近期实验猴价格与供需变化持续引发市场关注，也让动物模型在药物研发中的价值判断再度成为讨论焦点。长期以来，创新药研发始终面临全球性难题：大量在动物实验中表现良好的药物，进入人体临床后却最终失败。如何在高成本的人体试验前更准确地预测疗效与安全性，是制药行业亟待突破的核心挑战。

传统研发遵循“小鼠实验—猴实验—人体临床”的路径，依托物种进化距离逐步提升模拟相似度。猴子因与人类分化时间更晚，长期被视为连接动物实验与临床的关键桥梁，但这一传统逻辑正随着AI与多组学技术的发展被重新审视。

华兰股份（301093.SZ）子公司灵擎数智此前以2.05亿元增资入股自然常数，获得其34.17%的股权，后者正是这一传统逻辑的“挑战者”。这套AI跨物种真实世界模型也成为华兰股份AI制药版图中连接临床前研究与临床决策的关键一环。近日，笔者再度致电自然常数创始人黄小鲁，从前沿视角审视AI对于传统研发逻辑的挑战与机遇。

从“物种距离”转向“数据完整性”

猴实验的局限性十分突出：一方面成本高昂、样本量有限，难以覆盖真实人群复杂的遗传与个体差异；另一方面生命周期长，难以获取覆盖完整生命过程的动态数据，在衰老、慢性病及长期药物影响研究中，时间成本远超研发可承受范围。

在自然常数创始人黄小鲁看来，本轮实验猴价格上涨本质正是这一局限性的体现：“猴子有猴子的供应周期，养到成年的食蟹猴可以用来做实验，大概要两年。当前猴子价格上涨，是短期供应周期造成的。”

相比之下，小鼠生命周期短，可快速记录从出生、成长、衰老到疾病发生的全过程，形成连续的生命数据轨迹。黄小鲁也强调，这并非否定猴实验的产业价值，而是研发的核心诉求正在发生变化。相比依赖少量猴子样本进行验证，未来生命科学更需要一个能够覆盖大量遗传背景差异、记录完整生命过程，并通过AI进行深度解析保守的哺乳动物生物规律的系统。在这一趋势下，曾经主要用于基础实验的小鼠，正在被赋予新的价值。

黄小鲁指出，生命科学研究不存在绝对的“最优模型”，本质是在相似性、可并行样本数量与时间成本之间寻找平衡。现行监管框架下，部分动物实验仍是药物申报的必要环节，自然常数探索的方向并非取消实体实验，而是通过AI减少临床阶段不必要的试错。其技术路线的核心，是不再单纯追求“距离人类更近的动物”，而是以AI搭建理解生命规律的模型，让小鼠成为连接动物数据与人类健康的关键入口。

从小鼠实验到“生命世界模型”

自然常数的核心数据基础，是独特的HDP（Healthy Diversity Population）健康寿命多样性小鼠体系。与传统近交实验小鼠基因高度一致不同，HDP小鼠拥有接近人类群体水平的遗传多样性，可更真实地模拟哺乳动物生命过程的个体差异。据介绍，该组织库覆盖23种器官、约12.5万个样本，可生成约3PB多模态组学数据，完整记录哺乳动物从健康到衰老的全生命周期演化。

不同于常规的小鼠动物实验，自然常数的目标是搭建“生命世界模型”。受伦理限制，人类研究难以获取全周期、多器官的连续健康数据，而小鼠可实现长期连续观察。自然常数利用AI技术，将不同时间点、多组学层面的数据连接起来，形成类似“生命电影”的动态模型，从而帮助科学家理解疾病发生、衰老演变以及药物作用后的变化规律。

据介绍，自然常数与传统猴实验代表的是两种完全不同的研发逻辑。猴实验依赖的是“物种距离”：因为猴子更接近人类，所以希望通过猴子的反应模拟人体结果。自然常数依赖的是“数据和规律”：通过海量、多维度、连续性的生命数据，让AI寻找不同哺乳动物之间共同遵循的生物学规律，根据这些规律去预测结果。

传统猴实验提供单次接近人体的实验结果，而自然常数构建的是可反复调用的计算模型，可进一步回答药物为何有效、为何失败、哪些患者可能受益等深层问题。由此推断，AI模型成熟后，其通量不再受动物繁育周期限制，核心取决于数据质量、算法能力与算力供给。

聚焦临床决策，差异化定位重构研发价值

同样以小鼠为载体，自然常数与业内熟知的“千鼠万抗”有着本质区别。百奥赛图的“千鼠万抗”通过基因编辑小鼠实现全人源抗体筛选，核心是提升药物分子发现效率（如何利用小鼠快速发现更多、更好的抗体药物分子），更接近“药物发现工具”。自然常数则聚焦于药效与风险的规律解析，核心是评估药物进入人体后的作用规律与临床风险，更接近“生命模拟器”。

落到产业场景中，这种能力的核心价值集中在临床决策环节。在候选药物进入高成本临床阶段前，帮助企业回答是否继续推进、应该选择哪些患者、如何设定剂量与终点，以及失败管线的临床方案是否值得重新设计以及如何设计。一次可靠的早期决策，可帮助药企减少数年的无效投入；精准的患者分层，也可能让被平均数据掩盖的疗效重新显现。

因此，自然常数并非按实验数量收费的传统动物服务平台，而是以全生命周期数据与模型为底座，提供高价值临床决策支持，业务可延伸至失败资产再开发、管线合作与收益分成。随着真实项目的反馈反哺算法，可形成“数据—模型—项目—新数据”的正向闭环。

未来，随着AI深入生命科学领域，制药行业竞争的核心或许将从“拥有多少实验资源”转向“是否拥有理解生命规律的数据和模型”。自然常数正在打造的，正是一套面向未来的新型生命科学基础设施。这或许代表了AI制药时代十分重要的一次范式转变：从模拟实验，走向模拟生命本身。（CIS）