HICOOL 2026专访，AI制药的下半场，拼的是体系 ——华润、哈药、金斯瑞、北邮、安戈普罗联合发布会
当一周之内有10209个创业项目汇聚北京,AI+生物医药早已不是新鲜词。真正稀缺的,从来不是又一个模型,而是能把算法、实验与产业拧成一股绳的人。
8月28日,HICOOL 2026全球创业者峰会,人工智能舞台。
台下坐着的,是从全球141个国家和地区赶来的创业者、学者与投资人。台上,北京安戈普罗科技有限公司CEO单国栋与四家机构共同按下了发布键:华润、哈药、金斯瑞、北京邮电大学——两家传统制药劲旅、一家全球头部的生命科学服务公司、一个高校AI科研团队,与一家AI制药初创公司,联合发布了AngelFlow AI多肽De novo研发平台。
在这届以"从创新源头到产业潮头"为主题、吸引了10209个创业项目与13472名创业者报名的峰会上,这场发布会的特殊之处不在产品本身,而在台上的阵容,一家初创公司,凭什么把产业链上下游和学术共同体同时请上了同一个舞台?
发布会次日,编者在北京专访了单国栋。两个小时的对谈里,他反复提到一个词:体系。
聚齐这一桌人,比发布一个平台更难
编者:昨天发布会结束到现在,您可能被问得最多的问题是,一个初创公司,怎么把华润、哈药、金斯瑞和北邮同时聚到一起的?
单国栋:(笑)这个问题的答案,其实就是AngelFlow的设计逻辑。
多肽药物正在成为创新药研发的重要方向,这一点行业已经形成共识。但从一个计算设计,走到真正具有转化价值的候选分子,中间要跨越算法、计算、合成、实验验证和产业开发好几道坎。单一模型可以解决一个单点问题,真正的药物研发却需要一整套体系。
市面上不缺好模型、好算法,缺的是把这些环节连接起来的底层模型和技术方案。所以AngelFlow从第一天起,就不是按一个工具来设计的,而是按一套协同机制来设计的。
在这套机制里,分工是清晰的:安戈普罗负责平台建设、自研AI基座模型、多肽设计算法和干湿实验闭环;北邮AI交叉课题组在模型研发上一起发力;华润和哈药,把产业研发需求和药物转化能力引入平台生态,尤其是管线的后期推进需要由药企主导;金斯瑞则在多肽合成与实验服务等环节提供支撑。
编者:所以昨天的发布,本质上不是发一个产品,而是发一个生态位。
单国栋:可以这么理解。这不是一次简单的平台联合发布,而是围绕AI多肽创新药研发建立的一套协同机制。从AI模型,到候选设计,再到合成验证与产业转化,多方能力由此形成互补。
对一家AI制药公司来说,最贵的验证从来不是技术演示,而是产业方愿意把真实的研发需求放进你的平台。
我们不只是又做了一个模型
编者:具体到产品层面,AngelFlow到底是个什么东西?投资人看Demo的时候,应该看什么?
单国栋:一句话:AngelFlow把复杂的多肽研发,组织成了一套负责的AI管线研发工厂。
平台面向多肽与蛋白质研发场景,以模块工作流为核心,以我们自研的序列导向生命科学基座模型作为支持进行串联、多肽生成与优化算法,与结构预测、物理模拟、科研智能体、实验服务连接在一起。科研和产业研发人员围绕一个具体项目,在同一个平台上就能完成:
候选生成 → AI预测 → 结构评估 → 物理计算 → 实验验证 → 数据反馈 → 下一轮设计。
过去,这个流程分散在多个模型、脚本、服务器和实验环节里,数据格式对不上、过程不可追溯、结果难以复现。现在,它变成了一条可追溯、可复现、可持续优化的工作流。
编者:这段流程的末端是"数据反馈、下一轮设计",这是刻意设计的?
单国栋:是刻意为之,也是我们认为最值钱的部分。
昨天华润双鹤合成生物研究院院长黄科学在分享中讲"干湿闭环的AI for Science药物研发新范式",我非常认同他的判断:对创新药研发而言,AI真正产生价值的关键,不只是提高某一次计算的效率,而是能否进入持续迭代的研发流程,让计算预测与真实实验数据相互促进。
北邮人工智能学院副院长徐士彪教授则从另一端讲了"融通计算与生命科学,以AI大模型驱动药物研发范式革新"。你会发现,产业端讲的需求和学术端讲的方向,在我们这条工作流里是同一件事:一端是产业真实需求,一端是人工智能基础研究,AngelFlow要做的就是连接这两端。
这就是数据飞轮:平台被真实项目用得越多,管线产出越多,实验数据回流越多,模型越强,下一轮设计越准。这个循环一旦转起来,就是时间累积出来的壁垒。
壁垒:机理驱动、自研基座、干湿闭环
编者:投资人对这个赛道的第一个灵魂拷问通常是:壁垒是什么?大厂也有模型,CRO也有实验能力。
单国栋:我们的答案有三个词:机理驱动,自研基座模型,干湿闭环。
第一,机理驱动。安戈普罗不是拿一个通用大模型来做"表面拟合",而是做第一性原理的生物机理深度适配——依托自研的序列导向生命科学基础大模型,融合物理动力学仿真与可解释分子设计框架。这决定了我们能做的不只是优化已知分子,而是精准挖掘全新靶点、从头(De novo)生成具备稳定成药性和差异化作用机制的多肽候选药物。
第二,基座模型是自研的,底层算法是重构的。序列导向意味着模型的输入输出空间天然围绕生命科学语言组织,这不是在通用模型上加个微调能做到的。
第三,干湿闭环。全链路的干湿实验自进化平台,让计算和实验不再是两张皮,这也是我们和纯软件公司最本质的区别。
编者:管线方向怎么选?
单国栋:聚焦未被满足的医疗需求:减重代谢、糖尿病足修复、神经退行性疾病、组织再生、肿瘤。这些领域恰好是多肽能够发挥差异化优势的主场,也是传统小分子和抗体药物覆盖不好的地带。
双轮驱动:服务造血,管线增值
编者:商业模式是资本市场的另一个必答题。你们怎么定义自己,软件公司、CRO,还是Biotech?
单国栋:都不完全是。我们做的是双轮驱动:AI制药技术服务 + 自研管线孵化,同步推进。
技术服务这一轮,让平台在服务真实产业需求的过程中持续进化,它带来现金流,更带来数据;自研管线这一轮,把平台能力沉淀为长期价值。两个轮子互相喂:管线越深,平台能力越被验证;平台越强,管线推进越快。
编者:这也是昨天那场发布的潜台词?
单国栋:对。华润和哈药不只是客户那么简单,它们把产业研发需求和药物转化能力带进了生态;金斯瑞的合成与实验服务体系,是验证环节的关键支撑。当制药企业、服务方和高校科研团队都愿意与一家初创公司共建基础设施时,这本身就是对平台价值的一种定价。
2.0已经启动:往更难的分子走
编者:1.0昨天刚发布,2.0就宣布启动了。为什么这么急?
单国栋:因为路线图是清晰的。1.0阶段,我们完成了面向线性多肽设计的能力建设,但这只是第一步。
AngelFlow 2.0联合研发计划已经启动,下一阶段将拓展至三个方向:环肽设计(Cyclic Peptides)、订书肽设计(Stapled Peptides)、复杂多肽成药性优化。
相比线性多肽,这些更复杂的多肽分子拥有更丰富的构象空间,同时对生成模型、结构约束、物理模拟和实验验证都提出了高得多的要求。
编者:越难的分子,越是壁垒?
单国栋:正是。越难的地方,越能拉开差距。从线性肽1.0到复杂多肽2.0,我们的目标是持续拓展AI能够解决的药物研发边界。而且2.0不是我们自己闭门做,依托这次建立的产学研协同机制,模型研发、实验验证与产业场景是联合建设的。
给这个赛道的投资人,三个判断标准
编者:最后一个问题。如果面对一屋子看AI制药的投资人,你会给他们什么判断框架?
单国栋:三条,都很朴素。
第一,看AI有没有进入核心研发流程,而不是停在辅助环节。做PPT上的AI很容易,进入"候选生成—验证—反馈"的循环很难。
第二,看有没有真实的数据闭环在转。干实验和湿实验如果不能相互喂给对方,模型就没有进化的燃料。
第三,看产业方有没有真实的需求绑定。产业资本的深度参与,是对"技术能不能卖得掉"最诚实的回答。
这三条,我们在HICOOL这个舞台上,都给出了自己的答案。未来,我们会继续以机理驱动AI、自研生命科学基座模型和干湿实验闭环为核心,与更多高校、科研机构、制药企业及产业伙伴共建AI多肽研发基础设施,推动更多高质量候选分子从计算设计走向真实研发。
编者手记
本届HICOOL,AI与生物医药是当之无愧的主角。泡沫与真金的分界线,正在从有没有模型变成有没有体系。
安戈普罗选择的这条路,慢,要自研基座模型,要搭干湿闭环,要一家一家地谈产业协同。但回头看,AI制药行业里那些真正走到临床的案例,没有一个是靠单点工具跑通的。
"从AI设计,到实验验证;从技术创新,到产业转化。"这句话在发布会现场被反复提及。对投资人而言,它或许可以作为审视这个赛道的一把尺子:一家AI制药公司的价值,不在于它宣称能用AI做什么,而在于产业伙伴愿意与它共同做什么。
从这一点看,昨天人工智能舞台上那一排并肩而立的身影,本身就是一份值得细读的答案。
本文基于HICOOL 2026全球创业者峰会现场发布内容撰写。
关于安戈普罗:北京安戈普罗科技是一家由机理驱动、底层算法重构的AI4S创新药研发公司,依托自研序列导向生命科学基础大模型,融合物理动力学仿真与可解释分子设计框架,搭建全链路干湿实验自进化AI药物研发平台,通过第一性原理生物机理深度适配,精准挖掘全新靶点、生成具备稳定成药性与差异化作用机制的多肽、小分子候选药物。公司聚焦减重代谢、糖尿病足修复、神经退行性疾病、组织再生、肿瘤等未被满足医疗需求领域,同步开展AI制药技术服务与自研管线孵化,全方位加速创新药物研发与临床转化进程。
（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）