算力正在成为新药与诊疗的底座：AI 如何重塑医疗全链条

在医学不断进化的当下，AI正成为医疗创新的底层引擎。

NVIDIA在其《2026年医疗健康与生命科学行业AI发展现状及趋势》报告中指出 ，70% 的受访者表示其所在机构正在积极使用 AI，高于 2025 年的 63%。

AI不仅帮助提升临床效率、优化患者体验，还在加速新药研发、提升诊断准确率、减轻医护人员负担等方面展现出显著价值。在医学影像与诊断、虚拟医疗助手、精准医疗等关键领域，AI正在产生实际的变革。

报告显示，在医疗技术（MedTech）领域，57%的受访者表示已在医疗影像应用中看到了 AI 带来的投资回报。在制药机构中，46% 的受访者表示已通过将 AI 应用于药物研发实现了投资回报。 AI 正逐渐成为驱动医疗体系跃迁的核心力量。

AI 打破物理极限：走向“超声革命”

在医疗领域，AI 的价值远不止于锦上添花的效率提升，它正在从根本上改写医疗资源的供给逻辑，带来两场并行的革命：一是让过去无法诊疗的疾病变得“有解”，二是让原本昂贵的精英医疗变得“平价”。

在这个赛道上，鲲为科技（Krinwave） 提供了一个极具代表性的样本。他们利用 AI 算力挑战了超声波的物理极限。

长期以来，超声行业面临着一个著名的“频率危机”：想要看得深（穿透力），就得降低频率，但会牺牲看得清（分辨率）；想要看得清，就得提高频率，但穿不透 。这导致超声在分辨率方面的进步一度停滞，同时在成人颅脑等深部器官的检查上一直难有作为。

鲲为科技通过一种“反直觉”的技术路径解决了这个问题。首先，他们研发了极低频率的探头，将穿透力提升至传统超声的 2 倍 ；接着，利用全场平面波技术（像手电筒一样一次照亮全场，而非像激光笔一样逐线扫描），将成像速度提升了 200 倍 。

“最关键的一步是 AI，”鲲为科技CEO刘家家介绍道，“我们利用极高的帧率，通过 AI 算法将 100 帧低分辨率图像合成为一帧高分辨率图像。这本质上是用时间换空间，用算力换质量。”

这项技术的社会价值是巨大的，特别是在中风急救领域。中国中风高发，而“黄金抢救时间”仅有几小时。传统救护车无法配备沉重的 CT 机，医生在转运途中无法判断患者是脑梗（需溶栓）还是脑出血（需止血），只能干等 。

“如果我们能在每辆救护车上配备一台笔记本大小的 AI 超声设备，医生一上车就能区分中风类型并立即给药，这将挽救无数生命和家庭。”刘总表示。

这项技术还能用于帕金森病的早期诊断，通过使用超声，能够观测到脑部黑质的细微变化，解决了帕金森病长期缺乏影像学诊断金标准的难题。

AI 接入新药研发漏斗：从“盲筛”到可计算的分子探索

在生物医药领域，AI 正在从根本上改写新药发现的供给逻辑。

长期以来，新药研发被困在一个效率悖论中：为了找到一个可能有效的先导化合物，研究人员不得不在数百万个分子中反复筛选、合成、验证。这个过程高度依赖经验，节奏缓慢，失败率极高。即便是在大型药企内部，拥有成熟的实验体系和高通量筛选平台，真正能进入后续开发阶段的分子，仍然只是极少数。

问题并不在于研究人员不够努力，而在于药物化学 搜索空间本身过于庞大。而AI，则在这里拥有了其作用的空间。

在这个赛道上，朗睿生物提供了一个极具代表性的样本。

朗睿生物创始人邢莉本科就读于北京的清华大学，主修物理，辅修电子计算机双学位。此后，她在美国完成博士与博后研究，并在辉瑞从事了16-17年的新药早期研发工作，长期负责将计算模拟与机器学习方法引入真实的药物发现流程。

正是在长期的一线研发工作中，她逐渐意识到，计算模拟与机器学习在新药早期发现阶段仍有大量潜力尚未被系统性释放。2021 年，在疫情期间从美国回到中国后，她决定以创业的方式，尝试把这些分散的计算能力与数据方法重新组织起来，直接服务于创新药早期研发这一最关键、也最不确定的环节。朗睿生物正是在这样的背景下成立的。

在朗睿生物的 KINET t 集成平台中，最核心的基础设施之一是一套大规模虚拟分子库。这一虚拟库的规模已经达到约 200 多亿量级，用于在计算机中进行早期分子筛选。作为对比，她回忆自己在辉瑞工作时期接触到的实体高通量筛选库（HTS），规模大约在 700 万左右。

两者之间的差距，并不是简单的数量堆叠，而是决定了探索方式的不同：实体库强调“把现有分子逐一试一遍”，而虚拟库允许研究人员先在计算空间中，对更多的化学分子做系统性过滤。

在去年底启动的一个分子胶项目中，朗睿生物的系统展现了威力。分子胶是一种极其考验想象力的药物形式。它能让原本互不相干的两个蛋白质粘连在一起，从而诱导目标蛋白的降解。这种生物机理非常新颖，但也意味着人类的经验模板几乎失效。它的化学空间太大，传统手段在寻找这种粘合剂时，就像是在没有地图的公海里盲目航行。早期项目过去往往以‘年’为单位推进。

团队利用 KINET平台的 分子胶 定向库，完成了分层筛选与结构匹配等计算端预过滤。这套系统的逻辑是多目标优化。制药最难的地方在于平衡，你希望分子的降解活性足够强，但又要求它在进入人体后代谢稳定且不产生毒性。传统的线性优化往往顾此失彼，而 AI 可以在多目标约束下同时权衡多个成药性指标。

从立项到确定临床前候选药物，朗睿只用了四到五个月。更具象的指标是，这个分子在细胞层面的降解活性比现有的对标物提升了 10 倍以上。这种质变不是靠运气撞出来的，而是靠算法在 数 亿个可能性中算出了那个最优的平衡位点。

结语：NVIDIA 助力，共建 AI 医疗生态

从鲲为科技的急救超声，到朗睿生物AIDD，这些改变世界的创新背后，都有着同一个行业赋能者的身影——NVIDIA。

作为全球加速计算的领导者，NVIDIA 通过 NVIDIA 初创加速计划( Inception Program) ，构建一个 覆盖技术、产品、市场、投融资及业务对接的多元共生创业生态。 正如鲲为科技在采访中所言：“如果没有 Inception 生态在算力优化和技术工具链上的支持，像我们这样挑战底层物理极限的初创公司，很难跨越从实验室到临床的鸿沟。”

除了通过生态，NVIDIA也在为医疗行业探索更多智能工具和技术的支持 。例如NVIDIA BioNeMo 作为一个覆盖药物研发全生命周期的端到端平台，正在将生物实验数据转化为智能。通过 BioNeMo Blueprint，NVIDIA改变了药物研发的范式，为传统实验室提供了一种更智能的替代方案。它能帮助研究人员打造“干实验室”（dry lab），快速设计并验证顶级的蛋白结合物，大幅减少耗时的湿实验筛选。这不仅加速了新药从靶点发现到临床试验的流程，更是在从源头上加速拯救生命的蛋白质疗法的开发。

AI 正在重塑医疗的每一个环节，在这场变革中，技术不再冰冷。这正是“AI For Good”最生动的注脚。