药企开始购买AI模型后，医疗AI正从辅助工具走向研发底座-速维云

当药企开始直接采购AI模型能力，医疗AI的商业化重心就变了。过去它更像研发部门旁边的辅助工具，用来筛文献、做分子生成、加速候选物筛选；现在，葛兰素史克以5000万美元前期资本获得Noetik癌症模型使用权，中国科学院团队发布手术视频基础模型SurgMotion，华源智因用AI重塑细胞并拿到融资，这些事件连在一起，说明AI正在进入医学研发和临床流程的底层环节。

医疗AI正在从辅助工具进入药物研发、手术理解和实验闭环。

这不是“AI又多了一个应用场景”那么简单。医疗、制药和生命科学原本就是高数据门槛、高验证成本、高监管压力的行业，如果AI能在这里形成可重复的模型授权、数据飞轮和任务闭环，它对产业的影响会比普通办公提效更深。模型不再只是回答问题，而是在药物研发、手术理解、细胞扰动和实验自动化里承担部分专业判断。

药企开始买模型

AI制药行业最值得注意的变化，是药企开始直接为模型能力付费。葛兰素史克以5000万美元前期资本获得Noetik癌症模型使用权，并部署通用大模型；辉瑞、礼来等企业也与Chai、Boltz等公司合作，把AI能力接入研发底座。这里的关键不是“用了AI”，而是交易对象从项目服务、候选分子和软件工具，逐渐变成可持续调用的模型能力。

这会改变AI制药公司的商业模式。过去很多公司需要证明自己能交付某个候选药物，周期长、风险高、现金流不稳定；如果模型本身可以被授权，企业就能用更接近平台的方式获得收入，再通过合作方反馈、实验数据和研发结果继续训练模型。换句话说，药企买的不只是一次预测，而是一套能持续参与研发流程的底层能力。

数据飞轮比演示更重要

医疗AI能不能落地，核心并不只在模型参数，而在数据能否形成闭环。药物研发里的病理图像、组学数据、分子结构、临床指标和实验反馈，都不是随便抓取的公开文本。谁能拿到高质量数据，谁能把数据转成可训练、可验证、可审计的结构，谁才有机会把模型能力稳定放进研发流程。

Noetik的癌症模型、Chai和Boltz围绕生物分子能力展开合作，本质都在争夺这个闭环。模型如果只会生成漂亮答案，很难通过药企的严苛验证；但如果它能帮助缩短筛选路径、提高命中率、解释失败原因，并在新实验反馈中继续迭代，就会逐渐从“辅助工具”变成研发系统的一部分。医疗AI的门槛也因此被抬高：它要同时懂算法、数据、实验和行业合规。

手术视频成为新底座

中国科学院联合全球多家顶尖机构发布SurgMotion，是另一个很有代表性的信号。这个十亿参数级手术视频基础模型基于千万帧级数据训练，在多项手术任务中带来性能提升，并已开放获取，吸引近40家全球机构申请使用。相比文本医疗问答，手术视频模型面对的是连续动作、器械交互、组织变化和复杂场景理解，难度更接近真实临床流程。

这类模型的价值不只在“看懂视频”。如果它能识别手术阶段、理解关键动作、辅助培训和质控，未来就可能进入医生训练、手术复盘、机器人辅助手术和临床流程管理。手术是高度专业、强风险的场景，AI不可能轻易替代医生，但它可以先成为更好的观察者和记录者，把过去难以结构化的操作经验转成可分析、可复用的数据资产。

虚拟细胞与无人实验室

生命科学方向同样在加速。华源智因完成种子轮融资，00后团队围绕虚拟细胞构建“检测-数据-模型-诊疗”飞轮，CTO主导的xTrimoSCPerturb曾获Virtual Cell Challenge冠军。这个方向关注的是细胞在扰动下如何变化，目标不是简单生成文本结论，而是帮助研究者预测药效、理解机制、筛选更有价值的实验路径。

北京提出推进AI赋能科学研究，鼓励AI科学家上岗，打造24小时无人实验室，也让这条线更清晰。科学AI的想象力不在于让模型写一篇论文，而在于让模型提出假设、规划实验、调用设备、记录结果、再根据反馈调整下一轮实验。无人实验室如果能和虚拟细胞、蛋白模型、药物模型结合，科学发现的节奏会从“人等实验”逐渐走向“系统持续探索”。