药物研发长期是「十年十亿美金」的代名词，而 2026 年正在发生的变化是：越来越多机构不再指望单个大模型一次算对，而是把任务拆给一群各司其职的智能体，让它们像医院分科一样并行工作。从 WAIC 上的国产平台到跨国药厂的工业级部署，AI 制药正从论文里的概念，变成一条能跑的生产线。
一、广药×华为：把苗头化合物发现从 12-18 个月压到 1-3 个月
在 2026 WAIC 上，最受关注的国产案例之一是广药集团与华为联合打造的药物研发 AI 智能体平台。该平台已完成概念验证，并入选工信部《人工智能高价值场景应用案例集》，成为国内制药行业唯一入选项目。它采用多智能体协同架构，全栈基于国产化算力（华为昇腾、鲲鹏、OceanStor）构建，覆盖分子生成、实验验证、数据反馈全流程。其核心成果是：将苗头化合物发现周期从传统的 12-18 个月缩短至 1-3 个月，临床前整体研发效率提升一倍以上，药物早期发现成本降低约 70%。平台可支撑每年 5 个以上高价值创新药物管线进入临床。
二、Insilico 与礼来：大药厂的「Agent 工厂」已开工
把视角拉到全球，Insilico Medicine 是这一波最常被引用的样本：其管线已有 28 个药物项目，近半进入临床，首个化合物从靶标识别到一期人体试验仅用不到 30 个月，而行业平均是四到六年。更重量级的信号来自礼来——其与英伟达共建的十亿美元级 AI 实验室，目标是把计算环境与湿实验环境连成一套「持续学习系统」；礼来还与 Insilico 签下最高 27.5 亿美元的研发投入合作。换句话说，头部药厂不再把 AI 当外挂工具，而是把它织进从靶标、分子到临床开发的每一道工序。
三、斯坦福 Virtual Biotech：37000 个 Agent 的「虚拟药企」
学术界给出了更极端的范式。斯坦福学者 James Zou 在 VB Transform 2026 展示的「Virtual Biotech」系统，用数万名专业化 Agent 协作模拟一家生物科技公司的内部结构：有靶标发现、分子设计、临床试验等分部，由一位「首席科学官」Agent 统筹，鼓励 Agent 之间辩论与互相校验。团队一次启动 37000 个 Agent 分析临床试验数据，自主设计出一款靶向 CD276 的抗体药物偶联物，且使用的是 2025 年前的数据；后来默克独立复现并验证了同一设计，还拿到 FDA 突破性疗法认定。多智能体架构在这里展现的不是「算得快」，而是「彼此纠错后更可信」。
四、热潮下的冷静注脚
需要客观看到，AI 发现药物的早期安全数据确实亮眼（部分统计显示一期成功率可达八到九成，远高于历史均值），但二期及之后的优势尚未被充分证明，证据基础仍在累积。对行业而言，Agent 集群真正的价值是把「候选生成」这个瓶颈环节彻底打通，让人类团队把精力投向更难的判断与验证。当算力、国产化底座与多智能体编排同时就位，药物研发的节奏，可能比外界预期的来得更快。