时事解读：Moderna大涨背后：AI到底站在哪一步？——从intismeran autogene到上海生物制品研究所：新抗原筛选这一步，为什么非AI不可
2026年8月19日，Merck与Moderna宣布INTerpath-001三期研究达到主要终点，Moderna股价单日暴涨约177%，市值增加440亿美元。市场很容易把它读成"AI 治愈癌症"的前奏。但把这条产品的流程拆开看，AI的位置其实非常具体——而恰恰因为具体，它才无可替代。
更值得国内同行注意的是：同一个位置，国药集团中国生物上海生物制品研究所也已经站上去了。
图：Moderna 实验室——个体化新抗原疫苗的诞生起点
核心判断：
个体化路线一旦成立，抗原筛选这一步就必然是计算的位置。AI 让"给每个病人做一款不同的药"从设想变成可运行的工程——这不是链条上的一个加分项，而是整条链条能否成立的前提。
一、先把事实摆清楚
Merck与Moderna 宣布，INTerpath-001三期研究在完全切除的 IIB、IIC、III 或 IV 期皮肤黑色素瘤、且未接受过系统治疗的患者中，达到主要终点无复发生存（RFS）与关键次要终点无远处转移生存（DMFS）：intismeran autogene 联合 KEYTRUDA相比KEYTRUDA单药，两个终点均取得统计学显著改善。这是个体化新抗原疗法与 mRNA 肿瘤疗法的首个三期阳性结果[1]。双方计划在未来数月与监管机构沟通，最早 2027 年有可能获批[2]。
资本市场的反应很直接：Moderna开盘涨超 120%，Merck涨超 11%。但股价讲的是预期，我们更关心另一个问题——这条产品是怎么做出来的，AI 在其中到底做了什么。
图：AI 在新抗原筛选环节的核心位置——蛋白质结构、免疫原性、MHC 结合的机器学习预测
二、五步流程，AI 只在第三步
intismeran autogene 是一款个体化疫苗：每个病人打进去的东西都不一样。它的流程可以拆成五步。
步骤 | 环节 | 做什么 | 谁在做 | 人能替代吗 |
|---|---|---|---|---|
① | 取材 | 手术切下肿瘤组织 | 外科与病理 | — |
② | 测序 | 全外显子组 + RNA 测序，找出这个病人肿瘤特有的突变 | 测序平台与生物信息 | 部分可，但通量受限 |
③ | 新抗原筛选 | 机器学习从突变中筛出最多 34 个新抗原：预测哪些突变肽有免疫原性、能与该患者的 MHC 分子结合，并做排序与序列优化 | 机器学习模型 + 高性能计算 | 不能：一人一套，人工不可行 |
④ | 编码与递送 | 把这 34 段编码进一条 mRNA，脂质纳米颗粒包裹 | mRNA 平台与制剂工艺 | — |
⑤ | 联用给药 | 与 KEYTRUDA（PD-1 抑制剂）联合使用 | 临床方案 | — |
表 1｜个体化新抗原疫苗的五步流程与 AI 的位置
这张表最该被注意的，是最后两列的错位：AI 只占五步中的一步，却是唯一一步"人做不了"。没有高性能计算和机器学习来做突变分析、免疫原性预测与序列优化，"规模化的个性化"在工程上根本不成立——不是不想做，是算不过来。
三、三件必须说清楚的事
1、这不是生成式 AI，也不是大模型
第三步做的是免疫原性预测和 MHC 结合亲和力预测，属于相当经典的机器学习任务：从几百到上千条候选突变肽里，判断哪些可能被免疫系统识别，然后排序，取前若干条。它的输出是分类标签和排序结果，不是"设计"出一个新分子。评价标准也朴素得多：排在前面的那些，有多少真的能诱导应答。
这个区分很重要。当下讨论"AI 制药"时，注意力大多在生成式模型和大模型上，但真正走到三期阳性的这一步，用的是判别式的、任务边界很窄的模型。
2、算法在关键临床之前就被冻结了
Moderna在进入关键临床之前把模型参数锁死，避免试验中途模型变化污染结果。也就是说，这次三期成功的，是一个四五年前就已定型的算法。
它证明的是"这套方法论走得通"，而不是"最新的 AI 有多强"。
这一点最值得研发团队记住
临床级 AI 的第一要求不是先进，而是可冻结、可复现、可追溯。一个每周都在更新的模型，没办法作为注册资料的一部分——它的输出无法被独立重现，也说不清某个结论出自哪个版本、哪组参数。
3、算法与免疫学各司其职，缺一不可
mRNA 平台、脂质纳米颗粒递送、与 PD-1 抑制剂的协同，构成了这条路线的生物学基础；AI 则让"给每个人做一款药"在成本和时间上真正可行。两边是配合关系，任何一边缺位，这条路线都走不到三期。
用一篇报道的说法：这一步验证了这条路能出成果——把个体化从科研设想推进到了临床级证据。
四、同一个位置，国药集团也已经站上去了
把视线转回国内。今年 5 月，"解码国药'智'造"媒体行期间，中新社记者走访了国药集团相关企业，报道了 AI 嵌入药物研发全链条的实践[3]。其中最值得对照阅读的，正是与 Moderna 第三步同构的那一段。
传统新药研发素有"十年研发周期、十亿美元投入，临床成功率却不足 10%"的"双十定律"。而在肿瘤个性化治疗与新发突发传染病防控领域，瓶颈被概括得更具体："一人一策、位点海量、人工难筛"——以往科研人员只能依靠经验在海量候选位点中逐一试错。这句话几乎就是 Moderna 第三步的中文版。
毫秒级与数天：差别不在精度，在通量
据报道，国药集团中国生物上海生物制品研究所科研团队自主搭建人工智能预测平台，依托高通量测序构建肿瘤新生抗原发现系统，融合深度学习算法，精准锁定传统方法难以识别的隐蔽肿瘤靶点。相较于传统方法需数天完成的蛋白结构预测、免疫原性评分、亲和力计算，AI 仅需毫秒级即可完成；靶点发现效率较传统模式大幅跃升，模型预测准确率持续优化迭代[3]。
报道还提到，AI 可智能预测抗原肽段免疫潜力，在海量变异序列中快速筛选核心有效抗原，并直接衔接 mRNA 疫苗设计流程；依托新突发传染病新型疫苗研发全国重点实验室，已打通 AI 辅助 mRNA 疫苗研发全流程，形成数据挖掘、免疫特征解析、抗原筛选、疫苗构建与评估的一体化能力。依托该 AI 平台研发的 mRNA 肿瘤治疗候选疫苗已完成早期概念性验证，相关成果发表于多个国际权威期刊，并获得多项发明专利与软件著作权[3]。
维度 | Moderna｜intismeran autogene | 国药中国生物｜上海生物制品研究所 |
|---|---|---|
面对的问题 | 每位患者的肿瘤突变都不同，候选肽段数量巨大 | "一人一策、位点海量、人工难筛" |
数据来源 | 全外显子组 + RNA 测序 | 高通量测序构建的肿瘤新生抗原发现系统 |
算法做什么 | 免疫原性预测、MHC 结合亲和力预测、排序与序列优化 | 深度学习锁定隐蔽靶点；蛋白结构预测、免疫原性评分、亲和力计算 |
速度上的意义 | 让"一人一药"在成本与时间上可行 | 同类计算从传统的数天缩短到毫秒级 |
下游衔接 | 34 段抗原编码进一条 mRNA，脂质纳米颗粒包裹 | 筛选结果直接衔接 mRNA 疫苗设计流程 |
当前阶段 | 三期达到 RFS 与 DMFS 双终点 | mRNA 肿瘤治疗候选疫苗完成早期概念性验证 |
表 2｜同一个位置的两条实践
两边的算法细节不同、进度不同，但AI 被放在同一个位置：抗原层面的预测与排序。这不是巧合——个体化路线一旦成立，这个位置就必然是计算的位置。
创腾在其中的位置 上海生物制品研究所是创腾科技的合作伙伴。创腾的 MaXFlow 分子模拟与人工智能平台在其抗原设计与结构预测环节提供支持，把结构建模、对接与稳定性评估这类计算工作组织到统一的工作流中。
五、要复制这条路径，需要什么
三期阳性与早期概念性验证共同说明的，是一条工程路径被走通了：抗原层面的计算预测 + 平台化递送 + 免疫联用，可以走到临床级结果。但要在自己的管线里复制它，需要的能力清单相当具体，而且三条都绕不过去。
能力要求 | 具体指什么 | 创腾平台落点 |
|---|---|---|
| 抗原层面能算 | 蛋白结构预测、同源建模、分子动力学模拟、蛋白—蛋白与抗体—抗原对接、稳定性与亲和力评估，且要能批量执行而非逐个手工做 | MaXFlow：生物大分子建模与模拟，疫苗为其明确应用领域之一 |
| 算得住 | 模型与流程可版本化、可冻结；每个结论都能追溯到输入结构、方法与参数版本，以便写入文件并被独立重现 | SDH：研发数据与元数据治理 |
| 接得上 | 计算结果能进入实验与工艺环节，实验结果能回流更新判断，形成可持续的迭代 | iLabPower + MaXFlow 工作流 |
表 3｜三项能力要求与平台落点
中新社的报道里还有一句值得注意：国药医工总院形成了"AI 预测—序列推荐—机器实验—数据反馈—模型迭代"的闭环模式。这正是第三条能力的完整形态——AI 不是链条末端的一次输出，而是链条里可以反复运转的一环[3]。
图：MaXFlow 平台 CNN 核酸修饰模型训练工作流
六、三句克制的话
别把"个体化"理解成"AI 生成"。个体化来自这个病人自己的测序结果；AI 做的是让筛选可以规模化，而不是凭空生成一款药。
别把成功理解成算法先进。Moderna 用的是冻结了四五年的算法。这对国内团队其实是好消息——门槛不在"最新模型"，而在方法论是否对、生物学是否扎实、流程是否算得住。
别低估工程成本。34 个抗原、一条 mRNA、一位患者一批药。真正难的，是把这套流程做成可重复、可放行、可审计的生产与质量体系。
总结：AI 的价值，是让好的生物学变得可执行
这次三期结果是一次分工的示范：免疫学提供了机制，AI 提供了规模——把"给每个人都做一份"从不可能变成可运行。而国内的实践说明，这个位置并不遥远：它已经有人在站，并且跑出了早期结果。
让抗原层面算得清、让每个结论追溯得到、让计算与实验转得起来——AI 的价值就落在这三件事上，而它们恰好都是研发平台的分内之事。
参考资料：
[1] Merck 与 Moderna 联合公告：Phase 3 INTerpath-001 Trial of Intismeran Autogene Plus KEYTRUDA® Met Endpoints of RFS and DMFS in Patients With Completely Resected Stage IIB–IV Melanoma，2026年8月。
[2] BioSpace，Moderna stock nearly doubles as Merck-partnered mRNA cancer vaccine meets Phase 3 goal，2026 年 8 月（股价反应与监管沟通时间表）。
[3] 中新社上海／中新网上海新闻，《国药集团打破"双十定律" AI 重塑新药研发》，记者陈静，2026 年 5 月 14 日（"解码国药'智'造"媒体行报道；文中关于上海生物制品研究所、国药医工总院的表述与数据均出自该报道）。
[4] 创腾科技，MaXFlow 分子模拟与人工智能平台（生物大分子方向能力与疫苗应用领域）。
[5] 创腾科技，SDH 科研数据中台。
[6] 创腾科技，iLabPower 实验室数字化与 DOE 实验设计。
· · ·
说明：本文对 intismeran autogene 研发流程的描述基于公开报道与企业公开披露，具体实现细节以 Merck、Moderna 官方发布及后续论文为准。关于国药集团中国生物上海生物制品研究所、国药医工总院的全部表述与数据均引自中新社报道原文，创腾科技未对其做二次加工；该所的 AI 预测平台由其科研团队自主搭建，MaXFlow 在抗原设计与结构预测环节提供支持，二者为配合关系。临床结论不构成任何诊疗建议或投资建议。
来源：创腾科技
想把抗原设计与结构预测做成可复用的流程？如想获取 MaXFlow 在疫苗与生物大分子方向的能力介绍及产品体验资格，以及 iLabPower、SDH 与 MaXFlow 的研发数字化落地路径咨询；欢迎登录创腾科技官网。