在创新药研发领域，小分子药物至今仍占据重要地位，但如何从庞大的化学空间中找到一个真正值得推进的分子，始终是一项高难度工作。研发人员不仅要寻找具有良好活性的结构，还需要同时考虑选择性、药代动力学、毒性、可合成性以及专利空间等一系列因素。面对数量以亿计的潜在化合物，传统依靠经验和逐一实验筛选的研发方式越来越难以满足效率要求，这也成为人工智能切入药物研发的重要场景之一。

但随着AI技术在小分子研发中的应用，新的问题也随之出现：AI可以生成大量“看起来合理”的分子并不意味着找到了真正有价值的药物。如何让AI理解分子结构与其各类属性之间的内在关系，理解一个分子与其化学空间周边化合物的关系，并能够沿着某一特定的方向探索新的分子结构，正在成为AI小分子药物发现进一步走向产业化必须解决的问题。

基于这一判断，华兰股份(301093)全资孙公司北京梵宇智拓生物医药科技有限公司选择了一条不同于传统生成式AI的技术路线。公司没有单纯追求更大的模型，而是从最底层的分子表征入手，构建以64维连续隐空间为核心的技术底座，再通过Dual Agents双智能体完成空间导航，让过去高度依赖随机搜索和人工经验的分子设计过程，转化为可计算、可规划的几何搜索。

64维隐空间，给化学空间建立“坐标系”

梵宇智拓技术体系的核心是64维连续隐空间。其基本逻辑是，传统分子表征（如SMILES字符串或Morgan摩根分子指纹）是离散的，离散空间无法进行连续梯度求解。梵宇智拓利用图变分自编码器（GVAE），将离散的分子图结构（Nodes代表原子，Edges代表化学键）降维编码至一个高维连续的向量空间（隐空间）。在这个64维的连续空间中，每一个点都代表一个潜在的化学结构，使得算法能够像在地图上导航一样，利用数学上的梯度上升或雅可比矩阵进行连续的分子结构演化与优化。

简单来说，传统AI找药更像是在一片没有完整地图的巨大森林里不断试错，而梵宇智拓希望先建立一张“化学地图”。分子在64维空间之中不再是孤立存在的结构，而成为具有位置、距离和方向关系的坐标点。AI由此可以判断不同分子之间的相互关系，并进一步规划从一个分子走向另一个分子的路径。

Dual Agents，让AI从“随机搜索”走向“路径规划”

有了化学空间，还需要解决如何在其中寻找目标的问题。梵宇智拓进一步构建了Dual Agents双智能体体系，其中Agent T负责全局探索，Agent R负责局部精炼。

Agent T主要承担骨架跃迁任务。它在64维空间中进行大跨度探索，寻找新的分子骨架。这项能力对于创新药研发具有重要意义，因为药企即使发现了高活性分子，也可能面临核心结构已经被专利保护的问题。梵宇智拓希望通过空间导航，让AI主动探索原研药专利保护网络之外的“化学空白区”。

Agent R则负责对已有先导化合物进行局部优化，通过调整官能团和侧链，在保持核心药效结构的情况下，进一步改善活性、选择性以及ADMET等成药性质。

一边负责“走得远”，一边负责“调得准”，Dual Agents实际上把药物化学家长期依赖经验完成的骨架跃迁和分子优化，转化成了隐空间中的几何操作。

从算法到物理，构建研发闭环

AI制药最终必须接受现实世界验证。为此，梵宇智拓建立了“数据—数学—物理”的闭环体系，通过GVAE进行分子表征，通过Dual Agents完成空间搜索，再结合AF、MD、FEP等物理力场方法进行验证，并利用主动学习不断将反馈重新输入模型。行业专家表示该模型的重构精度可达到0.9987。该闭环体系的核心目标，是减少单纯依赖概率模型产生的“化学幻觉”，让AI生成结果不仅在数据层面看起来合理，也能够接受物理规律的约束。

从这一技术逻辑来看，梵宇智拓希望打造的并非单纯的分子生成工具，而是一套覆盖分子表征、化学空间搜索、结构优化和物理验证的计算体系。

据梵宇智拓团队的过往合作伙伴相关调研，公司技术或已取得了较好的工程化验证。例如，梵宇智拓在跨数据集测试中，拓扑骨架还原率达到95%以上，并将复杂分子的重原子还原边界推进至80个。在包含62个重原子、11个手性中心的紫杉醇重构测试中，错误数为0。从全球来看，目前尚未有其他团队报道可完全重构紫杉醇。

从SaaS到研发服务，商业化路径逐步打开

技术之外，商业化能力同样决定AI制药企业能走多远。梵宇智拓目前规划了多层次商业模式，早期通过标准化SaaS订阅提供化合物筛选和搜索能力；随着客户合作深入，进一步帮助药企将历史私有化合物库映射至64维空间，建立企业专属的数字化索引底座，将长期沉淀的数据转化为可以持续调用的数字资产。

在此基础上，还可以进一步参与客户实际研发，从苗头化合物筛选、骨架跃迁到候选化合物结构优化，提供定制化研发服务，记者调研同行业公司，该类单项目盈利能力可达到数千万元级。同时，公司计划采用“首付款+里程碑+销售分成”的合作模式，从单纯的软件和服务收费进一步走向创新药价值分享。

由此，梵宇智拓正在形成“软件订阅—数据资产化—研发服务—创新药权益合作”的完整商业化路径。

华兰股份赋能，加速技术走向产业

对于AI制药企业而言，技术突破只是起点，能否进入真实药物研发体系才是最终的产业化考验。华兰股份近年来持续布局AI医药，覆盖AI抗体设计、知识图谱、精准抗癌、临床风险预测以及AI小分子药物发现等多个方向，逐步构建覆盖药物研发不同环节的技术矩阵。在这一体系中，梵宇智拓聚焦小分子药物发现，与其他AI平台形成底层技术与应用场景的双重协同。

华兰股份对梵宇智拓的赋能，远不止于资金层面。作为长期服务于国内外医药企业的上市公司，华兰股份拥有千余家药企客户资源，覆盖国内医药工业百强近九成。这些沉淀多年的客户网络，构成了梵宇智拓进入真实研发场景的最佳入口——它意味着梵宇智拓不必从零开拓市场，而是能够依托华兰在主业端积累的质量体系信用与药企信任，更加直接地触达药企的真实研发需求，加快技术验证与商业化落地节奏。半年度报告显示，华兰股份已针对30多家药企客户开展AI医药业务的拜访与交流，客户对AI提升传统新药研发效率的需求较为旺盛；梵宇智拓亦在与多家药企推进合作洽谈。

更进一步，行业深度研究及专家调研认为，梵宇智拓与华兰体系内其他AI板块的协同效应正在显现：药图智能基于PubMed等数据库构建的知识图谱，为小分子与抗体设计提供机制研究支撑；梵宇智拓则将PubChem、ChEMBL等小分子专属数据库注入知识图谱体系，补强数据维度；佳吾益的高通量筛选平台为小分子与抗体研发提供实验验证支持。数据在板块间流转反哺，模型能力在真实项目中持续迭代，客户渠道在统一生态内复用——这正是华兰股份AI制药业务从“单点投资”走向“体系化建设”的核心逻辑。

AI制药竞争进入下半场

经历早期资本热潮后，AI制药正在进入更加理性的竞争阶段。未来真正决定企业价值的，不再只是模型有多大、能够生成多少分子，而是能否降低研发试错成本、提升候选药物质量，并最终形成订单、项目乃至创新药成果。

从“生成一个分子”到“理解整个化学空间”，从“随机试错”到“几何导航”，梵宇智拓正在走的，是一条从AI工具走向底层基础设施的进化之路。随着公司在更多创新药项目中铺开，梵宇智拓有望成为AI时代小分子药物发现不可或缺的重要基础设施。(CIS)