【ZiDongHua 之“智能自动化”栏目标注“第一对焦“、“自动对焦”关键词：深势科技 AI药化助手 专精特新 】
 

　　深势发布AI药化助手PharMaster：节约80%时间，将药化学家从琐碎工作中解放出来

 
　　2025年11月15日，在深圳举行的西丽湖论坛上，深势科技正式发布 PharMaster——一款真正理解药化学家工作模式和决策方式的 AI 研发伙伴。PharMaster 从药化学家在靶点立项阶段的核心任务切入，系统整合生物机制、市场情报与专利解析三大信息维度，大幅减少信息整合与数据处理所需的时间，让研究者能够将精力集中于关键的专业判断环节，将平均 3 周的传统靶点调研周期压缩至 3 天完成。
 
 
　　深势科技生物医药研发总工程师郑行博士，在深圳西丽湖论坛发布PharMaster
 
　　靶点立项：决定项
 
　　目走向的关键决策
 
　　在创新药研发中，靶点立项被普遍认为是价值最高、风险最大、影响最深远的决策节点。“10% 的投入决定 90% 的价值”已成为行业共识。某一靶点成药机会如何、潜在产出能否覆盖数亿元乃至数十亿元的研发投入，是药化学家必须做出的专业判断。然而，形成一个可靠的立项结论并非易事。药化学家需要同时评估市场规模、竞争生态、生物机制、可开发性、安全性等多个专业维度信息，而这些关键信息往往分散在海量文献、专利、数据库、新闻与行业报告中。即便经验丰富的研究者，从零开始完成一轮完整的靶点调研，也通常需要耗时整整三周才能形成相对有把握的判断。正是这样的复杂性和挑战性，使靶点立项成为检验 AI Agent 在药物研发领域专业适配能力的核心场景，当 Agent 能够在这一关键环节展现出卓越能力时，就意味着其已真正掌握药物研发的专业精髓。
 
　　传统调研与现有AI工具：
 
　　为何仍难以真正减负？
 
　　在真实工作中，药化学家花费最多时间的部分，往往不是判断本身，而是判断之前的“准备工作”：生物机制调研：需要从大量文献中萃取关键结论并进行交叉验证，通常需 5–8 人天。市场信息搜集：需从数据库与互联网筛查管线布局与竞品情况，通常需 3–5 人天。专利解析分析：手动绘制分子结构、对照活性、构建 SAR，通常需要 8–12 人天。近年来的通用型 AI 虽能帮助检索信息，但仍存在四个明显瓶颈：
 
　　1. 信息源质量参差不齐，关键证据可信度难以保证；
 
　　2. 缺乏药化学专业知识体系，无法覆盖靶点立项的全方面分析；3. 输出形式以堆叠文本为主，表述冗长，结构化程度不足；4. 内容不够严谨及时，不同次生成结果差异较大。结果是，研究者依然需要投入大量时间阅读、筛选和再判断，整体效率提升有限。PharMaster：一个真正
 
　　“懂药化学家”的AI助手
 
　　PharMaster 的设计目标不是“帮用户找回信息”，而是要真正让药化学家更省时间、做更好的判断。我们将“懂药化学家”总结为三个关键标准：
 
　　1. 来源可靠：建立在高质量证据之上PharMaster 以药化学家普遍信赖的高质量文献、专利与领域数据库作为核心数据源。例如，在生物机制分析中，系统优先引用来自 Nature、Nature Medicine、J. Med. Chem. 等 50 多份药化学家长期信赖的核心期刊的高质量证据，确保结论建立在可靠数据来源上。
 
　　2. 信息全面：覆盖靶点立项需考虑的专业维度PharMaster 针对生物机制、市场格局、可开发性与安全性等核心问题，构建贴合药化化学家调研方式的信息框架，包括结构域、信号通路、表达谱、疾病关联、研究工具与潜在安全性等重点模块，并为每个细分领域构建多 Agent 系统实现协同抽取与交叉验证，确保内容的及时与严谨。
 
　　3. 报告好读：结构化呈现、重点突出PharMaster 智能生成的调研报告以清晰结构呈现关键证据、图表与结论，避免堆叠长文本，让研究者能够更快聚焦核心问题。
 
　　三大系统能力：如何
 
　　实现从“三周到三天”
 
　　1. 高质量生物机制分析：从多来源高可靠证据构建高质量机制图谱PharMaster 综合多来源高可靠的科学数据，智能化构建覆盖结构域、通路、表达谱、疾病关联与潜在安全性的高质量结构化机制图谱，配合可视化图表与证据标注，使机制推断更贴近药化学家的专业决策方式。
 
　　2. 高覆盖市场信息整合：在繁杂数据中快速识别策略方向系统整合全球公开管线数据，统计研发阶段、药物类型与公司布局，并通过可视化呈现临床阶段分布、机制热点与未满足临床需求。研究者无需手动比对异构信息，即可快速把握靶点在产业链中的位置。
 
　　3. 高精度专利智能解析：用自动化技术替代大量重复性体力工作专利解析是药化学家最耗时、最易积累误差的工作之一。在这一环节，PharMaster 基于深势自研的高精度解析框架，实现了从“模型预标→人工校正→专家审核→模型提升”的闭环体系，结构正确率超过 94%，性质数据正确率超过 99%。
 
　　深势科技已解析超过 40 万篇药物分子专利，构建了覆盖 2,000+ 靶点、600 万化合物和 1,300 万条活性数据的“千靶万药”数据库。PharMaster 能够自动抽取结构、对齐活性并生成 SAR 视图，将原本需要大量手工绘制和整理的流程自动化完成，使研究者能够将时间投入到真正需要专业判断的部分。
 
 
　　把3周缩短到3天：让药化
 
　　学家聚焦核心分析和决策
 
　　PharMaster 带来的改变，不仅仅是“调研变快了”，而是时间结构的根本重塑。过去的靶点调研中，超过 80% 的时间被分配到文献拆解、信息搜集、结构绘制与数据清理这些重复性流程中。而 PharMaster 通过结构化机制图谱、可视化市场图景与自动化专利解析，将这些高耗时步骤大幅压缩，使研究者能够把时间集中在真正的核心工作：分析证据、识别风险、评估可行性与推动决策。
 
　　从3周到3天，是效率提升，更是专业方式的转变。
 
 
　　从靶点立项开始，重塑创新药研发流程靶点立项是 PharMaster 的切入点，但并非终点。目前，PharMaster 已与 Hermite 平台超过 70 项计算工具深度集成，可通过自然语言交互直接调用；同时依托“千靶万药”数据库，它正逐步覆盖从苗头物发现、先导物优化到成药性分析等多个核心研发环节。未来，PharMaster 将成为研究者在整个药物研发周期中随时可依靠的 AI 伙伴。PharMaster 现已开放试用，期待成为你的 AI 伙伴PharMaster 已正式面向企业与科研团队开放试用。 期待 PharMaster 的高质量证据、智能化解析与结构化结果能力，能够助力您的靶点立项、分子设计与项目推进工作，帮助您将更多宝贵时间投入到最关键的决策环节。欢迎您扫码申请试用，体验 AI Agent 如何重塑药物研发流程。
 
　　关于深势科技
 
　　深势科技是全球 AI for Science 开拓者和引领者，AI for Science 即运用 AI 学习一系列的科学原理和科学知识，并进一步解决科学研究和工业研发领域的关键问题。
 
　　依托在交叉学科领域的深耕，构建了“深势·宇知”AI for Science 大模型体系，并进一步解决科学研究和工业研发领域的关键问题，将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”，形成了AI for Science 的“创新-落地”链路和开放生态，构建了基于AI for Science的微尺度工业基础设施，赋能“千行百业”，为人类经济发展最基础的生物医药、能源、材料和信息科学与工程研究打造新一代研发系统。
 
　　深势科技是国家高新技术企业、国家专精特新“小巨人”企业，在北京、上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了超百位数学、物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中博士及博士后在公司成员中占比超过35%。核心成员获得过2020年全球高性能计算领域的最高奖项“戈登贝尔奖”，相关工作入选2020年中国十大科技进展和全球 AI 领域十大技术突破。