眾多投身生命科學(xué)的互聯(lián)網(wǎng)公司中，騰訊或是最先破局的那一個。

2025年的騰訊全球數(shù)字生態(tài)大會中，騰訊健康總裁吳文達(dá)對騰訊的生命科學(xué)解決方案進(jìn)行了一次全方位的拆解。

整體架構(gòu)方面，騰訊生命科學(xué)實驗室通過多尺度、多模態(tài)技術(shù)串聯(lián)，共同構(gòu)建了從分子到細(xì)胞、組織再到系統(tǒng)的全棧研究體系，以“數(shù)據(jù)－算法－平臺”為主軸，形成覆蓋基礎(chǔ)研究、技術(shù)工具、應(yīng)用落地的完整生態(tài)。

基礎(chǔ)能力方面，騰訊健康聚焦其存儲、算力、AI開發(fā)與應(yīng)用，為生命科學(xué)行業(yè)提供“數(shù)智化解決方案”，并通過組學(xué)平臺 “AI模型倉庫”，整合來自騰訊生命科學(xué)實驗室的頂刊AI模型，以及開源和用戶私有大模型，降低單細(xì)胞、基因組、蛋白質(zhì)組等全鏈條研究的技術(shù)門檻。

成果輸出方面。“云深智藥”平臺可加速藥物發(fā)現(xiàn)和優(yōu)化，利用AI預(yù)測蛋白質(zhì)三維結(jié)構(gòu)，生成新的小分子或抗體分子，全面加速藥物的篩選和優(yōu)化。

完整鏈路之下，這套體系現(xiàn)已鏈接起數(shù)千個制藥人員，協(xié)作多家藥企提速藥物設(shè)計。當(dāng)AI成為藥企數(shù)字化變革中的必答題，騰訊或許面臨一個新的千億級機遇。

01

在單細(xì)胞測序中率先引入大模型

早在2022年，騰訊生命科學(xué)實驗室便率先在單細(xì)胞測序領(lǐng)域構(gòu)建大語言模型scBeat。該模型基于BERT范式，可將細(xì)胞中基因的表達(dá)信息轉(zhuǎn)化成可被計算機理解、學(xué)習(xí)的“語言”，并對細(xì)胞進(jìn)行精準(zhǔn)標(biāo)注，分析出基因之間的復(fù)雜關(guān)系。

相關(guān)研究最終被國際頂級學(xué)術(shù)期刊《Nature Machine Intelligence》收錄。據(jù)騰訊生命科學(xué)實驗室首席科學(xué)家姚建華介紹：該模型在預(yù)訓(xùn)練階段通過大規(guī)模無標(biāo)注訓(xùn)練數(shù)據(jù)學(xué)習(xí)通用的基因和表達(dá)編碼，可有效提升模型的魯棒性與泛化能力。此外，基于少量數(shù)據(jù)微調(diào)，騰訊生命科學(xué)實驗室有效提升模型的準(zhǔn)確性。

進(jìn)入空間蛋白組學(xué)時代后，騰訊生命科學(xué)實驗室同樣迅速在此領(lǐng)域推出AI工具。

細(xì)胞類型注釋是“蛋白空間表達(dá)信息”與“生物學(xué)功能解讀” 的核心橋梁。在進(jìn)行空間蛋白組學(xué)研究前，研究者必須先全面注釋空間轉(zhuǎn)錄組數(shù)據(jù)的細(xì)胞類型，保障蛋白質(zhì)表達(dá)數(shù)據(jù)與具體細(xì)胞功能、組織微環(huán)境作用或疾病機制關(guān)聯(lián)。但傳統(tǒng)工具能力有限，研究人員需要能有效降維且對數(shù)據(jù)噪聲具有穩(wěn)健性的高性能注釋方法，Spatial-ID 應(yīng)運而生。

“為了解決上述問題， 我們首先采用遷移學(xué)習(xí)的方法，把單細(xì)胞的模型遷移到空間組學(xué)上，再利用AI中編碼器的方法來編碼它的基因和空間的信息。最后，我們構(gòu)建了Spatial-ID這個模型分析新的空間組學(xué)數(shù)據(jù)。”姚建華在演講中談到。

據(jù)相關(guān)實驗統(tǒng)計，Spatial-ID的細(xì)胞類型注釋速度較傳統(tǒng)方法高出百倍，準(zhǔn)確度提升20%，還同期解決了數(shù)據(jù)缺失和批次效應(yīng)的問題。

在四個不同的空間轉(zhuǎn)錄組公開數(shù)據(jù)集上開展的基準(zhǔn)測試中，Spatial-ID 與現(xiàn)有8種先進(jìn)方法（Seurat、SingleR 等）進(jìn)行性能對比，最終在各數(shù)據(jù)集的分析上均取得了顯著優(yōu)于其他方法的準(zhǔn)確性。

例如在小鼠初級運動皮層數(shù)據(jù)集上，Spatial-ID達(dá)到了92.75%的平均準(zhǔn)確率；在小鼠下丘腦視前區(qū)的三維空間轉(zhuǎn)錄組數(shù)據(jù)集上，其細(xì)胞類型注釋平均準(zhǔn)確性比最佳的SOTA方法提升了約 6.5%。

為了進(jìn)一步推動空間蛋白組學(xué)的發(fā)展，姚建華等研究員還收集和整理了業(yè)界規(guī)模最大的空間組學(xué)數(shù)據(jù)集SODB（Spatial Omics DataBase），現(xiàn)已收錄了約5億個細(xì)胞，總數(shù)據(jù)量超過1T，同時提供完整的數(shù)據(jù)分析和可視化的流程。

總的來說，騰訊在生命科學(xué)領(lǐng)域的持續(xù)突破，不僅推動基礎(chǔ)科研效率與精度革新，也為解析生命機制、探索疾病奧秘提供關(guān)鍵工具，已在一定程度上帶動相關(guān)行業(yè)向前躍進(jìn)。

02

平臺化思維重構(gòu)AI新藥研發(fā)

相較于生命科學(xué)，騰訊在AI新藥研發(fā)方向入局更早，相關(guān)落地成果也更為多元。

騰訊AI制藥技術(shù)負(fù)責(zé)人劉偉在會上講述了騰訊開發(fā)制藥大模型的邏輯，他認(rèn)為：“藥物研發(fā)涉及小分子、抗體、ADC、核苷酸藥物及疫苗等多模態(tài)需求，因而需要聚焦原子層級，構(gòu)建底層統(tǒng)一大模型。通過深入研究原子作用力與原子凝聚體結(jié)構(gòu)，騰訊健康讓模型可適配上層各類藥物研發(fā)場景，為不同模態(tài)藥物研發(fā)提供基礎(chǔ)支撐。”

在結(jié)構(gòu)預(yù)測方面，騰訊的原子級大模型已初露鋒芒。以抗體人源化改造為例，傳統(tǒng)模型依賴序列及上層數(shù)據(jù)訓(xùn)練，難以捕捉微小變化帶來的影響，而騰訊的大模型能感知原子變化引發(fā)的結(jié)構(gòu)、作用力及分子間相互作用的改變等，提升合成抗體成功率，并保證其具備高結(jié)合親和力。

進(jìn)一步談DNA和蛋白質(zhì)結(jié)構(gòu)預(yù)測。AlphaFold3等主流工具雖能預(yù)測 DNA 雙螺旋結(jié)構(gòu)，但在溝槽結(jié)構(gòu)、卷曲角度等關(guān)鍵參數(shù)上與真實結(jié)果差異較大，無法滿足高要求應(yīng)用場景。面對這一缺陷，騰訊結(jié)合原子層面大模型與分子動力學(xué)模擬等計算方法，大幅提升了從序列或結(jié)構(gòu)預(yù)測結(jié)構(gòu)的效果，該成果已應(yīng)用于核酸藥物研發(fā)，并可擴展到 RNA 相關(guān)領(lǐng)域。

在大模型應(yīng)用實踐中，騰訊已經(jīng)通過多個案例驗證了其AI能力。

在AI 預(yù)測抗體藥物篩選方向上，傳統(tǒng)方法通過免疫動物、提取抗體后進(jìn)行生物膜干涉實驗篩選，成本高昂。相較之下，騰訊從抗體序列建模入手，利用AI預(yù)測抗體與抗原的結(jié)合能力及親和力，第二輪篩選通過聚類相似序列進(jìn)一步減少實驗環(huán)節(jié)，最終正確率會比傳統(tǒng)的ELISA提升3-5倍，研發(fā)成本降低超過40%。

此外，騰訊還自研了大語言模型驅(qū)動的抗生素耐藥性數(shù)據(jù)庫MdrDB。該數(shù)據(jù)庫不僅收錄的菌類分布、全球主要致死耐藥性細(xì)菌致因數(shù)據(jù)與世界衛(wèi)生組織公布結(jié)果高度一致，還具備耐藥機制解析、突變模式揭示等能力，能夠助力新靶點的發(fā)現(xiàn)與抗菌藥物的研發(fā)，可為流感、新冠等疾病的未來演化預(yù)判及藥物研發(fā)提前規(guī)劃提供有力支持。

03

趕上創(chuàng)新藥爆發(fā)的風(fēng)口

回顧生命科學(xué)與制藥領(lǐng)域中的布局之外，騰訊似乎在這兩個前沿領(lǐng)域找到了它熟悉的B端打法——聚焦于搭建平臺化的覆蓋臨床前新藥研發(fā)全流程的AI工具，進(jìn)而構(gòu)建其獨有的創(chuàng)新藥生態(tài)體系。

相較于躬身入局，這一邏輯顯然能夠更好地發(fā)揮體系之中個角色的比較優(yōu)勢，以低于行業(yè)的平均研發(fā)成本搶奪行業(yè)先機。

2024年，中國創(chuàng)新藥企業(yè)憑借爆發(fā)式出海迅速完成投資變現(xiàn)，全年創(chuàng)新藥交易總金額高達(dá)3630.98億元，并在2025年延續(xù)著增長的趨勢。

風(fēng)口之下，騰訊的這套布局或?qū)⒙氏戎鋵崿F(xiàn)AI在生物制藥的工業(yè)轉(zhuǎn)化，甚至有望形成一個全新的收入增長極。