斯坦福AI科学家：改变药物研发格局

药物发现领域迎来AI革命

药物研发过程历来效率低下。制药项目往往耗时数年，在一个专业团队交接给下一个团队的过程中，由于工作流程脱节，导致每次交接都伴随着知识流失。

据报道，令人震惊的是，90%至95%的药物研发项目最终失败——这是任何行业中失败率最高的领域之一。根据公开报告，一种成功药物从最初发现到患者手中，可能需要十多年时间，并耗资高达10亿美元。

智能体AI系统带来的突破

虽然生成式AI正在尝试解决一些挑战，但斯坦福大学的研究人员通过智能体AI技术取得了更大进展。由斯坦福大学生物医学数据科学副教授James Zou领导的团队，在一个模拟药物开发完整生命周期的虚拟生物技术公司中，部署了数千个自主AI”科学家”智能体。

根据Zou的介绍，这些智能体处理从初始发现到安全测试和临床试验设计的所有环节，同时保持当今药物研发流程中缺乏的连续性。

分层协调框架实现高效协作

该项目采用分层协调框架。Zou在接受VentureBeat电话采访时（即将在VB Transform 2026会议上发言）表示，框架顶端设有一个首席科学家智能体，担任规划者角色，将任务分配给专业智能体团队。

在一个团队专注于药物发现的同时，另一个团队负责安全管理，其他团队则处理专业分析任务。由于这些智能体在统一的分层生态系统中运作，它们能够保留项目的完整上下文，从最初识别的分子到最终的临床结果，保持全过程连续性。

数据驱动的智能体系统

该系统的”大脑”依赖大量原始数据。智能体可以访问从基因组学和FDA化学数据到临床试验数据库等多种数据源，使用模型上下文协议实现数据访问。

研究团队大力投资于原生智能体数据和智能体友好型数据，使AI能够更有效地合成复杂信息。该系统依赖多种模型的组合，Zou指出，虽然Claude通常作为编码和数据分析的骨干，但架构采用了多种模型，包括针对专门用例进行微调的模型。

研究成果商业化应用

基于这项研究，Zou创立了Human Intelligence公司，并以约10亿美元的估值进行融资。

在7月15日VB Transform会议上，Zou将发表题为《斯坦福实验室中万名智能体科学家如何彻底改变医学研究与发现》的演讲，分享宝贵见解，包括：在多智能体系统中管理上下文和长期多步骤工作流的策略；将原始企业数据转换为和索引以使其成为智能体原生数据的过程；以及如何使用人工审计和实验奖励信号来验证智能体行动。