从港交所敲钟到科学智能体：英矽智能IPO背后的真实野心
2025年12月30日，港交所迎来了一家特别的上市公司——英矽智能（股票代码：3696.HK），这不仅是一家AI制药公司，更是全球首家依据主板上市规则8.05条成功挂牌的AI生物医药科技企业，其IPO募集资金总额高达22.77亿港元，成为2025年港股市场最大的生物科技IPO。
这家成立于2014年的公司，由AI科学家亚历克斯·扎沃罗科夫（Alex Zhavoronkov）博士创立，自诞生之日起就致力于用生成式人工智能彻底重构药物研发的底层逻辑。
开盘当日，英矽智能股价飙升45%，市值一举冲高至195亿港元，市场的狂热追捧背后，是对“AI for Science”这条技术路线从概念验证走向工业化落地的强烈信心。
MMAI Gym：不是模型，而是一个在真实世界中进化的“科学训练馆”
英矽智能对外宣称的核心技术支柱是MMAI Gym for Science，这里的MMAI指的是多模态人工智能（Multi-Modal Artificial Intelligence），但其内涵远非简单的多模态数据融合。
MMAI Gym的本质是一个“闭环训练系统”，一个专门为药物研发打造的“科学训练馆”。
与传统AI研究中使用的静态Benchmark不同，Gym这个概念直接借用了强化学习中的“环境”概念，强调的是一个动态、交互、可进化的学习生态。
在这个Gym里，AI模型的输入囊括了从分子结构、蛋白质三维构型、细胞表型数据到真实湿实验结果的全链条信息，而其输出则直接指向药效预测、成药性评估、毒性分析和作用机制解释等药物研发的关键决策点。
最关键的区别在于，所有这些输出都会被送入真实的生物和化学实验室进行验证，无论成功与否，实验结果都会作为宝贵的反馈信号，重新注入系统，用于模型的下一轮迭代优化。
这便构成了一个“AI生成假说 → 实验验证 → AI学习反馈”的强化回路，正如公司所言，其核心依赖于“经过实验验证的模型和专有的基准数据”。
这种将自然规律本身作为奖励函数（reward function）的设计哲学，使得MMAI Gym追求的不是在某个论文指标上的SOTA（State-of-the-Art），而是在嘈杂、昂贵、高风险的真实世界中，展现出一种“科学超智能”（scientific superintelligence）的火花，能够在复杂的生物化学空间中高效地进行探索和决策。
RFT与SFT：将AI对齐从人类语言迁移到自然法则
在MMAI Gym的训练框架下，英矽智能采用了两种核心的模型微调策略：监督微调（SFT, Supervised Fine-Tuning）和强化微调（RFT, Reinforcement Fine-Tuning）。
这并非ChatGPT等大语言模型训练方法的简单照搬，而是将其精髓嫁接到药物研发的科学语境中。
SFT阶段，模型通过学习海量的历史成功案例、已知的药物作用路径以及经过验证的实验数据，来掌握“什么是正确的科学输出”，建立起对药物研发基本规则和范式的理解。
而更具革命性的是RFT阶段，它利用真实世界中新产生的实验结果，尤其是失败的成本和教训，来教会模型“在浩瀚的科学可能性空间中，应该如何进行有效探索”。
每一次分子设计的失败，都清晰地告诉模型某些化学空间是“有毒的”或“无效的”，而每一次成功的活性验证，则强化了通往有效药物的路径。
这种以自然规律为罗盘、以实验反馈为燃料的训练方式，使得MMAI Gym的AI系统不再是被动地回答问题的“聊天机器人”，而是主动在现实世界中进行试错、学习和创新的“智能体”（agent）。它所追求的，是在高度结构化的科学任务空间里，用相对较小的模型规模，实现超越人类专家的高效搜索和决策能力，这正是其宣称的“科学超智能”的核心所在。
SOTA+：从单点突破到药物研发全链条的系统性压制
英矽智能在IPO后的技术宣言中，反复强调其模型在“各种关键任务上实现了SOTA+的性能”。
这里的“+”字至关重要，它划清了与学术界SOTA概念的界限。学术界的SOTA通常指在某个特定数据集或榜单上的单项冠军，而英矽智能的SOTA+指的是在其内部药物研发工作流的全链条上，从靶点发现、分子生成、结构预测、ADMET（吸收、分布、代谢、排泄和毒性）性质评估到表型映射等多个环节，其AI系统都能提供稳定、可靠且整体最优的解决方案。
药物研发的失败往往不是源于某个环节的致命错误，而是多个环节微小误差的叠加效应，最终导致项目在后期临床试验中功亏一篑。
因此，SOTA+的真正价值在于其系统性和协同性，它确保了从AI生成的第一个分子构想，到最终进入人体的候选药物，整个链条的信号传递是高效且保真的。这种端到端的优化能力，是英矽智能能够将药物研发周期从传统的4-5年大幅压缩至约1年的关键，也是其区别于许多仅聚焦于药物研发某个单点环节的AI公司的核心壁垒。
23个管线与10个临床：AI制药领域最硬核的KPI已落地
任何技术的终极试金石都是其产出的成果。对于AI制药公司而言，最硬核的KPI不是发表了多少篇论文，而是有多少个由AI驱动的候选药物进入了开发阶段，乃至临床试验。
英矽智能在IPO时交出的答卷堪称惊艳：公司拥有23个公开的临床前候选物（PCCs）和开发阶段项目（DSs），其中更有10个已经成功推进到临床试验阶段。这是一个具有里程碑意义的数字，因为传统制药行业中，从数百甚至上千个初始分子中筛选出1-2个进入临床是常态，而早期的AI制药公司则常常陷入“论文很多，临床很少”的困境。
英矽智能的10个临床管线，尤其是其针对特发性肺纤维化（IPF）的全球首款AI发现的TNIK抑制剂（INS018_055，后命名为rentosertib），已经成功完成了IIa期临床试验，相关成果发表于顶级期刊《自然·医学》（Nature Medicine）。这一系列实实在在的管线进展，有力地证明了其技术平台不再是概念验证，而已经具备了工业化的产出能力，能够稳定、高效地将AI的“想法”转化为可以治病救人的“药物”。
MMAI Gym与Alpha系：解题天才与修炼战士的终极对决
将英矽智能的MMAI Gym与DeepMind的Alpha系列（如AlphaFold、AlphaMissense等）进行对比，能够更清晰地看清前者的技术哲学。
Alpha系列的成功源于其对“可形式化科学问题”的极致攻克，它将一个复杂的科学问题（如蛋白质折叠）转化为一个定义清晰、输入输出明确、评估标准客观的数学优化问题，然后通过强大的模型架构和算力，逼近该问题的理论上限。
这种模式造就了“科学问题的最优解机器”，是科学家的超级助手。然而，这种模式的局限在于其奖励信号（reward）来自已知的、静态的世界（如PDB数据库中的蛋白质结构），无法直接处理药物研发这样开放、动态、充满未知和高成本的现实世界挑战。
MMAI Gym则完全不同，它的起点不是科学问题，而是商业目标——持续产出可上市的新药。因此，它构建的不是一个单一的、极致的模型，而是一个吞噬模型、数据和实验反馈的活系统。它的奖励信号直接来自自然规律本身，失败在其中不是需要被过滤的噪声，而是指导未来探索的宝贵资产。Alpha系在黑板上赢得漂亮，而MMAI Gym则必须在残酷的现实世界里活下来并取得胜利。
技术雄心背后的真实风险：噪声、成本与转化的三重挑战
尽管英矽智能的愿景和技术路线图令人振奋，但其MMAI Gym所面临的挑战也是真实且严峻的。
首要的技术风险在于“现实世界反馈的噪声与高昂成本”。生物实验本身就存在固有的变异性，这种噪声会直接污染强化学习的奖励信号，导致模型学习困难甚至学偏。
同时，湿实验和临床试验的周期长、成本高，使得模型迭代的频率受到严重制约，很难像在虚拟环境中那样进行快速、大规模的试错。
其次，多模态数据的融合与可解释性也是一个巨大挑战。
当模型基于分子、蛋白、表型等多源异构数据做出一个决策时，如何量化每个数据源的贡献，并清晰地解释其决策逻辑，对于药物研发这种对安全性要求极高的领域至关重要。
目前，尚无公开发表的同行评议论文详细阐述MMAI Gym内部的多模态融合机制，这在一定程度上构成了其技术黑箱。
最后，也是最根本的商业风险，在于“科研成果到商业价值的转化鸿沟”。即使MMAI Gym能高效地产出临床前候选物，这些药物最终能否成功上市、收回成本并盈利，依然受到临床试验失败率、市场竞争、定价策略和医保谈判等多重外部因素的影响。
英矽智能目前的商业模式很大程度上依赖于与大型药企的合作授权，其自身能否建立起独立的商业化能力，是决定其长期价值的关键。
没有直接论文，但有坚实的学术地基
需要澄清的是，截至2026年初，英矽智能尚未在顶级学术期刊上发表一篇直接以“MMAI Gym”为名的同行评议论文。关于MMAI Gym的详细介绍，主要出现在公司官方发布、行业会议（如NeurIPS 2025的相关研讨会）和新闻稿中，属于商业和产品层面的描述。
然而，这并不意味着其技术是空中楼阁。其底层技术栈拥有坚实的学术支撑。例如，其核心的分子生成平台Chemistry42，其技术细节已在arXiv等预印本平台上公开。
更重要的是，其AI驱动药物研发的成功案例，如TNIK抑制剂的全流程研发，已经作为研究论文发表在《自然·生物技术》（Nature Biotechnology）和《自然·医学》等顶级期刊上。这些工作不仅验证了其AI平台的有效性，也为MMAI Gym所依赖的“AI-实验”闭环理念提供了强有力的学术背书。
极客一语道破
总之：资本愿意用自己金钱来对赌这样一个AI+药物研发的赛道，至于这条赛道（AI+实验）是否适合AI强化学习？还是获得诺贝尔化学奖的Alpha更适合语言模型？因为机器人行业已经肯定是不适合用强化学习了，对于一个创新行业，大部分人都不知道详情的情况下，适当泡沫也许预示非理性繁荣！ 在投资热度上，创新药排在AI硬件和机器人之后也是有道理的。