英矽智能再次扩大其大型制药公司合作伙伴名单,与礼来公司签署协议,获得1.15亿美元的预付款。
据香港上市的英矽智能财务公告显示,如果达成所有开发、监管和商业目标,该协议价值可高达27.5亿美元。协议授予礼来公司独家全球许可权,用于开发、制造和商业化"某些适应症下处于临床前开发阶段的潜在同类最佳新型口服疗法"。
虽然声明未提供具体项目细节,但据《金融时报》今日报道,引用未透露姓名的消息源称,该协议包括一个用于糖尿病治疗的GLP-1受体激动剂候选药物。文章指出,礼来通过其亚洲风险投资部门是英矽智能的主要投资者。
财务公告显示,英矽智能和礼来将在多个研发项目上合作,专注于礼来选定的靶点,利用英矽智能的Pharma.AI药物发现平台。
与礼来的合作是英矽智能自去年12月在港交所上市以来与大型制药公司签署的第二个协议,此前约三个月,Servier在癌症合作项目中支付了3200万美元预付款,该项目总价值可达8.88亿美元。
这符合国际制药公司越来越多地寻求与中国生物技术公司建立许可合作机会的趋势,中国生物技术公司近年来已成为新药候选物的主要来源。Evaluate的数据显示,中国公司在对外许可交易中的份额从2020年的仅3%增长到今年的40%。
在与礼来公告同时发布的2025年财务报告中,英矽智能表示,在2025年和2026年初与领先的跨国制药公司和顶级中国生物制药公司签署了价值13亿美元的业务发展协议。该公司去年营收5600万美元,研发支出约8100万美元,年底现金储备达3.93亿美元。
其主要内部药物开发项目是rentosertib(ISM001-055),这是一种TNIK小分子抑制剂,正在开发用于治疗肺部疾病特发性肺纤维化(IPF),已在中国完成2a期临床试验。预计年底前在中国启动3期项目。
对于礼来而言,与英矽智能的协议是其在过去几个月内与中国公司进行的第二个专注于人工智能的合作,此前在去年11月与上海晶泰科技建立了3.45亿美元的合作伙伴关系。
Q&A
Q1:英矽智能与礼来的合作协议价值多少?
A:英矽智能与礼来签署的协议包括1.15亿美元预付款,如果达成所有开发、监管和商业目标,总价值可高达27.5亿美元。
Q2:这次合作涉及哪些具体的药物开发项目?
A:虽然官方声明未提供具体项目细节,但据报道该协议包括一个用于糖尿病治疗的GLP-1受体激动剂候选药物,双方将利用英矽智能的Pharma.AI药物发现平台合作开发多个研发项目。
Q3:英矽智能目前的主要在研药物是什么?
A:英矽智能的主要内部药物开发项目是rentosertib(ISM001-055),这是一种TNIK小分子抑制剂,正在开发用于治疗特发性肺纤维化,已在中国完成2a期临床试验,预计年底前启动3期项目。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。