Phylo Biomni Lab 入驻中外制药：AI Agent 如何打通药物发现的数据孤岛
Phylo Biomni Lab 入驻中外制药：AI Agent 如何打通药物发现的"数据孤岛"
8月4日，AI生物医学公司Phylo宣布，日本中外制药（Chugai，罗氏集团成员）将全面部署其Biomni Lab平台，覆盖单细胞分析、人类遗传学、疾病生物学和靶点评估四大药物发现环节。这是Biomni Lab继Ginkgo Bioworks之后的第二家大型药企客户，也标志着AI Agent从"回答问题"走向"编排整个研究流程"的关键一步。
Biomni Lab 是什么
Biomni Lab是一个生物医学AI Agent平台，前身是2024年在斯坦福大学开源的Biomni项目。2025年6月发布预印本后，2026年正式发表在《Science》上。
它的核心思路不是让AI回答单个问题，而是让它自动组装和执行多步骤研究工作流。系统结合了大语言模型推理、检索增强规划和代码执行能力，可以在25个生物医学领域之间无缝切换——从因果基因优先排序、药物重定位到罕见病诊断，无需针对每个任务单独调优。
商业化后的Biomni Lab被Phylo称为"集成生物学环境"：一个工作空间连接了300多个数据库、软件系统和分析工具，加上第三方数据提供商。AI Agent在这个环境里可以跨工具、跨数据源完成复杂研究任务。
这次合作具体做什么
中外制药将把Biomni Lab部署到公司安全环境内，让AI Agent直接连接和使用企业自有研究数据。合作覆盖药物发现前期的四个关键领域：
- 单细胞分析：处理和解读单细胞测序数据
- 人类遗传学：从遗传数据中挖掘疾病关联
- 疾病生物学：理解疾病机制和通路
- 靶点评估：评估和验证潜在药物靶点
中外制药生物技术部部长大山创平表示，随着科学数据规模和复杂性的增长，科学家需要专门为药物发现设计的工具，能够连接不同来源的知识。他相信Biomni Lab可以帮助科学家更有效地探索科学问题，加速药物发现。
为什么这件事重要
药物发现有一个长期痛点：分析师在多个互不连通的工具和数据集之间反复切换，而企业已经生成的大量数据却闲置未用。这不仅是效率问题，更是发现机会的浪费。
Biomni Lab的差异化在于，它不是又一个单点工具，而是一个能编排整个研究流程的Agent。一个Agent可以同时调用多个数据库、运行多步分析、生成和验证假设——这在传统工作流中需要科学家手动在多个系统间来回操作。
此前与Ginkgo Bioworks的合作案例显示，Biomni Lab完成了10多个复杂的细胞涂片和转录组分析，将原本需要数周的工作流压缩到数小时，且结果被Ginkgo科学家验证为可发表级别。
需要注意的限制
目前公开的最强结果来自Phylo公司自报的Ginkgo案例，尚无独立第三方验证。Science论文中若干作者披露持有Phylo股权，高级共同作者Aviv Regev是Genentech高管并任职于罗氏公司执行委员会——而中外制药正是罗氏集团成员。商业部署的实际效果也还没有公开的量化数据。
此外，Biomni Lab目前覆盖的是药物发现的前期（临床前）阶段，从靶点发现到项目决策，尚未涉及临床试验和后期开发。
行业背景
AI进入药物发现已是明确趋势，但多数工具仍停留在"问答"或"单点分析"层面。Biomni Lab代表了一种新方向：让AI Agent像研究助理一样，理解任务、规划步骤、调用工具、执行分析、返回结果——整个流程自动化。
Phylo从斯坦福开源项目起步，到获得两家药企客户，走的是"学术验证→商业化落地"的路径。在AI for Science赛道上，这种从基础研究到产业应用的完整链条仍然稀缺。
---
基于PRNewswire官方公告及unite.ai报道整理。