中国AI创新药的“DeepSeek时刻”

当结构预测、知识图谱等单项能力逐渐成为AI制药赛道的行业标配后，AI制药公司的竞争焦点正在从有没有一个好模型，转向能否围绕着有竞争力的AI模型打造一套可持续性发展的创新药研发体系。

9月18日，国内头部的AI新药研发企业德睿智药（MindRank）正式发布生命科学基座模型体系Intera，并同步公布InteraFold系列首个模型InteraFold-Chem。

按照德睿智药的定义，Intera覆盖Disease、Mechanism、Medicine和Patient四个层面，试图将疾病理解、机制解析、药物设计和患者研究纳入同一套生命科学模型框架。

目前已经明确的产品序列包括研究分子相互作用的InteraFold、面向分子生成与设计的InteraDesign，以及面向生物学理解的InteraBio。

这一体系设计，体现出了德睿智药对AI制药边界的深刻理解。

过去几年，AI在药物研发中的应用大多沿着单点任务展开：预测蛋白质结构、进行虚拟筛选、生成候选分子，或者预测ADMET性质。这些工具能够改善某一个研发节点，却很难单独改变整个新药研发流程。

真正影响研发效率的，是不同环节之间的信息能否连续传递，最终达到有机的整合。

Intera试图解决的正是这种系统级的整合。

疾病和机制决定靶点，靶点和结构决定分子设计，分子进入实验和临床以后，又会产生新的药理、安全性和患者数据。

如果这些信息能够逐渐被纳入统一的模型体系，AI的价值就有机会从提高某一个环节的效率，延伸到改善整个研发链条的决策质量。

因此，Intera的商业意义首先来自体系化：同一套底层能力可以被更多项目复用，并逐渐覆盖更多药物模态和研发阶段。对于一家同时拥有AI平台和自研管线的公司，这种复用能力直接关系到研发投入能否产生规模效应。

而InteraFold-Chem，则是这套体系最先落地的一块。

InteraFold-Chem解决的问题非常具体：预测一个小分子会在蛋白质靶点的什么位置、以什么样的形式完成结合。

这看似是结构生物学中的一个技术问题，背后对应的却是药物研发中的核心经济问题——如何减少无效试错。

药物化学长期依赖“设计—合成—测试—再设计”的迭代。研究人员需要根据实验结果不断修改分子，每一轮都意味着新的合成、检测和时间成本。结构预测越准确，研发人员就越有可能提前识别合理的结合方式，从而把实验资源集中到更值得验证的分子上。

从公开技术报告看，在按照既定筛选规则形成的445个测试样本中，InteraFold-Chem的结合构象预测成功率达到54.4%，高于本次对照模型中Protenix-v2的48.5%；其配体RMSD中位数为1.426Å，复合物lDDT达到0.924。

在此次测试集、指标体系和参评模型范围内，InteraFold-Chem三项指标均取得最优结果。

如果这种精度能够在真实项目中稳定复现，其价值最终会体现为更少的无效分子、更高质量的设计决策，以及更短的迭代周期。对于创新药研发而言，这些变化最终都会转化为成本的大幅降低和研发周期的显著缩短。

沿着这一思路，InteraFold-Chem更接近Intera体系的第一个落点。德睿智药计划于2026年第四季度推出包括InteraFold-Chem在内的在线服务，InteraFold所承担的角色也将从单一结构预测工具，逐步扩展为服务不同药物模态的结构研究平台。

这样一套基于AI大模型的标准化研发体系，究竟有多大价值，最终的检验标准仍要回到创新药研发本身。

这一点，恰恰构成德睿智药与单纯AI算法供应商的一个重要区别。

过去几年，德睿智药已经成功地把AI能力转化为自有创新药资产。其中进展最快的口服小分子GLP-1受体激动剂MDR-001。

公司披露，该项目从立项到获得IND批件用时19个月，从立项推进至III期临床约4.5年；2026年2月，MOBILE III期研究完成首例受试者给药，计划在国内约50家临床中心入组约750名受试者。

这些在真实管线的研发过程和临床研究中积累的数据，具有公开数据库难以替代的研发价值。

如果能够在合规框架下持续反馈至疾病理解、机制研究和药物设计环节，Intera就可能形成德睿智药所强调的Clinical Data-in-the-Loop——模型参与药物设计，实验和临床验证模型判断，真实研发数据再进入下一轮模型和项目决策，这也构成了Intera具备显著差异化的价值。

这一方向对于创新药行业的长期意义，在于它可能改变AI参与研发的方式。

如果Intera这类模型体系能够在不同靶点、不同药物模态和不同研发阶段持续验证，AI大模型就有机会进一步嵌入创新药研发的核心决策链条，成为连接各类关键研发环节和临床数据的基础设施。

届时，行业竞争的关键，也将从拥有多少单点算法，逐渐转向谁能够将更高质量的数据与更稳定的模型结合，形成具备跨项目复制能力的迭代机制。

AI大模型，也将从曾经的辅助创新药研发的工具性角色，逐渐转变为实质性重构创新药研发流程的核心变量。

信息来源：医药投资部落

!

免责声明

“汇聚南药”公众号所转载文章来源于其他公众号平台，主要目的在于分享行业相关知识，传递当前最新资讯。图片、文章版权均属于原作者所有，如有侵权，请在留言栏及时告知，我们会在24小时内删除相关信息。

本平台不对转载文章的观点负责，文章所包含内容的准确性、可靠性或完整性提供任何明示暗示的保证。 

喜欢的点个“看一看”和"喜欢"吧

不然微信推送规则改变，有可能每天都会错过我们哦~