“你是谁？”“世界从何而来？”《苏菲的世界》里，14岁少女苏菲收到的神秘来信上，赫然写着这两个问题，一场哲学冒险由此展开。

　　这本书是AI制药企业德睿智药创始人兼CEO牛张明儿时的哲学启蒙。在此后的很长时间里，这位85后的海归博士不断探索自我，希望找到自己来这个世界的使命。

　　2009年，牛张明出国留学，在海外学习工作多年，拿下计算机和生物制药两个硕士学位，会五种编程语言，走过六十多个国家，做过机器学习广告推荐和人工智能应用，还踢过瑞典半职业足球联赛。

　　命运的转折发生在2017年。一位亲人被查出肿瘤，陪诊的牛张明发现，从诊断到治疗方案的选择，所有决策仍压在患者和家属肩上。同期，人工智能已经在互联网、算法推荐等诸多领域大放异彩，但制药领域对AI的应用却仍停留在相对原始阶段。

　　他追问多年的问题也在这一刻有了答案。“这件事对我的触动很大，也让我产生了一种使命感。一方面是觉得生命科学和医药健康与我和家人息息相关，另一方面是发现AI在制药领域的潜力远未被挖掘。”2026年7月，牛张明在接受时代财经专访时表示。

　　牛张明决定聚焦于人工智能与生命科学的交叉领域。2018年，牛张明加入伦敦一家AI医疗初创公司任CTO，并帮助公司在德国主板上市；2019年，他参加

　　时代财经：MDR-001是依托MAP平台研发的，相比传统药物研发，MAP平台在效率和成本上的优势具体是怎样的？

　　牛张明：关于MDR-001，我们的算法平台在临床前阶段仅合成了80多个化合物就成功拿到了PCC分子（临床前候选化合物）。时间上，从项目启动到同时获得中美两国的IND批件，我们只用了19个月；从零开始推进至临床三期，总共耗时4.5年，直接研发投入约2300万美元。

　　如果参照行业内普遍引用的一项经典数据，将一款药物在全球范围内推进至临床三期，其直接成本大约在3.1亿至4亿美元之间，而如果计算分摊成本，一款药物进入到临床三期，需要9.3亿美元。和这个基准相比，我们的投入显然有十几倍的降本幅度。当然，客观来说，如果在美国开展临床试验，费用会比我们目前的高。由于研发阶段、临床区域及成本统计口径不同，这一比较更多用于观察资本效率，不构成严格的同口径成本对照。

　　所谓的“分摊成本”，这个算法考虑了期间所有失败管线的成本。业内估算，如果算上那些中途失败的候选药物，一款药物成功推进至临床三期，平均需要耗费约10亿美元。而我们以不到5000万美元的总投入，不仅推进了GLP-1管线，还同时布局了十余条其他管线。如果用这个数据从广义角度对比的话，整体效率确实提升了十倍乃至几十倍。当然，这只是给大家一种印象，来说明AI确实发挥了实质性作用。

　　其实，从临床前阶段来看，目前AI制药平台普遍可以节省50%～70%的研发成本，并将研发周期缩短50%以上，这项数据是有数十个实际案例支持的。

　　MDR-001的意义不仅在于以较低的直接研发投入推进至Ⅲ期，更在于它为AI能否贯穿分子设计、实验验证及临床开发提供了一个真实药物研发样本。对AI制药行业而言，衡量技术价值的标准正在从模型指标和候选分子数量，转向能否持续产生具有临床与商业价值的药物资产。

　　时代财经：MDR-001未来会开展海外临床吗？商业化策略上是倾向于自建团队，还是与大型药企合作？目前是否有潜在的BD合作方在接触？

　　牛张明：目前MDR-001 III期临床进展顺利，上市申报工作已提上日程。面向全球市场布局是公司长远愿景，公司基于临床数据表现、研发投入预算、各地监管规则及整体发展战略综合统筹，规划海内外临床开发节奏。

　　关于商业化，我们并非采取二选一的策略。更准确地说，我们希望在下一阶段找到销售能力强的大型药企，进行联合销售推广。同时在BD方面，我们也确实在与一些潜在合作方保持接触，这是持续在进行的工作。但MDR-001是一款重磅药物，我们更倾向于自己持有产权并推动其上市。

　　在生物医药的成长链条中，从Biotech到Bio pharma再到Big Pharma，是一条从小鱼到中鱼再到鲨鱼的发展路径。这条路径在美国已有成功先例，比如Vertex Pharmaceuticals（福泰制药），它从一家初创公司起步，历经23年，将第一款年销售额达10亿美元的重磅药物成功推向市场，如今已成长为市值1200亿美元的Big Pharma。这也是我们参考和借鉴的成长模型。因此，对于重点看好且具备重磅潜力的管线，我们会尽力将其推进到商业化阶段。

　　成为原生型AI制药公司

　　时代财经：德睿智药未来的商业模式会是怎样的？您把公司定义为一家Biotech，还是一家AI平台公司？

　　牛张明：德睿智药的愿景是成为一家“AI Native”原生型AI制药公司——从早期研究、临床开发到最终商业化，形成完整闭环。制药行业周期长、协同要求高，传统效率存在明显天花板。随着AI和多智能体技术的成熟，我们希望自己走通整条路径，将中间多个模块逐步AI化，最终构建一个原生型的新型组织架构。

　　在公司早期阶段，我们也做过AI的SaaS（软件即服务）收费和CRO服务，也和全球最大的药企之一合作，提供AI服务和算法模块。但现在我们的战略方向已经非常明确，短期重心完全放在自研核心产品上，核心目标是推动重磅管线完成商业化获批，同时也会考虑BD交易。我们预期，如果这款GLP-1口服药物成功上市，仅中国市场就有潜力实现数十亿的年销售额。

　　整体规划上，早期研发管线要么推进到临床阶段进行BD交易，要么把重磅产品一直推到最终商业化。当现金流更充裕后，我们会利用AI for Science的底层能力，进入生命科学上下游的其他赛道。

　　时代财经：为什么放弃了早期那些收费合作的业务，转而专注自研管线？

　　牛张明：这其实取决于每家公司的商业愿景和战略定位。在生命科学这条赛道上，如果最终目标是成长为一家千亿美金级别的公司，那么从一开始就要想清楚路径，避免在过程中走太多弯路。

　　举个例子，美国有两家公司是在同一时代起步的。一家是我们前面提到的Vertex Pharma，如今市值将近1200亿美元；另一家是Schrdinger（薛定谔），他们走的是计算软件服务的路线，是全球公认最领先的计算化学公司之一，也非常值得尊敬，但到今天它的市值大概只有十几亿美元，而它的许多客户早已成长为市值几百亿甚至几千亿的药企。

　　原因在于，只做技术服务本质上是to B模式，价值有限，且高度依赖客户的付费能力和意愿。更重要的是，做CRO服务需要特定时代的机遇，以药明康德、康龙化成为例，它们是在上一个时代窗口成长起来的。在今天的时间点，我们不太可能再成为下一家药明康德，但我们更有机会成为AI时代的Vertex，或者AI时代的礼来。

　　时代财经：AI制药企业的创始人背景，与传统Biotech创始人相比呈现出明显不同，后者多数是有丰富新药研发经验的海归博士，资历普遍较深；而你们这一代则更多是交叉学科或跨学科背景，且普遍更年轻。您怎么看这种差异？这是否意味着药物研发的新时代正在由新一代人开启？

　　牛张明：我个人觉得倒不是这一代人还是上一代人的原因。人工智能技术的成熟也就是这十年的事。2014年左右，机器学习、深度学习的能力才首次达到人类正常水平。在那之前，这个领域的技术还没有那么成熟。

　　药物研发本身也经历了一代又一代的历史变革。现在大家意识到，随着AI技术的成熟，每家公司都需要AI算法和数据科学，用数据和算法配合专家去推动研发。上一代的Biotech，更多是靠物理和化学的第一性原理，以及计算模拟来驱动。而更早的时候，新药研发甚至往往带有很大的偶然性。所以我们看到的其实是一波又一波新技术的兴起，以及人类愿意拥抱新技术来解决自身问题的过程。

　　传统的新药发现，更多是通过表象和逆向工程去发现药物。但现在我们可以坐在计算机前，通过计算模拟和人工智能来完成这些步骤。我们这些想成为AI Native的制药公司，和过去的制药企业一样，都需要不断拥抱新技术来进化，不管是为了提升效率，还是为了让人类发现更多好药。

　　时代财经：在您看来，AI在药物研发的哪些环节贡献最大？哪些环节仍然离不开人类专家的经验？

　　牛张明：目前大部分环节仍然是人类专家+AI的协作模式，美国业界称之为“human-in-the-loop”。近两年随着大模型和Agent（智能体）的发展，AI已经能辅助完成更复杂的系列任务。比如，在安全有效性预测上，AI有时比专家做得更好，这并不代表AI会取代专家，但它已经成为专家的一个强有力的工具。

　　从我们的实践来看，AI在临床前阶段的贡献最明显，尤其是在安全性和有效性预测等环节上，能帮助我们的科学家在早期排除潜在的毒性或风险信号，不仅是节约成本，还能提高后续临床成功率。

　　现阶段，AI可以胜任数据收集、清洗和整理等繁琐任务，由人工做最终校验，但核心决策环节仍以人类专家为主。药物研发远比下围棋复杂，制药领域的规则和变量非常复杂，所以AI还需进一步迭代。以靶点发现为例，假设生成（Hypothesis Generation）阶段，AI通过文献阅读快速学习，可以辅助科学家完成，但后续的湿实验验证，最终还是需要人类专家决策和实施。

　　时代财经：所以AI目前来说还是辅助工具的存在，还没有到驱动引擎的程度？

　　牛张明：它现在正处于一个临界点，或者说临界点之前。我们已经在某些环节看到了自动化的价值，但端到端的自动化还没有实现。我说的端到端是指从靶点发现到药物上市的全流程。因为制药周期太长了，从临床前到临床往往需要10到15年，后期还有商业化的环节，做药的第一性原理还没有被清晰的定义。而AI在下围棋、下象棋可以实现端到端并且战胜世界冠军，因为围棋和象棋本身就是一个规则（第一性原理）清晰、容易理解，人类五分钟可以学会的事情。

　　虽然制药行业短期内不会实现端到端自动化，不过，在一些小的节点上，这种颠覆性的价值已经体现出来了。比如我们提到的Agent，可以自动去读文献。过去一个专家带一个博士生，可能要花半天时间写一篇综述，现在AI两三分钟就能写出来。虽然目前在准确率上还有些幻觉问题，但在未来1～2年，这会得到大幅改善，我们也在跟国外的基金会合作推进这方面的工作。

　　另外，我们也可以期待，未来同样用10亿美元可能做出5到10款药物，而不是一个更大的团队只能做一款药，还不一定能成功。这是本质上的范式升级。

　　时代财经：未来会是AI主导或把关整个研发流程吗？

　　牛张明：从终局来看，这大概率是可以实现的。就像电动车从L1到L4的自动驾驶一样，技术上未来可以实现全程端到端。但涉及道德风险和安全可控性等问题，这是另一个维度的话题。也许在未来的5年内，理想中的AI制药研发范式就会实现。