AI制药进入操作系统时代：MoleculeOS如何重构生物研发确定性
在生命科学领域，一个具有标志性意义的转折点正在悄然发生。过去数十年，生物医药研发一直笼罩在“高投入、长周期、高风险”的阴影之下，传统的分子发现模式严重依赖海量筛选与经验试错。然而，随着人工智能技术的深层介入，这一固有格局正在被彻底打破。当AI不再仅仅作为辅助计算的“单点工具”，而是演变为能够统筹全局、自主调度资源的“组织者”时，生物研发便正式步入了一个全新的“操作系统时代”。
近期，分子之心创始人许锦波教授在2026上海国投前沿论坛上，正式面向产业界开放了其自研的AI原生生物经济操作系统——MoleculeOS。这一举措不仅仅是一个软件产品的发布，更释放出一个清晰的产业信号：生物领域的研发基础设施正在经历一场底层逻辑的重构。在这场变革中，核心驱动力已从单纯的算法精度提升，转向了对研发流程的系统化掌控与确定性生成能力的构建。
从工具智能到系统智能：研发范式的根本性跃迁
回顾过去几年，AI在生物学领域的表现令人瞩目。从蛋白质结构的精准预测到抗体的自动化设计，算法突破不断刷新技术上限。然而，在真实的产业转化场景中，模型指标的优越性并不等同于研发效率的线性跃迁。一个典型的大分子药物研发任务，往往涉及靶点分析、序列建模、结构预测、结合界面判断、突变设计、亲和力评估、稳定性验证以及可开发性分析等数十个复杂环节。
在传统模式下，这些环节被割裂在不同的工具栈中，由不同专业背景的团队或人员通过人工方式进行调度和衔接。这种“工具栈+人工调度”的模式，不仅效率低下，且极易产生数据孤岛，导致研发结果难以统一沉淀和复用。研究人员的大量时间耗费在跨工具协作和流程梳理上，而非核心的科学创新本身。
MoleculeOS的出现，旨在解决这一结构性痛点。它被定义为一个面向生物研发的AI操作系统，其核心创新在于将“研发意图”作为系统的统一入口。研究人员不再需要手动上传序列或结构文件来执行单一的预测任务，而是可以直接向系统提出宏观目标，例如“提升特定抗体的亲和力”或“针对某靶点生成候选分子”。
系统通过AI原生能力，自动理解生物学意图，拆解任务流程，统一调度底层的系列模型，执行结构预测与分子设计，并经过多维度的科学评估给出决策建议。更重要的是，整个研发链路被完整记录，形成可追踪、可复盘、可复用的研发资产。这意味着，AI的角色从被动的执行者转变为主动的流程组织者，使得研发体系具备了标准化、协同化和可扩展的能力，从而从根本上提升了生物研发的整体效率与确定性。
底层能力构建：自研模型集群与技术壁垒
任何操作系统的价值，最终都取决于其底层内核的稳健性与强大程度。MoleculeOS之所以能够承载复杂的研发任务，离不开分子之心在蛋白质基础大模型、结构预测及分子设计方向的长期积累。团队围绕“序列—结构—功能—进化—相互作用—生成设计”这一全链路，构建了覆盖全流程的自研模型体系。
这一体系包含了多模态蛋白质基础大模型NewOrigin（达尔文）、全原子大分子复合物结构预测模型MMFold，以及面向纳米抗体、酶和功能蛋白的生成式设计模型MMDesign。这些模型并非孤立存在，而是在MoleculeOS的调度下形成合力。
在结构预测领域，自研的全原子大分子结构预测模型MMFold展现了强劲的实力。在FoldBench基准测试中，该模型针对172个抗体–抗原界面实现了68.6%的预测成功率，这一数据显著优于AlphaFold3等国际主流模型。这表明，在复杂生物大分子的精细结构解析上，国内技术已具备领先优势。
在分子设计方向，突破更为显著。传统的AI分子设计往往依赖大规模随机筛选，通量高但命中率低，成本巨大。而分子之心的抗体从头设计平台，在12个靶点的测试中，实现了在每个靶点仅测试不超过50个候选分子的极低通量条件下，靶点成功率超过90%。这一数据将AI大分子设计从依赖规模的“随机筛选”，推向了“低通量、高命中率、可编程设计”的新范式。
在MoleculeOS中，这些模型被统一组织在一个AI原生的操作系统框架内。系统以最终研发目标为导向，综合分析序列适应性、结构稳定性、进化保守性、亲和力变化和可开发性等关键指标。这种系统化的分析方式，为每个候选分子提供了清晰的判断依据，大幅减少了无效候选分子的数量，从而显著降低了后续的湿实验成本。
产业价值落地：从实验室到临床的加速闭环
技术指标的领先最终需要转化为产业应用的实效。许锦波教授指出，当前AI生物技术的竞争核心，已经从单点模型能力走向了系统级研发基础设施的竞争。真正的价值在于能否在真实研发中稳定产生有效候选、缩短周期并降低试错成本。
在MoleculeOS正式面向产业界开放之前，该系统已作为分子之心的内部工程化底座，支撑了多项创新药和生物制造项目。在一个免疫检查点抗体优化项目中，研究人员只需输入靶点和研发目标，系统即可在数小时内完成传统流程中需要多名研究人员跨工具协作、耗时数周的候选生成、结构预测、多维评估和推荐工作。
这种效率的提升不仅体现在速度上，更体现在决策质量的优化上。传统模式下，从干实验到湿实验的决策依据往往依赖人工转述，容易导致信息丢失或偏差。而MoleculeOS在计算完成后，可一键将包含完整计算链路与可视化分析的结果分享至湿实验团队。这种无缝衔接确保了决策依据的透明性和完整性，使得实验验证更具针对性。
对于创新药、生物制造及合成生物学等领域的团队而言，MoleculeOS的开放意味着低门槛获取系统级AI能力成为可能。团队无需从零构建复杂的AI基础设施，即可利用经过内部验证的AI原生操作系统进行研发加速。这种模式不仅降低了技术使用门槛，更使得中小企业和研究机构能够以较低的成本参与前沿生物技术的竞争。
研发资产的沉淀与复用：构建持续进化的智能体系
MoleculeOS另一个极具战略价值的特性，是它对研发资产的沉淀能力。在传统研发中，每一次项目的计算参数、筛选逻辑和决策依据往往散落在个人电脑或文档中，难以被后续项目复用。随着人员流动，这些隐性知识极易流失。
而在MoleculeOS体系中，每一次从研发意图到最终结论的完整链路，都被自动沉淀为结构化数据。当团队启动下一个项目时，历史项目的成功经验、失败教训以及特定的计算参数都可以被快速调用。这种机制使得研发不再是从零开始的重复劳动，而是在一套持续积累、不断进化的体系中加速前进。
这种“数据飞轮”效应对于长期研发至关重要。随着使用项目的增加，系统积累的数据越多，模型对特定靶点或分子类型的理解就越深刻，推荐的精准度也就越高。这不仅提升了单次研发的成功率，更构建起了企业特有的知识壁垒。对于拥有大量研发管线的大型药企而言，这种系统化的资产管理能力，将是其保持长期竞争优势的关键所在。
未来展望：AI原生生物经济的生态构建
随着MoleculeOS的正式开放，分子之心正致力于构建一个更加开放、协作的AI原生生物研发生态。未来，平台将持续开放更多模型能力与智能研发模块，与产业伙伴共同探索新范式。
这一趋势预示着，未来的生物研发将不再是孤立的技术攻关，而是基于强大操作系统支撑的生态协同。AI将作为底层的基础设施，如同电力和互联网一样，渗透到生物研发的每一个环节。从早期的靶点发现到后期的工艺优化，AI原生操作系统将提供全方位的支持。
对于整个行业而言，这标志着AI制药从“概念验证”阶段正式迈入“规模化价值落地”阶段。竞争的重心将从单纯的算法比拼，转向系统集成能力、数据积累深度以及产业应用广度的综合较量。谁能够率先建立起高效、稳定、可复用的AI研发操作系统，谁就将在下一轮生物经济竞争中占据主导地位。
在这场变革中，确定性成为了最宝贵的资源。通过系统化的AI调度与多维度的科学评估，MoleculeOS正在将生物研发从一门基于概率的艺术，转变为一门基于数据的科学。这不仅加速了新药研发的进程，更降低了人类对抗疾病的成本，为生物制造和合成生物学开辟了更广阔的应用前景。随着技术的不断迭代与生态的逐步完善，AI重塑生物研发的影响力将进一步释放，推动整个行业向更高效、更智能、更确定的方向迈进。