AI 制药不缺故事，缺的是能把技术、管线与资本同时跑通的团队。和铂医药与百图生科联合打造的 MegaStream TechBio，请来了 29 岁的雷鸣出任首席执行官。他的履历在医药圈少见——21 岁在麦格理署名发表医药研报，28 岁出任纳斯达克上市药企 CFO，如今从资本市场转到实验室一侧。
从给药物定价，到决定药物怎么被造出来
雷鸣的职业路径一直在做同一件事：在金融与生命科学的交叉点上作判断。做卖方研究时，他给 CRO 估值没有沿用市盈率和现金流折现，而是盯住未交付的订单，用 P/Backlog 衡量未来——在 CRO 这门生意里，订单比利润表更早说明问题，这套方法后被行业沿用。此后他进入产业，在药明康德、中国生物制药负责投资者关系与资本市场；做 CFO 时把重复的财务环节交给模型，效率提升超过五成。
这让他冒出更大的疑问：如果一套财务流程可以被重写，药物研发流程为什么不能。传统新药研发用时间换积累、用试错换答案，在逆摩尔定律的压力下越来越难以为继。但在雷鸣看来，多数 AIDD 仍停留在早期发现阶段做效率提升，AI 并没有以终为始地贯穿研发的每个环节。
他把 AIDD 划成三代：1.0 药企把 AI 当辅助工具；2.0 AI 原生公司专注算法，却轻视湿实验；拐点在 3.0——AI 与生物从第一天起深度融合。这就是他反复强调的「双原生」：两个领域不是后期拼接，而是从起点共同生长。他用特斯拉类比：传统车企先造车再加软件，特斯拉从诞生起就让软件与工程互相定义。MegaStream 要的是医药领域的同类重构，而非给旧流程装一个 AI 插件。
双基座与五条管线：把”飞车”拆成阶梯
落到架构上，”双原生”被拆成两个基座。一侧是算法基座，依托百图生科的千亿参数生命科学大模型构建 MegaStream OS，内置靶点识别、蛋白设计与免疫原性工程三大平台；另一侧是生物基座，对接和铂医药的全人源抗体平台与高通量验证体系，沉淀超一亿条自有人源抗体数据及复杂大分子的生物学理解。
两个基座从成立第一天就接成闭环：干实验提出假设，湿实验验证并沉淀专有数据，数据回流微调模型，一路延伸到临床转化。模型每迭代一次预测更准，数据每沉淀一批壁垒更厚，这是「双原生」与「AI 外挂」的分界。两家公司在 AI 与抗体交叉领域已有五年合作积累，MegaStream 不必从零起步。
目前公司有 5 条活跃管线，覆盖自身免疫、肿瘤等未满足临床需求，均瞄准 First-in-Class 与 Best-in-Class。选靶点的逻辑很务实：一边判断平台成药性，一边评估市场空间，”科学上成立、商业上不成立的项目，和反过来的一样多，我们只做两边都成立的”。
雷鸣并不回避难度。他表示，AI 制药「讲个故事就能融资」的阶段已经过去，必须拿出靶点、分子、实验、数据的完整闭环。他的说法是：别人聚焦更快地造车，我们要造「飞车」——但飞车也得靠一条条管线、一轮轮实验、一批批数据搭起来。这套打法能否跑通，要看第一批管线走多远。
信息来源：中国新闻采编网，2026-11-03
