一套智能体架构，两类分子：AI 制药的下一站是「平台」

北京深智序元生物同时推进环肽与抗体管线，用同一套多智能体架构支撑

──────────────────────────────

一、AI 制药真正稀缺的，不是模型

过去两年，AI 制药的故事几乎都围绕"生成"展开：更快的分子生成、更大的参数规模、更漂亮的对接分数。

但做过药的人都知道，生成从来不是最难的一环。真正的难点在生成之后：分子能不能穿过成环拓扑、化学身份、受体结合、物理评估、实验验证这一连串环节，并且每一环的记录都能对上。

更关键的一个事实是：大多数 AI 制药公司，只在一个分子模态上证明过自己。 做小分子的不做抗体，做抗体的不做环肽。

能把一套底层的研发组织能力，跨模态复用到第二条管线上——这才是"平台公司"与"项目公司"的分界线。

北京深智序元生物（Profundata）选择的，是后者。

二、为什么单点模型走不通

药物发现不是一次预测，而是一条由相互依赖的决策构成的链：靶点分析、分子生成、化学审查、结构评估、物理评分、实验决策。

这条链上有六个不同学科。药物化学家、结构生物学家、计算化学家、分析科学家，各自用不同标准判断同一个分子。指望一个网络同时把六件事做好，本身就是错误的假设。

单点模型的真正问题不是能力不够，而是它把决策所需的区分抹平了：生成目标奖励"看起来合理"，有效性检查问"化学上是否成立"，物理评分问"姿态是否站得住"，实验回答"到底结不结合"——这是四种不同类型的断言。

一旦合并，两件事立刻坏掉：每一步的证据不再可分（你说不清是哪个环节淘汰了候选），以及不利结果和程序 bug 无法区分。

所以正确的架构不是更大的模型，而是把研发流水线组织成一组专业智能体：每个智能体由输入输出定义，可独立版本化、验证、替换。

三、环肽：最苛刻的检验场景

环肽是这套架构最好的试金石，因为它对"分子身份"的要求最严格。

一条肽链要首尾成环，成环方式、连接位点、立体化学稍有不同，就是另一个分子；只凭"两端距离够近"算不了数，必须有化学上成立的环化键。

CP-GFM-SGX 把环肽研发拆成六个专业智能体——靶点分析、环肽生成、成环化学与拓扑审查、受体环境结构评估、物理评分、实验反馈——再由状态机（SM）协调：一个候选在不同智能体之间携带稳定身份，把靶点环境、分子图、声明的成环键、结构证据、路线版本绑在一起。

没有该阶段要求的证据，就不允许把候选推进到下一阶段。

四、抗体：另一类问题，同一套底层

抗体和环肽看起来是两种完全不同的分子，但对多智能体架构的要求本质相同——甚至更复杂。

抗体序列更长、构象更复杂。除了"结合"，还要回答可开发性的问题：表达、稳定性、聚集、免疫原性；以及在某些适应症里最难的——递送。神经领域的抗体药，长期受困于血脑屏障。

HANESS 抗体智能体处理的正是这一类问题：把抗体设计、可开发性评估、表位靶向与递送策略，组织成一套可追溯的智能体流程。

目前，公司已推动多个抗体项目进入实验室阶段，覆盖神经与肿瘤两个领域。

真正值得注意的是：环肽和抗体用的是同一套证据治理内核。 换一个模态，换的是智能体的具体能力，不换的是"候选必须带着证据前进"这条原则。

这就是"平台"与"项目"的差别。

五、已经交出的东西

 预印本：CP-GFM-SGX 已发表于 ChemRxiv（DOI: 10.26434/chemrxiv.15010253/v1）

 开源：技术报告与代码在 GitHub 开放（YulixirAI/CP-GFM）

管线：多个项目已推进至实验室阶段，覆盖神经与肿瘤领域

六、自动驾驶实验室：跨模态的下一步

多智能体最具想象空间的落点，是自动驾驶实验室：AI 推理接上机器人与自动化检测，让"提出假设—设计实验—执行—分析—再设计"持续闭环。

公司正在分三步推进：

1. 实验数据回读自动化——SPR/BLI 结果结构化回流到设计智能体

2. 实验编排智能体——主动提出下一批要合成和测量的分子

3. 接入自动化合成与检测——让闭环连续运转

但要说明边界：目前跑通的是"有人参与的闭环"。** 自动驾驶实验室仍是方向，尚未建成。从人工闭环到自动驾驶，中间隔着实验编排的可靠性、自动化硬件稳定性、异常处理，以及最关键的一条——**当智能体自己决定做什么实验时，谁来保证它的判断可审计。

七、结语：平台的分水岭

对投资人而言，判断一家 AI 制药公司的关键，不再是"模型多能生成"，而是三个问题：

1. 生成的东西能不能走到实验台上？

2. 走过去的代价是什么？

3. 这套能力能不能复用到第二条管线？

第一个问题考技术，第二个问题考工程，第三个问题考平台。

环肽与抗体双线推进，正是公司对第三个问题的回答。

──────────────────────────────

关于北京深智序元生物

北京深智序元生物（Profundata）联合北京玉醴科技、牛津大学，围绕 AI 驱动创新药研发建立技术体系，重点布局生成式 AI 药物设计、环肽创新药发现、抗体智能体与 AI 驱动 CNS 递送平台。

ChemRxiv预印本

CP-GFM-SGX: Topology-Aware Cyclic Peptide Generation and Design with Receptor-Conditioned Structural Evaluation and Experimental KRAS Affinity Optimization

Version 1 · DOI: 10.26434/chemrxiv.15010253/v1

https://doi.org/10.26434/chemrxiv.15010253/v1

GitHub 公共科学接口

https://github.com/YulixirAI/CP-GFM

CP-GFM-SGX Technical Report

https://github.com/YulixirAI/CP-GFM/blob/main/docs/CP-GFM-SGX_Technical_Report.md

──────────────────────────────

声明：本文所涉 KRAS 环肽研究属于单一靶点下的结合亲和力优化，不代表新生成环肽的实验命中率，也不能直接推出细胞活性、体内疗效或完整的药物开发价值。抗体管线处于实验室研究阶段，尚未进入临床。自动驾驶实验室为公司在推进的研发方向，尚未建成投入运行。相关科学工作为预印本，尚未经过期刊同行评审。