2026年8月23日，由中国计算机学会主办、CCF YOCSEF济南学术委员会承办的专题技术论坛“人工智能驱动药物研发（AIDD）技术与产业落地还有多远？”在山东女子学院顺利举行。本次论坛在余盛朋、张帆两位执行主席的共同主持下有序开展。

      论坛汇聚全国多地学界、业界骨干力量，参会阵容涵盖多领域权威专家与产业代表，包括齐鲁医院侯新国、山东大学崔学峰、哈尔滨工业大学姜涛、济南大学陆敏、浙江大学刘佐珠、山东师范大学王红、鲁南制药集团吕占柱等专家与企业技术负责人，以及YOCSEF福州、合肥、太原主席吴伶、何云飞、董云云，YOCSEF广州、大连学术秘书崔金荣、李超、沈阳AC委员芦安洋等青年学术骨干，共计40余人齐聚一堂，围绕人工智能药物研发前沿技术、产业瓶颈痛点与落地应用路径开展全方位、深层次交流研讨。

论坛执行主席余盛朋介绍论坛背景

      论坛伊始，本次论坛执行主席余盛朋详细介绍了活动举办背景与核心初衷。当前，人工智能大模型技术持续快速迭代，而新药研发行业仍存在投入成本高、研发周期长的行业痛点。人工智能驱动药物研发（AIDD）依托分子生成、多组学解析等核心技术，能够有效助力药物创新研发降本提速，为医药产业革新发展提供了全新机遇。与此同时，行业发展痛点与瓶颈日益凸显，普遍面临“技术亮眼、落地受阻”的现实困境，大量前沿研究成果仅止步于实验室验证阶段。受限于数据质量参差不齐、传统研发范式固化、监管审评体系适配性不足、行业标准规范不完善等多重因素，AIDD技术产业化落地进程受阻，诸多发展堵点亟待破解。

      基于这一行业现状，本次论坛汇聚计算机、临床医学、制药产业多领域权威专家与行业从业者，聚焦AIDD技术产业化落地真实痛点难点，围绕可信技术体系搭建、通用化技术研发与垂直疾病领域攻坚的发展路径等核心议题展开深度研讨与思辨，全力探索人工智能算法创新安全可控、高效落地的产业化发展新路径，助力AIDD技术真正赋能医药产业高质量发展。

YOCSEF济南主席杨磊介绍YOCSEF情况

论坛执行主席张帆主持引导发言环节

      论坛进入引导发言环节，该环节由本次论坛执行主席、YOCSEF济南副主席张帆主持。多位行业专家立足临床、产业、技术不同维度，分享前沿研究成果，交流行业真知灼见，为论坛深度研讨奠定坚实基础。

      齐鲁医院主任医师、泰山学者特聘专家侯新国作首场引导发言，发言主题为“细胞外囊泡类药物在糖尿病及其并发症中的应用”。依托多年内分泌代谢病临床诊疗与科研积淀，侯新国系统梳理了细胞外囊泡类药物的最新研发进展，深入阐释了该类药物在糖尿病临床治疗中的应用优势与潜在价值。他从临床实际需求出发，精准锚定疾病治疗真实场景，为AIDD技术落地应用提供了清晰的临床落地方向，搭建起人工智能技术与临床医学研发的沟通桥梁。

侯新国引导发言

      山东大学教授、CCF生物信息学专业委员会秘书长崔学峰围绕“超越‘拿来主义’：构建适配生物复杂性的可信药物AI”主题作引导发言。他在发言中指出，当下通用人工智能范式直接套用至生物医药领域存在根本性短板与局限，难以适配生物医药行业的专属研发需求。生物系统具备极强的复杂性，这就要求药物AI技术打破通用算法的固有框架，在算法研发与设计环节充分贴合生物数据的独特属性，摒弃简单照搬套用的“拿来主义”，搭建适配生物复杂特性、安全可靠、精准高效的可信药物AI技术体系，为AIDD技术产业化落地筑牢技术根基。

崔学峰引导发言

      哈尔滨工业大学教授姜涛以“药物多组学数据智能解析”为题作引导发言。作为“中国十万人基因组计划”技术与实施负责人，他分享了大规模基因组数据解析的前沿算法及其在药物研发领域的应用场景与实践成果。他强调，多组学数据的深度融合与智能解析，是当前AIDD技术突破行业数据瓶颈、实现产业化落地的关键路径。

姜涛引导发言

在思辨环节中，思辨引导嘉宾和参会人员对三个思辨问题展开了充分的讨论。

      引导发言环节结束后，论坛进入专题思辨研讨阶段。与会行业专家、科研学者及产业技术从业者围绕议题《AIDD 产业落地困局辨析—主流研发范式的核心瓶颈是什么？》展开深度交流探讨，直面人工智能驱动药物研发领域的现实痛点，共同探索技术范式迭代升级与产业化落地的可行路径。

      当前，AIDD技术已成为创新药研发领域的研究热点，各类智能算法模型、分子生成工具持续迭代更新、快速发展。但行业普遍存在技术转化难题，多数算法模型难以落地应用于真实药物研发管线，算法仿真效果与实际研发场景存在显著差距，成为制约行业高质量发展的核心瓶颈。本次论坛聚焦行业发展堵点，设置三项子议题，层层递进开展专项思辨研讨。

      与会嘉宾首先针对行业主流的“生成分子+预测筛选”两步研发范式开展深度剖析。该经典范式依托人工智能大模型生成候选药物分子，结合预测模型完成药物活性、成药性筛选，在虚拟测试场景中表现优异。但在真实药物研发实操过程中，该模式短板问题突出，普遍存在生成分子可合成性不足、模型预测结果与实验室湿实验数据偏差较大、分子设计多样性与靶点真实约束条件脱节等问题，大量虚拟测评高分分子进入实验验证阶段后失效，成为阻碍AIDD药物研发管线推进的首要难题。

      围绕“闭环反馈迭代新型研发范式”，参会人员深入研讨其技术发展潜力与规模化落地壁垒。闭环反馈迭代范式打通了AI算法模型与实验室湿实验体系，可将真实实验数据持续回灌至算法模型，构建形成“AI设计-实验验证-数据反馈-模型更新”的完整迭代闭环，能够有效缩小虚拟预测与真实研发的差距，是AIDD领域下一代核心研发模式的重要发展方向。与此同时，该新型范式落地仍面临诸多现实阻碍，实验实施成本偏高、实验数据标准化难度大、算法体系与药企研发流程适配性不足、数据流转共享机制不完善等问题，均制约了闭环研发模式的规模化推广应用。

      论坛最后聚焦产业核心卡点，围绕AIDD落地困境的核心根源展开思辨，重点探讨行业发展瓶颈究竟源于高质量实验数据供给不足，还是算法模型先验假设偏差，同时研判了多组学数据对齐技术的突破价值与应用边界。与会嘉宾形成两类核心观点，一方面，高质量、标准化的湿实验数据集稀缺，直接限制了AI模型的训练精度与性能上限；另一方面，现有算法模型过度依赖训练集固有数据分布，对复杂真实生物体系进行了过度简化，即便扩充数据体量，模型泛化能力仍难以满足产业需求。嘉宾团队进一步研究证实，多组学数据对齐技术可有效补充靶点、疾病相关生物学信息，弥补单维度分子数据的应用局限，但组学数据存在异构性强、噪声量大等问题，跨模态数据高效对齐、组学信息精准融入分子设计流程等核心工程难题尚未攻克，该技术并非适配全行业的万能解决方案。

      本次思辨环节打破了算法研究与产业应用的行业壁垒，摒弃单纯的技术理论展示，聚焦产业真实痛点难点开展务实研讨。与会专家一致达成共识，AIDD产业发展需摒弃唯虚拟指标的技术导向，立足药物真实研发场景，全力弥合算法仿真与湿实验的技术鸿沟。无论是研发范式迭代升级、闭环反馈体系搭建，还是多组学数据融合应用，均需要算法科研团队与药企研发人员深度协同、联动创新，持续推动AIDD技术从理论算法创新向实体药物管线落地转化，助力我国创新药产业提质增效。

      继AIDD产业落地困局辨析议题研讨结束后，论坛接续开启议题二《AIDD 落地技术路径探索 —— 如何构建兼顾性能与安全要求的技术体系？》专题研讨。与会学术界、产业界专家学者围绕数据处理路线、监管审评证据、模型可解释性三大核心子议题展开深度思辨与观点交锋，聚焦AIDD技术从实验室研发走向合规化产业落地过程中的关键技术难题与实践路径。

      与会嘉宾指出，药物研发具备高风险、高严谨、强监管的行业属性，AIDD技术体系建设不能片面追求预测精度、分子生成效果等虚拟性能指标，更需严格契合医药行业安全可控、全程可追溯、流程可监管的硬性要求。实现技术性能与产业安全的双向平衡，已然成为AIDD技术落地药物研发管线、完成合规申报的核心准入门槛。本环节围绕三大关键子议题层层拆解、深入研讨，为标准化、合规化AIDD技术体系搭建厘清思路。

      针对数据处理技术路线选择子议题，与会嘉宾重点辨析两类主流技术方案的适用边界，即数据预处理对齐缺失数据路线与模型原生容忍数据缺失路线。生物医药领域数据天然存在诸多短板，不同实验来源的数据集普遍存在指标缺失、样本异质性强、多源数据分布差异显著等问题，成为制约模型训练效果的重要因素。目前行业形成两种差异化技术思路，一是通过前置数据清洗、数据补全、统一对齐等预处理方式，修复数据缺陷后再开展模型训练；二是优化重构模型架构，赋予算法原生适配、容忍数据缺失的能力，降低对前置数据预处理的依赖。研讨过程中，嘉宾团队系统剖析两种路线的优劣特性与适用场景：数据预处理对齐路线适用于数据维度规整、缺失类型明确的研发场景，但人工预处理极易引入主观偏差，不当补全易生成虚假数据，影响模型真实性；模型原生容忍缺失的方案更贴合多源异构的真实药物数据环境，但对算法设计能力要求极高，往往会牺牲部分预测性能。现场共识认为，两种技术路线无绝对优劣、不存在通用最优解，需结合具体数据集特征与下游药物研发任务灵活取舍，杜绝单一化、模板化的技术应用模式。

      围绕AI药物模型监管审评证据体系建设子议题，与会专家聚焦AIDD技术合规申报的硬性技术标准展开深入探讨。当前，全球药监体系逐步接纳人工智能辅助药物研发模式，AIDD技术产出的候选分子、智能预测结果未来将正式纳入药物申报核心材料。这也意味着，AI模型评价体系已不再局限于传统学术指标，必须构建适配药监要求的完整证据链条。嘉宾明确指出，监管审评核心关注并非单纯的模型精度数值，而是可核验、可复现、可追溯的全流程证据，涵盖训练数据集来源、标准化质控流程、训练与测试集科学划分逻辑、模型版本规范化管理、泛化性验证结果、外部盲集测试数据以及模型风险边界综合评估等关键内容。同时需精准界定AI模型在药物研发全流程中的功能定位，明确其为辅助工具或关键决策参与主体。目前，国内AIDD审评证据规范仍处于完善阶段，产业端亟需建立标准化、可落地的证据构建范式，打通AI药物研发从技术创新到合规申报的完整链路。

      在模型可解释性子议题研讨中，参会嘉宾打破传统单一算法视角，提出复合型、系统化的全新认知。长期以来，行业多将AIDD模型可解释性局限于算法层面，重点依托注意力机制、分子归因等算法优化提升可解释能力。但结合产业落地实践来看，仅依靠算法模块优化远远无法满足产业化需求。药物AI研发过程中，数据集持续迭代、模型版本频繁更新、训练环境动态调整、参数精细化微调等因素，均会直接改变模型输出结果。即便算法具备完善的归因分析能力，若缺乏规范化的工程管理、全程版本溯源、标准化实验记录，便无法向药企及监管机构有效佐证分子设计结果的真实性与有效性。

      经深度研讨，与会专家形成统一共识：AIDD模型可解释性并非单一的算法技术问题，而是融合算法优化、工程管控、版本溯源、流程记录的系统性工程。算法归因是可解释性建设的基础支撑，完善的工程管理体系、全链条溯源机制、标准化实验记录同样不可或缺，唯有实现算法能力与工程管理体系双向并举、协同发力，才能真正满足药物研发领域严苛的可解释、可追溯、可监管要求。

      本次专题研讨跳出单一算法性能比拼的固有思维，直面AIDD产业化进程中的工程落地、合规管控、监管适配等核心现实难题。与会专家一致认为，成熟可落地的AIDD产业技术体系，必须摒弃重性能、轻合规、重算法、轻工程的片面发展思维，同步筑牢数据治理、监管证据、工程溯源三大核心支撑，打通算法研发、工程落地、合规监管三方认知壁垒，为人工智能深度赋能创新药产业高质量发展筑牢安全合规底座。

      随后，论坛进入最后一项专题思辨环节，与会嘉宾围绕议题三《AIDD 落地策略选择‑通用化探索与垂直疾病优先，该如何取舍？》展开深度研讨。现场科研学者、产业技术专家立足产业长远发展视角，从资源科学配置、技术迭代路径、行业实践指南构建三个核心维度，系统思辨AIDD产业发展的战略路线抉择问题，为行业差异化、高质量发展明晰方向。

      当前国内AIDD产业发展形成两大主流布局思路，一是搭建规模化、全覆盖的通用AIDD技术平台，依托大模型优势实现多靶点、多疾病场景的广谱适配；二是聚焦未被满足的临床刚需，深耕渐冻症等疑难垂直疾病赛道，集中优质资源实现技术单点突破。业内普遍认为，通用化AIDD平台具备广阔的产业发展前景，但受限于生物系统高度复杂性、不同疾病数据分布差异化等客观因素，短期内难以实现全场景规模化落地。基于此，本次环节设置三项子议题，引导参会嘉宾多角度、深层次开展观点交锋与思想碰撞。

      针对“通用AIDD短期难以落地，是否应集中资源攻坚渐冻症等难治性疾病”这一子议题，现场研讨氛围热烈，各方观点充分交流。支持垂直疾病优先攻坚的嘉宾表示，渐冻症等罕见疑难疾病存在极大临床缺口，传统药物研发成功率极低、有效治疗手段匮乏，是AIDD技术发挥核心价值、落地应用的优质场景。集中算力、实验研发等优质资源聚焦垂直疑难疾病攻关，能够快速产出可核验、可落地的药物研发管线成果，直观验证AIDD技术的临床实用价值。

      同时，与会嘉宾也秉持审慎理性视角指出，渐冻症等复杂疾病的生物学作用机制尚未完全明晰，高质量、标准化专项研发数据集极度稀缺，即便依托人工智能技术赋能，依旧存在较高的研发失败风险。若产业资源过度向单一垂直赛道倾斜，不仅会造成技术覆盖场景受限，也将忽视常见病、多发病领域的创新药研发需求。经充分研讨，现场形成统一共识，AIDD产业资源布局需摒弃非此即彼的极端思维，兼顾通用技术体系的基础沉淀与垂直疑难疾病的精准攻关，平衡产业长期技术布局与短期价值落地验证。

      围绕“垂直场景突破能否反向反哺通用AIDD技术迭代”子议题，参会专家深入剖析了垂直攻坚与通用迭代的技术传导、赋能关系。部分嘉宾认为，在渐冻症等垂直疾病研发过程中，可逐步沉淀专属疾病数据集、精准靶点建模经验、AI与湿实验协同闭环迭代流程等核心成果，这类实践经验可提炼复用，有效赋能通用AIDD平台优化升级，强化模型应对复杂靶点、疑难疾病的解析能力，实现“单点技术突破、全域能力外溢”的良性发展格局。

      研讨同时明确了技术赋能的现实约束，垂直疾病具备极强的生物学特异性与数据独特性，相关技术、数据模型直接迁移至其他疾病靶点，极易出现数据分布偏移、模型适配失效等问题，无法简单复制套用。嘉宾强调，垂直场景攻关的核心价值并非模型参数的直接通用，而是沉淀标准化工程方法论与闭环工作流程，通过知识解耦、经验抽象、体系优化，间接实现对通用AIDD技术体系的迭代赋能。

      针对“AIDD产业实践指南核心评价指标构建”子议题，与会专家立足行业规范化发展需求，探讨建立科学完善的AI药物研发评价体系。嘉宾一致认为，无论是通用平台布局还是垂直赛道攻坚，行业均需摆脱“重虚拟指标、轻真实效果”的评价误区，建立全维度、标准化、可落地的行业实践指南。该指南需突破单一分子生成性能评价局限，纳入多维度核心指标，涵盖数据集质控标准、分子可合成性、湿实验验证成功率、模型闭环迭代效率、泛化能力边界、全流程可追溯可解释性以及临床终端效果等关键内容。同时需区分通用场景与垂直疾病场景差异，针对罕见病、复杂疑难疾病搭建专属适配评估体系，引导行业发展聚焦真实临床需求，回归药物研发本质。

      本环节思辨跳出单纯的技术迭代视角，上升至产业资源配置、战略路线选择、行业标准构建的宏观层面，为AIDD产业可持续发展提供了重要思路。与会专家达成共识，AIDD产业发展不存在绝对最优的单一路线，通用化技术探索与垂直疾病精准攻坚并非对立关系，而是相辅相成、互为支撑的有机整体。未来行业需持续完善AI药物研发实践评价体系，精准对接未被满足的临床刚需，推动人工智能技术深度赋能新药研发全流程，助力我国生物医药产业创新升级、提质增效。

      历经三个多小时跨领域、深层次的专题研讨，本次论坛圆满完成各项议程、顺利落幕。YOCSEF济南主席杨磊对整场论坛的研讨成果、核心观点与行业共识进行系统梳理总结。本次论坛汇聚临床医学、计算机科学、生物信息学、制药产业等多领域专家学者与行业骨干，深度践行CCF YOCSEF“承担社会责任、提升成员能力”的宗旨，围绕AIDD产业落地瓶颈、技术迭代路径、发展战略抉择等核心议题开展多维思辨、深度交流，凝练形成一系列极具行业参考价值的实践观点与发展共识。与会人员一致认为，推动AIDD技术从实验室算法创新迈向安全可控、合规落地的产业化应用，是一项多维度、系统性工程，既要在技术层面突破传统研发范式桎梏，立足生物体系复杂特性搭建可信、适配、高效的药物AI技术体系；也要在产业生态层面打通数据治理、标准构建、监管适配等关键堵点，健全产学研用深度融合、协同发力的创新发展格局。此次论坛的成功举办，有效搭建起AIDD领域跨学科交流、产学研联动的优质平台，为破解AI药物产业化落地难题、推动人工智能技术安全赋能新药研发行业高质量发展，积累了宝贵思辨成果与实践经验。

YOCSEF济南主席杨磊进行论坛总结

参会合影