2025年至2026年，生物医药AI Agent（智能体）技术已从概念验证快速迈入产业落地阶段。很明显的感觉，就是今年大家每个人都在谈AI智能体，也因为大家真的开始在使用了。

注：AI Agent和大模型的区别在于，大模型依赖清晰的提示（prompt）与人类交互‌，其输出质量受用户输入影响较大；而‌AI Agent只需设定目标‌，便能自主规划、决策并采取行动，具备更强的独立性和主动性。

它就像古话说罗马不是一天建成的，就是制药，它是一个非常长的流程，中间的环节可能就是细分，可能就是有几十个甚至更多。如果想每一个环节，想靠一项技术去颠覆掉整个新药研发，我觉得目前可能非常难。但是你在每一个细分环节上可能都有一些可以做的事情。比如在某个环节积累数据，然后开发出一个AI智能体，帮助我们提升这个环节的研发效率。我觉得这个是我实践中打磨出的一套方法论。

然后另外一部分，大模型其实也非常擅长把非结构化的数据转换成结构化的数据。我们在拿到一些调研的报告，或者是文献，或者是专利的时候，其实没有专家会喜欢把里面的所有的文件都读一遍的，那他希望把里面的有用的数据找出来，给他再做一些分析。基于这样的场景，开发一款来去分析量化专利的这样一个工具。能够快速的把里面的非结构的化的数据转化成结构化的数据，以用于做后面的一个整体的分析。

不仅这些，从药物发现、临床试验、申报监管到市场情报监测，正在重塑生物医药的全价值链。本文也将系统梳理当前主流的生物医药AI Agent开发平台，给同仁一些汇总参考。

11个主流的生物医药AI Agent开发平台

一、摩熵数科AI开放平台（医药管线数据）

二、亚马逊AmazonBioDiscovery（早期药物发现）

三、英伟达NVIDIABioNeMoAgentFramework（基础设施供应）

四、薛定谔SchrödingerAgenticAISuite（计算药物设计）

五、开源全栈平台OpenBioMed（基座适配）

六、斯坦福大学Biomni（生物医学）

七、自进化生信智能体BiomedAgent（生信框架）

八、微软基因组学BioAgents（兼容部署）

九、腾讯云深智药iDrugAgent（架构对接）

十、水木分子（清华系）

十一、百度文心智能体（医药专版）