术 张玉 峰肽药业产品工艺开发生产和供应高级总监 ◈ 15:25-15:50 固体制剂连续制造的关键技术突破与落地挑战 李文龙 天津中医药大学研究员、博士生导师 ◈ 15:50-16:15 3D打印技术如何重构固体制剂生产工艺 邓飞黄 南京三迭纪医药科技有限公司技术副总裁 ◈ 16:15-16:40 固体制剂国际化注册策略与案例 丁恩峰 高级工程师、资深 GMP、药政法规和制药技术专家 扫码报名 9月5日 ◈ 09:30-09:50 LNP中辅助磷脂的构效关系 孙春萌 中国药科大学药学院药剂系教授，中国药学会药用辅料专委会委员，中国药品监督管理研究会药品辅料与包材监管研究专委会委员 ◈ 09:50-10:10 从标准化到定制化：药用辅料赋能差异化制剂研发的新模式 嘉宾行程确认中 ◈ 10:10-10:30 高风险药品包装形式发展状况和要求 俞辉 浙江省药品食品包装药用辅料行业协会，主任药师、秘书长 ◈ 10:30-10:50 环糊精在难溶性药物制剂研发中的应用 赵雁 药物制剂国家工程研究中心研究员 ◈ 10:50-11:00 优质项目路演 ◈ 11:00-12:30 逛展交流 ◈ 12:30-12:50 新形势下的药用辅料检测技术升级与质量提升 王蓉佳 上海市食品药品包装材料测试所 药用辅料室主任/正高级工程师 ◈ 12:50-13:10 药用辅料的国产化替代与实践 周星 上海新菲尔生物制药工程技术有限公司 技术主管 ◈ 13:10-13:30 良药如何不苦口？天然植物甜源在医药抑苦中的创新应用 李亚萍 山东奔月生物科技股份有限公司  食品应用研发工程师 ◈ 13:30-14:00 辅料的非临床性评价 胡晓敏 主任药师 原国家药品监督管理局药品审评中心高级审评员 ◈ 14:00-14:30 全球监管协同背景下的药用辅料合规策略-从法规符合到国际竞争力提升 王粟明 亚什兰（中国）, 亚太区法规事务总监，国际药用辅料协会（IPEC中国区）副会长和行业分委会会长 ◈ 14:30-15:00 2026年我国药用辅料登记与关联审评情况 李银博 悉咨医药 创办人 ◈ 15:00-15:30 商业化GMP厂房设计、建设关键要点分析及相关法规解读 许文铂 上海丹瑞 厂长 ◈ 15:30-16:00 药用辅料供应商变更的评价策略及风险管理 鄢启平 知名跨国制药企业高级经理 扫码报名 9月4日上午 ◈ 09:30-09:50 驾驭AI变革浪潮，重塑医药企业核心竞争力 马骏 原上海君实生物医药科技股份有限公司副总经理 ◈ 09:50-10:10 生物医药数字产业链与AI智造变革实践 侯钧 扬子江药业集团信息中心负责人 ◈ 10:10-10:40 数字化与人工智能赋能的药品制造与监管科学 李克臣 康龙化成副总经理 ◈ 10:40-11:00 展商路演 ◈ 11:00-12:00 午餐 9月4日下午 ◈ 12:30-13:00 多肽商业化生产考量，从原液到制剂 张振民 上海仁会生物制药股份有限公司高级生产总监 ◈ 13:00-13:20 冻干生产：从合规到卓越 王顺强 浙江天元生物药业有限公司生产副总经理 ◈ 13:20-13:40 透皮给药制剂的生产工艺设计和质量控制 岳洋 鑫稳生物医药科技有限公司副总经理、生产负责人 ◈ 13:40-14:00 固体制剂管道化、连续化生产实战经验分享 周宏 江西康恩贝中药有限公司生产总监 ◈ 14:00-15:00 逛展交流 ◈ 15:00-15:20 《制药用空调净化系统检查指南》中洁净暖通系统图的剖析 欧阳健 原无锡药明生物工程部高级主任 ◈ 15:20-15:40 药企设备设施运维的底层逻辑探讨 倪坚宏 原上海勃林格殷格翰药业有限公司首席工程师 ◈ 15:40-16:00 纯化水及注射用水系统设计 姚玉成 正大天晴药业集团股份有限公司资深工艺设计专家 ◈ 16:00-16:20 关于生物药企厂房设备设施的节能顶层设计 江涛 科兴生物制药股份有限公司设备与安全模块负责人 ◈ 16:20-16:40 制药领域动力公用工程系统的规划与设计要点 嘉宾行程确认中 扫码报名 09:30-10:00 药品管理法背景下的药品委托生产监管改革 唐民皓 上海市食品药品安全研究会 创会会长 首席研究员 10:00-10:20 委托生产技术转移风险控制重点及案例分析 蔡晔 先声药业有限公司质量总监 10:20-10:40 药品委托生产现场检查与飞行检查应对 嘉宾行程确认中 10:40-11:00 话题确认中 黄跃东 常州四药制药有限公司首席审计官 11:00-11:20 大型制药集团多生产场地管理：合规与实践 许建辰 诺和诺德质量合规副总监 11:20-11:40 项目路演 11:40-13:30 逛展交流 13:30-14:00 大型制药集团多生产场地管理：合规与实践 张艳 贝达药业股份有限公司质量总监 14:00-14:20 欧盟GMP合规体系构建与数据完整性实践 嘉宾行程确认中 14:20-14:40 进口药品境外生产现场核查案例分享 路佳特 和铂医药质量总监 14:40-15:00 生物制品上市后生产数据追溯与管理 贺彦超 上海正大天晴质量负责人/质量受权人 15:00-15:20 新形势下制药企业如何做好委托生产和受托生产管理 牛萍 上海可立特技术有限公司创始人、总经理 15:20-15:40 国内CMO对接日本MAH委托生产GMP合规流程大拆解 杨冠宇 中国大冢制药有限公司质量受权人、药物警戒负责人 15:40-16:00 无菌生产合规：APS最差条件设计与失败根因调查 郑重 诺和诺德(中国)制药有限公司无菌灌装专家 扫码报名 9月4日上午 宠物医药政策发展论坛 09:30-09:50 宠物药注册法规解读和研发方向分析 董义春 中国兽药协会秘书长/原中监所首席评审员 09:50-10:10 宠物药发展趋势和方向 冀伟 海正动保总经理 10:10-10:30 全球宠物药创新趋势与中国市场的战略机遇 祝兴林 杭州和泽动保科技有限公司总经理 10:30-10:50 全球宠物药产业的投资逻辑与细分赛道热点研判（拟） 王骁 中信农业产业基金投研部副总裁 10:50-11:10 商业化赋能宠物创新药产业协同共建 阮林高 上海汉维生物医药科技有限公司首席科学家 11:10-11:30 《2026年中国宠物药行业发展白皮书》发布 11:30-13:00 逛展交流 演讲咨询：包老师 16657151608（微信同号） 9月4日下午 宠物医药研发与产业化论坛 13:00-13:25 临床需求导向的宠物新药研发策略与落地实践 朱成强 南京朗博特动物药业有限公司创始人、CEO 13:25-13:50 以终为始：基于“黏膜免疫平台”的宠物疫苗自主创新与产业化破局 包磊 艾益动物药品集团医学市场总监 13:50-14:10 新动物药立项与研发方向探讨 刘学明 联邦生物宠物药事业部总监 14:10-14:30 优质宠物医药项目路演 14:30-15:30 逛展交流 15:30-16:00 全球驱虫药研发迭代方向与长效制剂技术趋势（拟） 嘉宾行程确认中 16:00-17:00 圆桌环节：全产业链共话——中国宠物药的下一个黄金十年 部分拟定议题： 1.在全球宠物药巨头林立的背景下，中国企业应如何找准差异化竞争点？ 2.在驱虫药、疫苗等成熟领域，国产替代的下一程是什么？ 3.如何在慢病创新药、基因治疗等新赛道上实现领跑？ 4.面对原料价格波动、法规变化等不确定因素，上下游企业应如何通过战略合作、信息共享，打造一个有韧性的产业生态？ 9月5日上午 人转宠实践与宠物医药前沿技术论坛 09:30-09:50 人用生物药转宠物药的机遇与挑战 王硕 北京鼎持生物技术有限公司高级研究员 09:50-10:10 人药产线适配宠物药生产的合规与成本控制 嘉宾行程确认中 10:10-10:30 下一代基因治疗在宠物疾病和抗衰方面的前景和展望 魏继业 惟佑基因生物董事长、CEO 10:30-10:50 AI驱动宠物药研发：从实验室到临床的产业化实践 魏文娟 智宠制药(苏州)有限公司首席执行官 10:50-11:30 圆桌环节：从“人”到“宠”——跨界药企如何避免“水土不服” 部分拟定议题 1.“人药体系标准做兽药”是否构成真正的竞争壁垒？ 2.人药企业带着成熟的研发体系进入宠物药领域，哪些可以“平移”，哪些必须“重做”？ 3.宠物药的适口性、剂型设计、给药方式与人药截然不同——研发思维如何完成“切换”？ 11:30-13:00 逛展交流 演讲咨询：包老师 16657151608（微信同号） 9月5日下午 宠物药渠道增长与产业生态论坛 13:00-13:20 从单体到连锁看宠物医药需求的演变 林雨松 天津市乖乖宠物医院有限公司创始人兼董事长 13:20-13:40 即时零售场景下的宠物药品的消费趋势洞察 佟文博 深圳市哆乐创新科技有限公司创始人、CEO 13:40-14:00 销售模式--宠物药销售渠道与推广落地分析 刘小林 三禧生物董事长 14:00-15:00 逛展交流 15:00-15:30 早期宠物医疗产业投资的机遇和挑战 史立明 勤智宠乐基金合伙人 15:30-16:00 中美宠物药品监管框架差异与国内动保企业出海合规路径 刘婷婷 上海市锦天城律师事务所合伙人律师 16:00-16:30 中国宠物药出海的路径选择与实践思考（拟） 嘉宾行程确认中 扫码报名 9月4日上午 实验室质量管理与数据合规 ◈ 09:30-09:50 药品安全性检验项目设置及其关注点 史清水 江苏省药品监督检验研究院原副院长 ◈ 09:50-10:10 创新药品检验"数智化实验室"探索 邱潇 上海市药品检验研究院副院长 ◈ 10:10-10:30 药品实验室数据可靠性保障与风险防控 嘉宾行程确认中 ◈ 10:30-10:50 实验室质量管理体系的风险管理 赵旭伟 扬子江药业集团有限公司质量控制部部长 ◈ 10:50-11:10 电子数据风险管理 刘伟强 原上海市食品药品监督管理局认证审评中心GMP副部长 ◈ 11:10-11:30 项目路演 ◈ 11:30-13:00 午餐 9月4日下午 理化分析技术与质量评价 ◈ 13:00-13:20 基于Q3理念的外用制剂微观结构解析与质量评价研究 徐玉文 山东省食品药品检验研究院化学药品室主任 ◈ 13:20-13:40 ADC 药物的质量研究和控制策略 徐影 上海皓元医药股份有限公司分析总监 ◈ 13:40-14:00 体外生物活性方法开发、验证与应用 邢万才 甘李药业股份有限公司分析开发部总监 ◈ 14:00-14:30 项目路演 ◈ 14:30-15:30 逛展交流 ◈ 15:30-15:50 药物强降解研究的目的与开展合理强降解研究的策略 李敏 深圳倍泽生物医药有限公司创始人/首席科学家 ◈ 15:50-16:10 药品分析方法验证、确认和转移概念解析 嘉宾行程确认中 ◈ 16:10-16:30 药品检验中的风险识别与控制 嘉宾行程确认中 9月5日上午 杂质谱研究与药典标准 ◈ 09:30-09:50 杂质谱分析与杂质鉴定及控制策略 杨伟峰 原浙江省食品药品检验研究院化药所副所长 ◈ 09:50-10:10 液相色谱-电雾式检测器(CAD)及其在化学药品杂质发现和控制中的应用 王建 浙江省食品药品检验研究院二级主任药师 ◈ 10:10-10:30 话题确认中 ◈ 10:30-10:50 药品质控中手性异构体杂质方法学研究策略 钱婷婷 大赛璐药物手性技术(上海) 首席技术顾问 ◈ 10:50-11:10 元素杂质风险评估的案例分析 杨永健 上海市食品药品检验研究院原首席专家 ◈ 11:10-11:30 项目路演 ◈ 11:30-13:00 午餐 9月5日下午 微生物质控体系与检测技术 ◈ 13:00-13:20 药品微生物快速检测技术指导原则的研究 杨倩 天津市药品检验研究院化学室主任 ◈ 13:20-13:40 药品微生物风险评估的视野和角度 鲍方名 苏州市药品检验检测研究中心副主任药师 ◈ 13:40-14:00 谈谈药典中的"四个并列" 张启明 中国食品药品检定研究院主任药师 ◈ 14:00-15:00 逛展交流 ◈ 15:00-15:20 药品微生物分析方法的建立与评价 嘉宾行程确认中 ◈ 15:20-15:40 药品稳定性试验原则及常见问题分析 嘉宾行程确认中 ◈ 15:40-16:00 生产企业质量控制实验室问题分析及控制策略 嘉宾行程确认中 扫码报名 ◈ 14:00-14:30 传统药企转型跨境医药——从资质准入到供应链落地 ◈ 14:30-15:00 打通处方壁垒——'诊疗+交易+支付'一体化生态 ◈ 15:00-15:30 私域破局策略——跨境电商从药品到方案的一体化 ◈ 15:30-16:00 实操案例——跨境药品的操作难点与案例复盘 ◈ 16:00-16:45 圆桌论坛——跨境药进入新时代(合规、渠道、模式) ◈ 16:45-17:00 颁奖仪式：2026年跨境医药领航奖 扫码报名 ◈ 09:00-09:25 从带金到带量，院外处方合规经营的新生存法则 常崇旺 良医集团 首席执行官(CEO)、良医医药医疗产业智慧孵化器 创始人、中国第四军医大学神经外科学专业硕士、博士、医药行业战略分析专家 ◈ 09:25-09:50 实战案例——体重管理与慢病逆转黄金赛道 霍碩彬 世纪信康企业 创始人&CEO ◈ 09:50-10:15 与处方相关的产品，院外DTP处方流转是必经之路 温赞国 瑞康云创始人 ◈ 10:15-10:40 2026年医疗医药领域新政解读一"两高"贪贿司法解释(二)及"医药代表管理办法" 王长江 上海汉联律师事务所 医疗医药事务部主任、企业法务与合规顾问委员会主任 ◈ 10:40-11:05 两高入刑后合规销售的新模式--天网模式 孙亚男 上海杏医云医疗集团总经理 ◈ 11:05-11:45 圆桌论坛：处方流转大势已定，工业企业如何抢抓院外市场红利 对话嘉宾：药企/器械/特医食品企业代表 ◈ 11:45-12:00 颁奖仪式：院外销售女娲奖 扫码报名 9月4日上午 ◈ 09:30-09:50 嘉宾行程确认中 ◈ 09:50-10:10 中医药科研成果转化的思考与实践 元唯安 上海中医药大学附属曙光医院主任医师/副院长 ◈ 10:10-10:30 嘉宾行程确认中 ◈ 10:30-10:50 "三结合"证据体系下创新中药研发实践与思考 何毅 济川药业集团有限公司 副总经理，中药研究院院长 ◈ 10:50-11:10 大湾区医药政策下中成药产品国际化新机遇 麦丽谊 粤港澳大湾区真实世界研究院，国际注册负责人 香港中成药商会，副秘书长 香港药行商会，理监事 ◈ 11:10-11:30 优质项目路演 ◈ 11:30-13:00 逛展交流 9月4日下午 ◈ 13:00-13:20 基于循证医学证据的中药研发布局及出海探索与实践 张敏 梦阳药业股份有限公司 董事长 ◈ 13:20-13:40 中药新药开发实践 陈锋 湖南易能生物医药有限公司 副主任药师/技术总监 ◈ 13:40-14:00 盘活现有中成药的研发思路 石圣洪 成都双石中药科技有限公司 总经理兼技术总监 ◈ 14:00-14:20 优质项目路演:《2026中药行业发展白皮书》发布 ◈ 14:20-15:30 逛展交流 ◈ 15:30-15:50 中药注射剂"689"质量研究 房强强 上海诗丹德标准技术服务有限公司 研发副总监 ◈ 15:50-16:10 面向中药智能制造的"知识-数据"双脑协同多智能体构建关键技术 杜若飞 上海中医药大学 研究员，硕士生导师 ◈ 16:10-16:30 院内制剂和验方新药转化的关键点 詹常森 上海和黄药业有限公司 资深副总裁/正高级工程师 9月5日上午 ◈ 09:30-09:50 中药大品种品牌建设之道 王兆龙 精华制药集团股份有限公司 副院长/高级工程师 ◈ 09:50-10:10 中成药集采政策盘点与解析 许金灿  医药行业政策研究专家/医药营销培训专家、药闻康策创始人/董事长 ◈ 10:10-10:30 破壁·融合·跃升:先进技术驱动中药制粒成本&质量的双重突围 徐鑫源 创志科技高级技术专家 ◈ 10:30-10:50 嘉宾行程确认中 ◈ 10:50-11:10 基于三结合审评证据体系下的新药立项及成果转化策略 鞠建明 江苏省中医药研究院 制剂工程中心主任，教授 ◈ 11:10-11:30 优质项目路演 ◈ 11:30-13:00 逛展交流 9月5日下午 ◈ 13:00-13:20 中药上市后研究的策略与方法 郑飞鸣 太极医药研究院 副院长 ◈ 13:20-13:40 AI在中药新药开发中的进展与未来展望 金锋 马应龙药业集团股份有限公司 健康研究院执行院长 ◈ 13:40-14:00 心血管代谢疾病全程的原创中药新药与大健康产品研发 陈素红 浙江中医药大学中药与健康产品研究院院长、二级研究员、博导 ◈ 14:00-14:20 嘉宾行程确认中 ◈ 14:20-14:40 中药五加皮的鉴别研究 胡浩彬 江苏省药品监督检验研究院 中药室副主任/主任中药师 ◈ 14:40-15:00 中药质量标准的研究与思考 吴婉莹 中国科学院上海药物研究所，中药标准化技术国家工程研究中心 副主任，研究员 ◈ 15:00-15:20 中药注射液再评价研究进展 赵一懿 北京市药品检验研究院  主任药师/中药室副主任 ◈ 15:20-15:40 3.1类古代经典名方复方制剂研发关键技术与申报要点 金红利 中国科学院大连化学物理研究所副研究员 ◈ 15:40-16:00 从"经验制造"到"数据驱动"——中药智能工厂的构建逻辑与实践落地 郭志俊 华润三九医药股份有限公司 资深工程师/副主任药师 扫码报名 ◈ 09:15-09:30 主持人致辞：中国创新药10年之路 司徒阳明 知名医药媒体人 ◈ 09:30-10:15 为什么"卖青苗"——中国创新药研发与出海大潮 骆世忠 岸金生物创始人 药企出海专家 ◈ 10:15-10:30 跨越"死亡之谷"——新药商业化罗盘发布仪式 ◈ 10:30-11:15 新药"价值觉醒"——新药支付规则简析与定价方案 贾建浩 新药营销与药物经济学专家 ◈ 11:15-12:00 拿到"入场券"——新药准入政策解析与差异化策略 陈秋娅 盟科药业政府事务部负责人 ◈ 13:30-13:45 颁奖环节：新药商业化导师 罗盘奖 ◈ 13:45-14:30 遵守"天花板"——新药合规推广体系建设与关键风险点 牛宇龙 六和律所律师 医药合规专家 ◈ 14:30-15:30 重铸"基本功"——新药院内专业化推广系统如何搭建？ 王鹏 趣学术副总 医药专业推广体系构建专家 ◈ 15:30-16:15 分析"患者旅程"——从"产品中心"到"患者中心"的增长引擎 Doris Huang 医药市场战略咨询顾问 & 资深培训讲师 ◈ 16:15-17:00 AI"销售分身"——AI助力超级个体推广提升百倍效能 马云凤 小白鱼AI智能系统联合创始人 扫码报名 ◈ 09:10-09:30 模式解读——选品、维价、控渠道、动销、线上线下融合分形增长 胡双宝 浙江晓溪句章运营合伙人 武汉康百分医药科技有限公司创始人 全域控销星联盟创始人盟主 ◈ 09:30-09:50 案例拆解——市场新规下医药品牌抖音种草的破局之道 黎逸群 广州盛淇文化传媒有限公司MCN内容总经理 ◈ 09:50-10:10 打开格局——全域市场增长的新思维与落地策略 梁志国 重庆科源信医药集团总裁 ◈ 10:10-10:30 从AI问答到线上增量——AI医药学术推广全周期实战 夏凡 北京德开医药科技有限公司 AI智能化中心负责人 ◈ 10:30-10:50 真实世界研究落地与产品商业化上量全流程 胡良军 施维特(武汉)医学科技有限公司市场总监 ◈ 10:50-11:10 重构与共赢：医药院外零售B2B的"破壁"进化论 李锐文 药师帮平台轮值总经理、大客户创新事业部总经理 ◈ 11:10-11:40 圆桌论坛——二次增长，全域控销如何助力药企完成渠道重构？ 扫码报名 商务合作： 王女士 13588474548 周女士 15858667450 张女士 15005862516 周女士  13983785571