Phylo 与 Chugai Pharmaceutical 合作部署 Biomni Lab agentic AI 平台

Phylo 与 Chugai 合作部署 Biomni Lab 平台，把 agentic AI 引入药物发现流程

Phylo 与 Chugai Pharmaceutical 宣布开展合作，将 Phylo 的 Biomni Lab agentic AI 平台嵌入 Chugai 的药物发现流程中。双方希望借此改善生物医学数据分散带来的研发摩擦，并加快假设生成与研究决策速度。

从披露内容看，这项合作的重点并不是单点模型输出，而是建立一个更统一的数字研究环境，让药物发现团队能够在同一平台上处理来自不同来源、不同格式的生物医学信息。

合作目标是把分散数据整合进统一研究工作台

报道提到，双方合作的核心是把 Biomni Lab 集成进 Chugai 的药物发现体系。

这一平台将被用于建立一个 unified digital workspace（统一数字工作台），把原本散落在不同系统和数据格式中的生物医学资源集中起来。这样做的直接目标，是减少研究团队在数据聚合和准备阶段的手工负担，让分析工作流更加顺畅。

对于药企来说，这一层改造往往决定 AI 能否真正进入一线研发，而不只是停留在实验性工具阶段。

平台重点覆盖人类遗传学、疾病生物学和靶点评估

根据文章，Biomni Lab 将帮助 Chugai 在以下关键研究领域更快生成假设并做出判断：

• 人类遗传学
• 疾病生物学
• 靶点评估

这些场景的共同特点，是需要处理复杂、异构且更新频繁的生物医学信息。agentic AI 在这里的价值，不只是搜索资料，而是帮助研究团队更快组织问题、串联证据并形成下一步研究方向。

这项合作瞄准的是药企研发中长期存在的数据碎片化问题

文章明确指出，制药研发长期面临一个顽固问题：数据仓库分散、分析工具彼此断裂，导致很多有价值的生物医学信息无法被及时、系统地利用。

这种碎片化会直接带来：

• 洞察生成速度变慢
• 研究周期拉长
• 运营成本上升

Phylo 提供的平台正是瞄准这一痛点，试图通过一个统一环境完成数据汇聚和智能分析。

对 Chugai 来说，这更像是研发效率基础设施

从实际影响看，这类平台价值并不只是“让 AI 参与研究”，而是重新安排研究人员的时间分配。

如果平台能够真正减少数据整理和工具切换带来的摩擦，研究者就可以把更多精力放回科学问题本身，而不是前期准备工作。对于药企来说，这意味着更快推进有希望的项目，也意味着更有机会减少在早期研究阶段的重复劳动和资源浪费。

这条新闻的重要性，在于 agentic AI 开始被当作药物发现基础平台来部署

从行业角度看，这项合作值得关注，是因为它反映出生命科学领域对 agentic AI 的期待正在从“辅助生成内容”转向“组织研究流程和证据环境”。

未来真正有价值的药物发现 AI，可能不只是能回答问题的模型，而是能把数据、假设、分析步骤和决策节点连成一个统一研究工作台。Phylo 与 Chugai 这次合作，正是在朝这个方向推进。