Themenrunde: Der neue Algorithmus des Lebens – KI gestaltet die gesamte Wertschöpfungskette der Gesundheitsbranche neu | 36Kr WAVES 2026 New Wave

„Im Jahr 2026 wogt die Welle im Venture-Capital-Sektor erneut: Künstliche Intelligenz (KI) hat den Übergang von einem technologischen Konzept in die Tiefe der Branche geschafft, und der Hardtech-Startup-Bereich hat sich von einer „Nischenbranche“ zu einem „Hauptstromkonsens“ entwickelt. Junge Unternehmerinnen und Unternehmer definieren mit Code und ihren Händen neu die zukünftigen Koordinaten der chinesischen Innovation.“

Jedes Jahr ist die von 36 Kr & Undertide organisierte WAVES-Konferenz ein Jahresschildwende im chinesischen Venture-Capital-Sektor. Dieses Jahr steht die WAVES 2026 unter dem Motto „Dieser Sommer“ und findet im Liangcang Xinzao Creative Park in Panyu, Guangzhou, statt. Innerhalb von zwei Tagen haben wir Top-Anleger, Branchenführer und aufstrebende Unternehmer zusammengebracht und mit 14 tiefgehenden Runde Tischen und mehreren Einzelvorträgen die zugrunde liegenden Logiken von Kernbereichen wie KI, Hardtech, Auslandsexpansion und Medizin analysiert und dabei erlebt, wie die Entschlossenheit dieser „Wenigen“ sich zu einer Welle zur Veränderung der Branche zusammenschließt.“

Am Nachmittag des 17. Juni fand auf der WAVES2026 New Wave Conference ein Roundtable-Dialog mit dem Thema „Die neue Algorithmen des Lebens – Roundtable über KI und Medizin“ statt.

Im Folgenden finden Sie den Inhalt des Dialogs, der von 36 Kr bearbeitet wurde:

Hu Xiangyun | Medizinautor/in von 36 Kr (Moderator/in)

Zhou Jielong | Gründer und CEO von Wangshi Intelligence

Dr. Zhao Yu | Mitbegründer von Zheyuan Technology

Zhou Xin | Exekutivdirektor von Honghui Fund

Hu Xiangyun: Guten Nachmittag, liebe Teilnehmer! Willkommen auf dem 36 Kr WAVES-Roundtable „KI in der Medizin – Die neue Algorithmen des Lebens“. „Die neue Algorithmen des Lebens“ ist eigentlich ein relativ groß angelegtes und philosophisches Thema. Wir haben dieses Roundtable so benannt, weil wir uns derzeit an einem solchen Wendepunkt befinden. KI für die Wissenschaft ist zu einer wichtigen Stütze der neuen globalen Technologierevolution geworden, und auch in der relativ traditionellen und bisher als schwer von Algorithmen zu verändernden Medizinbranche ist KI unverzichtbar geworden. Ich brauche nicht viel zu sagen über die Zielpunktfindung und die Molekülgestaltung auf der Forschungsebene. Auf der Branchenebene beschleunigt sich auch der IPO-Prozess einiger KI-Pharmazeutikunternehmen, und in der Welle der BD-Auslandsexpansion sind die KI-Unternehmen immer häufiger vertreten.

Wir sind also sehr geehrt, heute drei Gäste aus der Branche und der Investmentbranche eingeladen zu haben, die uns ihre Beobachtungen teilen können. Bitte stellen Sie sich kurz vor, z. B. welche Aufgaben Ihr Unternehmen mit KI erledigt, oder welche Fragen Ihre Investmentgesellschaft bei der Investition in KI-Pharmazeutik- oder KI-Medizinprojekte besonders berücksichtigt?

Zhou Jielong: Guten Tag, Moderator/in. Vielen Dank für die Einladung von 36 Kr. Ich bin Zhou Jielong, Gründer und CEO von Wangshi Intelligence. Wangshi Intelligence ist ein Technologieunternehmen, das die Forschung und Entwicklung neuer Arzneimittel mit Künstlicher Intelligenz antreibt. Wir entwickeln derzeit ein KI-Pharmazeutiksystem, das auf einem Mikroweltmodell basiert und von mehreren Agenten kooperiert. Wir haben derzeit zwei Basisplattformen: eine KI-Plattform, die auf einem Mikroweltmodell basiert und als 3D-Kleinmolekül-Generierungsmodell bezeichnet wird, und ein ganzheitliches Agentensystem, das die gesamte Kette der frühen pharmazeutischen Forschung mit mehreren Agenten verknüpft. Beide Systeme basieren auf unseren langjährigen Erfahrungen und reichen Datenassets sowie auf vollständig eigenentwickelten Modellen.

Derzeit kooperieren wir mit Hunderten von pharmazeutischen und wissenschaftlichen Institutionen in China und im Ausland und haben mehrere Pipeline-Projekte in die klinische Phase gebracht. Im Mai dieses Jahres haben wir eine dreiseitige strategische Partnerschaft mit Guangzhou Pharmaceutical und Huawei geschlossen, um gemeinsam Lösungen für die KI-Pharmazeutikforschung umzusetzen.

Zhao Yu: Guten Tag. Vielen Dank für die Gelegenheit, in die Welt der jungen Menschen zu kommen. Wir sind Zheyuan Technology, ein Team für die Lebenswissenschaften. Ein biologisches Modell kann einfach so verstanden werden: Wir haben ein neues Technologiekonzept zur Erforschung des Lebens entwickelt. Im Gegensatz zu den gängigen Ansätzen der Evidenzbasierenden Medizin und der Strukturbiologie gehen wir den Weg der Computermedizin. Wir bauen auf Omikdaten auf, um ein KI-System aufzubauen, das Leben und genetische Krankheiten analysiert und die zugrunde liegenden Logiken der Krankheitsentstehung, die Mechanismen der menschlichen Krankheiten und die Auswirkungen von Zielpunktstörungen auf Krankheiten untersucht. Unsere Kerntechnologie, die „digitale Zwillingstechnologie der Lebensfunktionen“, wurde bei der ersten nationalen Technologiebeurteilung der Ministerien für Wissenschaft und Technologie als „landesweite disruptive Technologie“ anerkannt.

In den letzten Jahren haben wir mehrere umgesetzte Ergebnisse erzielt. Beispielsweise haben wir eine vorausschauende virtuelle klinische Studie durchgeführt, die inzwischen in ihrer fünften Version vorliegt. Darüber hinaus haben wir die klinischen Phase-I-Daten für das innovative Arzneimittel PR00012 gegen Pankreaskarzinom veröffentlicht und die virtuelle Validierung von über hundert Zielpunkten abgeschlossen.

Wir glauben, dass aus der ersten Prinzipien ableitbar ist, dass die zugrunde liegende Logik der KI-Pharmazeutik darin besteht, zunächst die Krankheit zu verstehen, dann die wirksamen Zielpunkte zu finden und schließlich die Molekülgenerierung zu steuern. Dies ist auch die Kernarbeitrichtung unseres Teams.

Zhou Xin: Das Honghui Fund ist ein Risikoinvestitionsunternehmen, das sich auf den Bereich Medizin und Technologie konzentriert. Es wurde vor 12 Jahren gegründet und verwaltet derzeit ein Kapital von fast 30 Milliarden Yuan. Insgesamt hat es etwa 200 Unternehmen investiert, wobei der Medizinsektor unser Schwerpunktbereich ist. Unter den investierten Unternehmen sind 60 in Bezug auf innovative Arzneimittel beteiligt. Derzeit ist die KI-Pharmazeutik unser Kernbereich, und wir forschen und investieren kontinuierlich in die gesamte Branchenkette, von der frühen Zielpunktfindung, der Molekülgestaltung, der Moleküloptimierung und der Molekülauswahl bis hin zur späten KI-Unterstützung bei klinischen Studien. Wir sind heute sehr geehrt, mit Ihnen, den Branchenmitgliedern, zu kommunizieren.

Hu Xiangyun: Die Bereiche, auf die sich die drei Gäste heute konzentrieren, unterscheiden sich insgesamt noch ziemlich stark. Die nächste Frage ist zunächst an die beiden Unternehmer gerichtet. Wir sind sehr neugierig, welche bestehenden Prozesse oder Forschungsansätze KI in den realen Unternehmensszenarien im Vergleich zum traditionellen Forschungs- und Entwicklungsmodell verändert oder umgeworfen hat. Herr Zhou, Wangshi Intelligence hat sich auf die intelligente Forschung und Entwicklung von Kleinmolekülen in der frühen Phase spezialisiert und eine vollständige Schleife von Zielpunkten, Molekülen bis hin zu Wet-Lab-Experimenten aufgebaut. Bitte teilen Sie uns zunächst Ihre Erfahrungen mit der Umsetzung mit.

Zhou Jielong: Wangshi Intelligence hat sich immer auf die frühe Arzneimittelentwicklung konzentriert. Daher möchte ich meine Erfahrungen mit der realen Umsetzung im Rahmen der frühen Entwicklungsteile teilen.

Der Prozess der frühen Arzneimittelentwicklung folgt normalerweise dem sogenannten „DMTA-Zyklus“, d. h. die vier Schritte Design, Synthese, Test und Analyse. Tatsächlich bleibt dieser Prozessrahmen unabhängig von der technologischen Iteration immer erhalten. Allerdings ist das traditionelle Modell vollständig von Menschen angetrieben. In der vollständigen traditionellen Forschungs- und Entwicklungslinie gestaltet ein Branchenexperte das Molekül auf der Grundlage seiner eigenen Erfahrungen, bewertet dann die Molekülaktivität, die Arzneimitteltauglichkeit und die Synthetisierbarkeit vorläufig ebenfalls auf der Grundlage seiner Erfahrungen und übergibt schließlich das Molekül an das Syntheseteam für die Synthese und die biologische Prüfung. Der gesamte Prozess wird durch Menschen miteinander verbunden.

Dieses traditionelle Modell hat drei Kernprobleme: Erstens basiert die Molekülgestaltung vollständig auf Erfahrungen und Intuition. In der gegenwärtigen Branche ist der Wettbewerb sehr heftig, und es besteht die Gefahr von Patentkonflikten und mangelnder Patentinnovation. Zweitens ist die Prozesskette sehr lang, und in einem rein manuellen Übergangsmuster besteht die Gefahr von Unterbrechungen und Spaltungen in jedem Schritt. Drittens ist das Problem der Dateninseln sehr gravierend. Die Branche hat eine enorme Menge an Forschungsdaten gesammelt, aber aufgrund des manuellen Übergangs und der fehlenden einheitlichen Standards sind die Datenformate und -standards in jedem Schritt nicht einheitlich, und die Datenüberschüsse der Unternehmen können nicht in Kernkompetenzen umgewandelt werden.

Um diese Probleme zu lösen, haben wir ein ganzheitliches intelligentes Forschungs- und Entwicklungssystem aufgebaut, das auf Agenten basiert. Zunächst haben wir ein multimodales KI-3D-Kleinmolekül-Generierungsmodell entwickelt, das auf einer Basisplattform eines großen Modells kombiniert aus Sprachmodell und Geometrie-Modell basiert, um Experten bei der Molekülgestaltung zu unterstützen und die Innovationsdefizite aufgrund von Erfahrungen zu vermeiden. Darüber hinaus haben wir ein System mit mehreren Agenten implementiert, das die gesamte Forschungs- und Entwicklungskette autonom verknüpft, um die automatische Datenverwaltung und die autonome Ausführung des Prozesses zu ermöglichen. Drittens können alle Daten aus dem gesamten Forschungs- und Entwicklungsprozess in das digitale Kompasssystem der Agenten gespeichert werden. In der Vergangenheit waren die Projektzyklen vieler Pharmazeutikunternehmen sehr lang, und die Forschungsdaten waren in verschiedenen Dateiformaten wie PPT, Excel und PDF verteilt gespeichert. Die Daten konnten nicht einheitlich gespeichert werden, und es bestand sogar die Gefahr, dass die Kernforschungsresultate von Wettbewerbern früher patentiert wurden. Mit diesem digitalen Kompass können Pharmazeutikunternehmen alle ihre digitalen Assets einheitlich speichern.

Zusammenfassend lässt sich sagen, dass wir das ursprüngliche Branchenmodell verbessert und aufgewertet haben, indem wir die „Forschungs- und Entwicklungsideen im menschlichen Gehirn gespeichert und den Prozess durch menschliche Kommunikation verbunden“ in ein Paradigma umgewandelt haben, in dem KI tief in die Forschungs- und Entwicklungsdesignlogik integriert ist und der gesamte Forschungs- und Entwicklungsprozess von Agenten autonom angetrieben wird, um die kontinuierliche Speicherung von Daten und die Rückwärtsiteration des Modells zu ermöglichen.

Hu Xiangyun: Kurz gesagt, kann KI die von der Branche langfristig angesammelten riesigen Mengen an echten Forschungsdaten nutzen. Bitte teilen Sie uns nun Ihre Erfahrungen, Herr Dr. Zhao.

Zhao Yu: In dieser Frage gibt es zwei Schlüsselwörter: die Veränderung der Branche durch KI und die Umwälzung des Forschungs- und Entwicklungsparadigmas. Ich möchte meine Gedanken auf der Grundlage der ersten Prinzipien teilen.

In der Biomedizinbranche hat die Entwicklung eines neuen Arzneimittels einen großen Wert. Im traditionellen Modell werden jedoch viele Arzneimittel für denselben Zielpunkt wiederholt in klinischen Studien getestet, was die klinischen Ressourcen kontinuierlich verschwendet. Dies ist auch die Kernbedeutung der Umsetzung von KI für die Wissenschaft.

Viele Menschen finden das Konzept von KI für die Wissenschaft leer. Tatsächlich ist dies nicht der Fall. Der Kernvorteil des Menschen ist die Nutzung von Werkzeugen. Das Leben ist im Wesentlichen eine komplexe Datensammlung in verschiedenen Maßstäben und nichtlinearer Natur. Es ist für das menschliche Gehirn sehr schwierig, dieses komplexe System vollständig zu analysieren. Die Intelligenzgrenze des Durchschnittsmenschen ist begrenzt, und auch die Intelligenz der Spitzenwissenschaftler hat ihre Grenzen. Die Zeit, in der man sich allein auf das menschliche Gehirn zur Analyse des hochdimensionalen Lebenssystems gründete, ist vorbei.

KI für die Wissenschaft basiert im Wesentlichen auf maschinellem Lernen und neuronalen Netzen, um ein hochdimensionales Analysemodell aufzubauen, das über die kognitive Grenze des Menschen hinausgeht, um die kognitiven Defizite des Menschen auszugleichen und neue Gesetze, Einsichten und Entdeckungen in der Lebenswissenschaften zu entdecken. Man kann dies mit körperlichen Robotern vergleichen. Roboter sind die Erweiterung der körperlichen Fähigkeiten des Menschen, während KI-Modelle die Erweiterung der menschlichen Kognition und des Gehirns sind.

Wenn wir uns wieder auf die Forschung in der Lebenswissenschaften konzentrieren, ist das Ausmaß der menschlichen Erkenntnis des Lebens vergleichbar mit der menschlichen Erkenntnis des Universums. In beiden Bereichen gibt es viele unbekannte Gebiete. Wir können nicht dauerhaft auf die subjektiven Vermutungen und die wiederholten Experimente von Branchenexperten setzen, um die Forschung voranzutreiben. Die Medizin ist an sich eine experimentelle Wissenschaft, aber die Komplexität des Lebenssystems geht weit über die gegenwärtige menschliche Erkenntnis hinaus. Wir können nicht auf einfache lineare Experimente setzen, um alle Krankheitsmechanismen abzuleiten.

Die Molekülentwicklung ist das Mittel, um Krankheiten zu behandeln. Bevor man ein Molekül entwickelt, muss man jedoch zunächst die zugrunde liegende Logik der Krankheit verstehen, um den Zielpunkt genau zu lokalisieren. Wenn der Zielpunkt sich im Inneren der Zelle befindet, eignen sich Kleinmolekül-Arzneimittel; wenn der Zielpunkt auf der Zellmembranoberfläche liegt, eignen sich Makromolekül-Arzneimittel; wenn es keinen klaren Zielpunkt gibt, kann man die Zelltherapie in Betracht ziehen. Die reine Optimierung des Moleküls kann nur die Effizienz der Molekülauswahl verbessern, aber nicht die zugrunde liegende Logik der traditionellen Forschung und Entwicklung ändern.

Derzeit ist das globale Standardparadigma für die Arzneimittelentwicklung das „Schreiben der Antworten zuerst und das Finden der Fragen später“, d. h. die Entwicklung von Molekülen mit Patentchutz auf der Grundlage bekannter Zielpunkte. Nachdem die Molekülentwicklung abgeschlossen ist, sucht man dann rückwärts nach geeigneten Krankheiten. Dieser Ansatz hat zwei Wege: Der erste ist die Nachahmung. In den letzten 30 Jahren war China ein Land der generischen Arzneimittel, das sich hauptsächlich auf die Nachahmung ausländischer bewährter Arzneimittelzielpunkte und -moleküle und die Wiederholung von klinischen Studien konzentrierte. Der zweite ist die eigene Erkundung. Wenn es keine referenzbaren Zielpunkte gibt, werden die entwickelten Moleküle nacheinander in klinische Tests eingesetzt, um Fehler zu finden. Die Kosten für die Arzneimittelentwicklung, die klinischen Studien und die ethische Genehmigung sind sehr hoch, und die Kosten für das Fehlersuchen sind unerschwinglich.

Wir haben auf der Grundlage der ersten Prinzipien ein neues Forschungs- und Entwicklungsparadigma aufgebaut. Zunächst analysieren wir die Krankheit vollständig, identifizieren den geeigneten Zielpunkt, wählen dann gezielt die Arzneimittelform aus und planen gleichzeitig die klinischen Anwendungsgruppen und die Krankheitssubtypen. Nehmen wir unser Pankreaskarzinom-Pipeline-Projekt als Beispiel. Nachdem wir alle Pankreaskarzinom-Subtypen vollständig aufgelöst und den spezifischen Zielpunkt identifiziert haben, können unsere klinischen Phase-1B-Daten mit den etablierten klinischen Studien der Phase 2A in der Branche verglichen werden. Bereits in der frühen Phase der Arzneimittelentwicklung wissen wir, dass dieses Arzneimittel nicht nur für die Behandlung von Pankreaskarzinom