药化师有了专用 AI 助手：Indy 上线，智能体的下一步是读得到企业的数据

2026 年 9 月 14 日，纽约。药物发现公司 Inductive Bio 发布 AI 化学助手 Indy，并称之为"世界首个药物化学智能体"。它由公司的药物化学、计算化学与 DMPK 科学家为自己手里的合作项目亲手打造，现已对合作伙伴开放。

Indy 做的是药化师的日常重活：解析 CRO 报告、逐条质检剂量反应曲线、解读历史构效关系（SAR）、运行生成化学算法、布置 FEP 自由能微扰计算、直接产出项目汇报用的幻灯片。公司同日发布的对比测试中，在 84 条来自真实项目的剂量反应曲线上，Indy 的质检准确率为 89%，Claude Opus 5 为 48%，GPT-5.6 Sol 为 39%——即便让通用模型开足算力，差距依然明显（注：此项为 Inductive 自建基准，非独立审计）。合作方 Anvia Therapeutics 化学负责人 Nicholas Perl 的用法是：数据质检、SAR 表构建与分析、合成队列管理。

值得化工企业注意的不是这些数字，而是 Indy 背后的判断：制约药物项目的从来不是科学家想不出新分子，而是每天成百上千次分析与决策的质量——这条数据可信吗？新结果说明什么？合成资源押对了吗？Indy 的路线是把这类"占用时间但不占用创造力"的工作交给 AI，让科学家把精力留给只有人能做的判断。

专用智能体的燃料，还是企业的数据

Indy 能"逐条质检剂量反应曲线""解读历史构效关系"，前提是它读得到结构化的实验数据——Inductive 为此花数年自建了数据平台。这个前提对国内化工企业同样成立：智能体再强，读不到你的实验记录、批次数据和质检结果，就帮不上你的项目。

这正是胜蓝® AIchem 的位置，也是它与科研智能体的分工差异：

AIchem 做企业侧的数据底座：化学品和产品一物一档，实验记录保存计划、所用物料、操作过程、观察现象和结果，质检记录保存检查项目、结果、来源和相关文档，九类业务记录互相关联——智能体要"读历史、找规律"，先得有这样的历史可读。

内置助手执行同样的边界原则：查询直接返回；涉及创建、修改等业务写入时，先列出目标记录和具体动作，经用户确认后才执行，执行时系统再次检查访问条件，操作留有记录。

开放 API 让企业积累的结构化记录可被外部 AI 工具经个人访问令牌读取，权限与业务校验继承令牌所有者。数据资产在谁手里、以什么形态存，决定了未来各种专用智能体到来时，企业是第一批用户还是旁观者。

Indy 的基准分数是它自己的，但趋势是行业的：AI 正从"回答问题"走到"接手流程"。药物化学的今天，就是化工研发与经营的明天——这一天到来前，把每一次实验、每个批次、每份质检报告变成结构化记录，是每家企业今天就能做的事。

（信息来源：Inductive Bio 2026-09-14 官方发布，PR Newswire 同日分发）