阿里云联合清华AIR、水木分子开源BioMedGPT-Mol化学大模型。用户通过自然语言对话即可完成多项化学分子理解和生成任务，助力药物研发提速。
原文标题：阿里云：AI为药研加速！基于千问清华AIR联合水木分子打造化学大模型正式开源
原文作者：数据派THU
冷月清谈：
怜星夜思：
2、文章提到BioMedGPT-Mol是基于千问大模型打造的，那么千问大模型在药物研发领域还有哪些潜在的应用场景？
3、水木分子使用阿里云ACK容器及算力虚拟化技术保障数据安全，这对于药物研发企业来说为什么至关重要？其他类似的企业可以借鉴哪些经验？
原文内容
来源：同写意本文约1000字，建议阅读5分钟AI的出现，能助力分析海量生物医学文献，筛选需测试的数百万种化合物，设计临床试验方案、以助力加速药研的每个环节。
近日，清华大学智能产业研究院（AIR）联合AI药物研发企业水木分子打造的生物领域化学分子通用任务大模型BioMedGPT-Mol正式开源。
该模型以千问为基座模型打造，在分子描述、性质预测等6大类任务的综合指标上均达到SOTA效果。部署模型后，用户通过与模型进行自然语言对话即可完成多项化学分子理解和生成任务，为药物研发增速提效。
传统药物研发基于研究人员的手工提取、合成和筛选，药物发现依赖大量试错，这导致一款药物的研发通常需要花费10-15年，耗资超百亿资金。AI的出现，能助力分析海量生物医学文献，筛选需测试的数百万种化合物，设计临床试验方案、以助力加速药研的每个环节。
不过，此前药物研发企业使用AI需依赖复杂的编码能力。BioMedGPT-Mol基于Qwen3-8B通过微调和强化学习完成训练。部署模型后，用户可通过与模型进行自然语言对话，完成分子描述、性质预测、化学反应预测、分子编辑等分子理解和生成任务，大幅降低了合成化学家与临床研究员使用AI的门槛。
目前BioMedGPT-Mol在多类任务的综合指标上均达到SOTA效果。同时当切换至推理模式时，模型在分子编辑任务上实现了进一步的性能提升。在此基础上，水木分子首次探索了仅使用大模型进行端到端有机分子逆合成分析，在RetroBench榜单上实现了SOTA效果。
作为一家服务制药的初创企业，水木分子对成本、数据安全有极高的需求。
因此，水木分子依托阿里云ACK容器及算力虚拟化技术，水木分子为模型推理、混合模型部署等建立了独立的运行环境，保障了不同业务的数据安全，同时降低了推理成本。
同时，通过使用阿里云云效产品，水木分子实现全部运维流程云化和对CICD流程的统一管理，减少了运维成本。
未来，水木分子和阿里云将在专业模型训练、模型推理加速、向量搜索等方面持续合作。
模型开源地址：https://github.com/PharMolix/OpenBioMed
相关论文地址：https://arxiv.org/abs/2512.04629
编辑：文婧
