Pharma.AI webinar 2026｜英矽智能Pharma.AI 春季更新解读

随着人工智能与基础模型的快速演进，生物医药这一关键应用场景正加速迈入 AI 驱动研发的“深水区”。近日，生成式人工智能驱动的临床阶段药物研发科技公司英矽智能（Insilico Medicine，03696.HK）举办了 Pharma.AI 2026 春季启动网络研讨会。

本次研讨会聚焦 Pharma.AI 平台在 2026 年第一季度的关键进展，具体包括：正式发布面向科学研究的 MMAI Gym，上线全新的基准评测门户与排行榜，并现场展示 MMAI Gym 如何将通用基础模型训练为可用于药物研发的领域模型。与此同时，会议还同步公布了 Generative Biologics、Chemistry 42 与 PandaOmics 等 AI 工具的多项功能更新，旨在依托经过验证的 Pharma.AI 平台能力，引入更强大的 AI Agent 与轻量化基础模型，进一步提升药物发现的效率与精准度。

英矽智能联合创始人兼总裁 Alex Aliper 博士表示，这些更新正在为“制药超级智能系统”奠定基础。我们也认同，AI 平台正加速朝着更强的推理能力与对真实科研工作流的无缝融合方向演进。

针对通用基础模型在药物发现等专业任务中表现不佳这一痛点，英矽智能于 2026 年 1 月推出 MMAI Gym，面向科学应用场景的基础模型基准评测与训练平台。MMAI Gym 汇集覆盖药物发现、生物学、化学及更广泛科学领域的多样化基准任务，将精选的行业标准 benchmark 与实验数据集或自有数据集相结合，确保评测结果能够真实反映实际应用价值。该平台支持在贴近真实场景的任务中对模型能力进行系统化评估，并帮助机构围绕特定领域开展定向训练与优化。

MMAI Gym涵盖三大核心基准测试类别，分别为：科学研究基准（ScienceAI Bench）：评估横跨生物学、化学、长寿科学、材料科学、农业科学等领域更广泛的通用科学推理能力；药物研发基准（Drug Discovery Benchmark ）：评估端到端药物发现任务，包括真实研发场景中的靶点识别、分子设计与优化能力；以及英矽定制化基准（Insilico Bench）：由英矽智能开发的专有基准，用于药物发现及其他复杂科学挑战。英矽智能已在三大类别下推出公开排行榜，对参评模型在 200 余项基准任务中的表现进行对比展示，并计划进一步扩展基准任务覆盖范围。

在内部测试中，英矽智能通过 MMAI Gym 的 SFT（监督微调）+ RFT（强化微调）双阶段训练，对多款模型进行了系统化强化。以 Qwen3-14B 为例，训练后模型在部分药物开发任务上实现最高10倍提升，并在脱靶毒性、血脑屏障通透性等任务上超过部分更大规模的多智能体系统。对于更小的Qwen3-4B，训练同样显著提升了其在临床试验结果预测等高复杂度任务表现，并使其展示出在特定场景下对超大参数通用模型（如 GPT-5）的超越。此外，与 Liquid AI 合作的 LFM 2.6B 轻量模型，经化学方向 Gym 流水线训练后，在性质预测、功能推理、逆合成与分子优化等多项基准上超过更大参数的专用或通用模型。

Generative Biologics是一款AI驱动的生物大分子工程平台，专注于抗体、多肽及其他生物药物的设计与优化，采用先进的多参数优化方法，应对复杂的生物分子工程挑战。Generative Biologics结合10余种生成模型和预测模型以及高精度的物理计算工具，能够精准预测疏水性、自缔合等开发性指标，协助科研人员高效筛选最具潜力的候选药物 。

本次更新平台推出全新的环肽（Cyclic Peptide）设计工作流，全面支持头尾环化和 二硫键结合架构 。该功能核心依托多步生成引擎，结合了全原子扩散（All-atom Diffusion）、逆折叠（Inverse Folding）、重评分及共折叠（Co-folding）技术 ，能够在数小时内生成数百个潜在结合肽，显著缩短早期发现周期 。

在针对 GLP-1R 的肽类药物优化案例中，研发团队展示了平台的实战能力：以先导肽段 P3 为起点，通过共折叠（co-folding）与分子动力学（MD）分析识别关键结合模式与作用位点，并在此基础上微调奖励模型（Reward Model）以指导新一轮生成与筛选。整个优化周期仅用时 4 周，30 个候选物全部实现成功表达，其中 27 个表现出明确活性，整体命中率极高。最优变体 P3-1 的活性较原始先导化合物提升 6 倍，最终达到 828 pM 的亚纳摩尔级水平。

由生成式AI驱动用于分子设计和优化平台Chemistry42在本次更新中进一步实现核心引擎的飞跃，通过融合生成式 AI 与物理计算方法，进一步提升了小分子设计的精度。

其中，新一代 3D 生成引擎 Nach01 在 MMAI Gym 的强化训练下迭代为Nach01 MMAI。这是一款原生面向多目标 3D 分子优化的生成模型，可直接处理蛋白口袋点云、配体、3D 锚点与药效团等复杂输入，并通过属性提示协同优化 ADMET、PLI 以及口袋占据等关键指标。在 MMAI Gym 环境中，Nach01经过大规模预训练与 SFT/RFT 双阶段强化，覆盖 1400 万分子优化对与 100 万配体-蛋白环境。Nach01 MMAI上线后，该模型在实际优化任务中的表现较此前提升约 5 倍，同时在 24 小时生成指标与早期产出速度方面实现显著增强。

此外，在生成化学方面（Generative Chemistry）上线支持，多靶点生成的新功能，用户可上传附加 PDB 文件，针对辅助靶点设置“惩罚结合”或“优化结合” ，平台通过计算主副靶点间的 PLI 分数差异来自动调节奖励权重，有效辅助筛选具备高度选择性的候选化合物 。在自由能结合评估Alchemist 模块，新增绝对结合自由能计算功能，采用双系统溶剂盒（DSSB）设置，使配体在结合态与游离态之间同步转换。无需依赖配体间的两两转换，即可直接基于第一性原理估算ΔG，这在处理骨架剧变、电荷差异显著等传统方法难以应对的挑战场景时，提供了更稳健的计算基准 。

PandaOmics 是英矽智能推出的AI驱动靶点发现和适应症拓展平台，通过分析大规模多组学和生物医学数据集，帮助研究人员识别、筛选并优先排序与特定疾病相关的药物靶点，并针对特定靶点进行适应症拓展。本次更新PandaOmics 的进一步提升了靶点识别的精准度和自动化水平 。

在组学研究领域，PandaOmics 实现了从“组织整体”到“单细胞分辨率”的质变跨越 。平台新增了对 1,400 多个单细胞数据集，覆盖超过 100 种适应症 。支持研究人员在细胞类型层面精准定位差异表达基因，为靶点发现带来更细粒度、更具可解释性的证据。

与此同时，全新发布的 AI 智能体 PandaClaw 改变了生物信息学分析的交互方式 。用户只需通过自然语言对话，完成复杂的生物信息学分析（如 EGFR 在前十大癌症中的表达查询），自动生成方案、执行计算并产出可发表级别的图表 。 极大地简化了从数据处理到科学解读的流程 。

本次 2026 春季启动网络研讨会集中展示的一系列更新，展示了英矽智能正将 AI 药物研发从单点赋能工具推进到以AI决策为核心的下一阶段。无论是通过 MMAI Gym 为通用大模型注入专家级科学推理能力，还是借助 PandaClaw 更直观的与AI引擎交互显著降低复杂科研工作流的门槛，Pharma.AI 平台都在向更智能、更高效、更易用的方向持续演进。

欢迎访问http://pharma.ai获取更多技术文档，或扫描发布会中的二维码申请平台试用; 也欢迎与我们的专家团队面对面交流，共同探讨 AI 如何重塑药物研发与生命科学研究。