浦东OPC｜一位在校生“单枪匹马”闯进AI制药产业链

生物制药行业长期以“长链条、重资产、高壁垒”著称。对于一家由在校博士生创办的轻量化OPC企业而言，想要切入产业链或与成熟药企达成合作，核心挑战在于定位：找到AI杠杆足够高、技术壁垒清晰，同时尚未被充分工程化的切入口。

张可欣本科就读药学专业，博士阶段转向计算机方向，长期关注人工智能与生命科学的交叉研究。这样的跨学科经历，让他既理解药物研发中的真实痛点，也具备构建算法模型和工程系统的能力。

张可欣就读博士二年级时，大模型开始快速进入生命科学研发场景。在横跨学术界与产业界的研究过程中，他逐渐意识到，生命科学需要自己的垂直基础模型。

“过去若干年，AI已经完成了语言、图像和代码的Token化。生命科学的下一步，就是把蛋白、分子、结构和实验数据转化为可计算、可调用的Bio Token（生命科学词元），并通过基础模型实现持续学习和迭代。”张可欣说。

基础模型通常指在大规模数据上进行预训练并具备跨任务迁移和泛化能力的模型体系。在生物医学领域，这类模型正在推动科研与产业范式发生深刻转变：例如在疾病研究工作中，相关基础模型能够联合分析基因组、转录组、蛋白质组等多模态数据，帮助研究者从更系统的层面理解疾病发生发展的过程。

张可欣介绍，在AI制药场景中，生物基础模型能够赋能小分子药物、抗原抗体、RNA药物等品类的研发。然而，训练生物基础模型的门槛极高，不仅需要大量算力，也需要长期积累的算法能力、物理理解和“硬数据”；头部大厂虽具备算力和平台工程优势，但在生命科学细分场景中，仍欠缺产业闭环能力。

“国外已经出现了一批面向生命科学基础模型的创业公司。相比之下，国内这一方向仍处在早期阶段。在这个尚未完全成熟的窗口期，律生万物选择从生物基础模型这一基础设施层切入，尝试为AI制药产业链提供更底层、更可复用的模型能力。”张可欣说。

瞄准这一方向，律生万物投入研发的生命科学基础模型，生态位处于制药产业的最前端：成百上千万的候选分子不可能一开始就进入实验室验证，必须先通过模型进行生成、评估、排序和筛选，将候选范围压缩到数百至数千个，以达到实验室可承接的规模。

这样的产品定位，使公司能够优先依托云端模型能力形成早期商业验证，降低对自建实验室等重资产资源的依赖。这正是生物基础模型的价值所在——它并不直接替代实验，而是在实验开展前完成更高效的候选空间探索，把有限的实验资源集中到更值得验证的分子、蛋白或生物设计方案上，减少实验试错成本。

过去，训练和迭代这类模型往往需要算法、工程、药学、生物、物理建模等多类人才协同，团队很难真正轻量化。随着智能体技术的发展，研发链条中大量标准化、重复性环节正在被自动化重构，单个高水平研发人员的生产力被显著放大。

“新药研发仍然高度复杂，不可能被简单自动化取代。但在研发的前端环节，如模型构建、数据处理、候选生成、计算筛选和流程调度等，AI已经能够显著降低团队的组织成本。”张可欣说，“这使得小团队也有机会从基础模型和云端服务层切入，为药企和科研团队提供可复用的模型能力。”

正是产业空白与AI工程化能力的叠加，让律生万物找到了一条不同于传统制药公司的发展路径：不从重资产实验平台起步，而是从生物基础模型这一上游基础设施切入，以极精简的团队探索AI制药产业链中的高杠杆环节。

然而，找到产业入口还远远不够。对于一家轻量化OPC企业而言，真正的问题在于：面对制药行业中资金、人才和资源都更为雄厚的成熟企业，核心竞争力从哪里来？

张可欣给出的答案，是效率。

“通过工程、算法上的优化，加上AI工具链的发展，我们能够将AI制药基础模型的成本降至原先的百分之几乃至千分之几。”张可欣说。站在计算机科学与生命科学的交叉点上，他通过AI杠杆放大了个人和团队的研发效率。

在他看来，生物基础模型的竞争并不只发生在模型参数规模上，更发生在数据理解和训练细节中。

张可欣介绍，很多企业和研究机构都会训练自有基础模型。但生物医药数据极其复杂：既包括开源数据库，也包括实验数据、蒸馏数据、合成数据等；在真正进入模型训练之前，还需要经历清洗、去重、标准化、增强、质量评估等一系列处理流程。

这种复杂性，恰恰为既理解生命科学问题、又具备AI工程能力的人才打开了空间。

张可欣在科研、实习和产业交流中发现，当前许多生物基础模型在算法框架上并没有本质差异，真正拉开差距的，往往是对生物数据结构、物理约束和任务场景的理解深度。

“生物模型训练的核心，不只是把数据喂给模型，更要让模型的操作细节与真实世界的数据结构对齐。”他说。

这正是AI赋能更深层的含义：不仅能够替代重复性、模块化的工作，更重要的是把少数专业人才头脑中的领域判断、工程经验和科学直觉，转化为可复用、可扩展、可持续迭代的系统能力。对于律生万物这样的小团队而言，这正是与大企业错位竞争的关键。

AI杠杆的支点，始终是人。“模型本身可以自动化很多流程，但真正决定模型上限的，仍然是人对科学问题的判断。”张可欣说，“哪些数据值得相信，哪些物理约束必须保留，哪些任务应该被重新定义，这些都不是简单的算力堆砌能够解决的。科学研究一点点向前推进，靠的正是这些细节。”

张可欣介绍，律生万物目前选择了若干细分方向切入，这些方向既受到产业关注，同时又适合基础模型发挥作用，将有限资源集中在高价值场景上。“我们会聚焦这些窗口，做到最好。”张可欣说。目前，律生万物的Demo产品已经在校内和多家企业场景进行试用。

在浦东，OPC有一位“看不见的合伙人”，即对创新的全面托举。

2025年11月，张可欣第一次来到模力社区参加创业宣讲会。在这里，他看到创业的大门向他打开：“他们介绍了很多政策，告诉我们怎么申请资源、怎么对接，还给我们展示了开放工位。”

机会就在眼前。但算力昂贵，没有起步资金怎么办？让他下定决心的“心动时刻”，来自张江人工智能创新小镇的“三个100万”政策：新落地小镇的企业，可享受最高100%支持的100万元算力券、100万元模型券、100万元语料券补贴。“做我们这种基础模型的，对算力要求非常高，这项政策对我们起到了非常好的激励作用。”张可欣说。

从张可欣就读的上海科技大学，到律生万物落地的模力社区，距离不到3公里。“这边上课，那边创业。在这里，公司很多基本商业事务，例如社保、招聘、财务等，哪怕需要加急办理，都有快捷途径可以实现。我自己投入的就是时间。”张可欣说。

办公空间、租金优惠、算力支持、政策对接，乃至企业注册、合规辅导、申报服务……这些琐碎又绕不开的环节，早已被张江集团和相关园区平台提前打包进了统一的创业服务体系里。

2026年3月，张可欣参加了首届浦东创投集团AI训练营，获得了第一笔融资。训练营提供的资金，不仅是让初创团队迈过“生存”这道坎，更是支持创业者将有限的精力真正放回到技术打磨与产品迭代本身。通过训练营，张可欣对接到了更多资源：“公司的平台得以拓展，我也获得了更多会见投资人的机会。”

张可欣认为，张江的区位优势非常明显。“在这里，我们需要的就是及时了解相关政策。”

展望未来，轻量化仍是张可欣最看重的发展准则：“轻量化的组织，决策链会更短。当前来看，公司规模维持在几人到十几人是最理想的状态。”

AI时代，人才不仅能借智能体“员工”提升工作效率，更能以垂直Know-How锚定竞争力高地。降低创业门槛，放大专业价值，OPC这样的微型组织，同样具备重构产业规则的势能。在浦东这片科技创新的“热带雨林”中，OPC这个创业新“物种”，正在开拓无限可能性。