化学的自动驾驶：ChemLex如何用AI重新定义新药研发的"最后一公里"
核心看点：ChemLex如何用AI+自动化重新定义化学合成，将新药研发的"最后一公里"从手工时代带入自动驾驶时代。从帝国理工博士生到创业领袖，林森如何用20年时间实现一个关于"化学工业革命"的梦想。
ChemLex新加坡实验室参观场景，团队成员与合作伙伴在自动化实验室交流。图片来源：ChemLex官方新闻稿（2025年12月8日）
---
引子：一个实验员的一天
凌晨两点，上海张江高科技园区。
在一间灯火通明的实验室里，28岁的李博士盯着面前的通风橱，眼神疲惫。她的白大褂上沾着几抹干涸的化学试剂痕迹，手套已经被汗水浸透。这是她这周第三次通宵——为了一个关键中间体的合成。
"第17次失败了。"她在实验记录本上画了一个叉，"反应条件还是不对。"
——
李博士不知道的是，就在几公里外的另一栋办公楼里，一台机器正在以每分钟一次的速度尝试着她花了三个月才试了17次的反应。而且，它不需要休息，不会出错，甚至能在失败后立即调整参数，自动开始第18次尝试。
这台机器的主人，是林森。
---
第一章：从帝国理工到创业寒冬
1.1 那个在实验室里"浪费时间"的博士生
2006年，伦敦。
林森站在帝国理工学院材料科学系的实验室里，看着面前那台老旧的旋转蒸发仪，陷入了沉思。
"这太荒谬了。"他对旁边的同学说，"我花了整整两周时间合成一个分子，结果核磁共振显示纯度只有60%。这意味着我要么接受这个结果，要么再花两周重来。"
同学耸耸肩："这就是化学啊，伙计。"
但林森不这么想。
当时的他已经是帝国理工学院生物材料科学专业的博士生，此前在麻省理工学院拿到了硕士学位。在MIT，他接触过早期的机器学习算法；在帝国理工，他每天都在目睹传统化学合成的低效与重复劳动。
"你发现了什么？"他的导师问。
"我发现，"林森指着实验记录本，"80%的时间我都在做重复性操作——称量、加料、搅拌、萃取、纯化。真正需要思考的，只是那20%的路线设计。"
ChemLex创始人林森博士在新加坡全球总部成立仪式上发表演讲，背景屏幕显示其身份。图片来源：ChemLex官方新闻稿（2025年12月8日）
"所以呢？"
"所以，如果能把那80%自动化，化学家就能专注于真正重要的事情。"
——
导师笑了笑，拍了拍他的肩膀："很好的想法，但你需要先毕业。"
1.2 学术与产业的双重磨砺
2009年，林森拿到了博士学位。
他的学术生涯可谓光鲜——据厦门大学学术报告资料，他发表了10余篇国际期刊论文，累计被引用超过540次。但他没有选择留在学术界，而是转身进入了产业界。
"学术是探索未知，产业是解决问题。"多年后，林森这样解释自己的选择，"我想解决问题。"
——
接下来的几年，林森先后在多家生物医药公司从事药物研发工作。这段经历让他深入了解了新药研发的全流程，也让他更深刻地认识到了一个残酷的现实：
化学合成，是整个新药研发链条中最"卡脖子"的环节。
一个新药从发现到上市，平均需要10-15年，花费26亿美元。其中，仅仅是化学合成环节——也就是把药物分子从纸上设计变成试管里的实体——就可能占据数年时间和数亿美元。
更荒谬的是，这数年的工作，大部分是由像开篇那位李博士一样的年轻化学家，在通风橱前一锅一锅地手动完成的。
"这就像一个软件工程师，每次改代码都要先手工把代码刻在石头上，然后再录入电脑。"林森形容道。
2014年，林森又做了一次转型——他进入了投资行业，成为一家生命科学基金的合伙人。
"做投资让我看到了更大的图景。"他说，"我看到了整个行业的痛点，也看到了技术的趋势。最重要的是，我看到了钱流向哪里。"
——
在投资行业的5年，林森投资了多家AI制药和自动化公司。他见证了AlphaFold如何颠覆结构生物学，见证了深度学习如何从图像识别走向分子设计。
但有一个领域，似乎被遗忘了：化学合成。
"所有人都在谈论AI设计药物，但没人谈论AI制造药物。"林森说，"这就像设计了一辆法拉利，却还在用手工打铁的方式制造引擎。"
——
1.3 2021：那个深夜的电话
2021年9月的一个深夜，林森接到了一个电话。
电话那头是黄瑜清，一家名为"镁伽机器人"的创业公司的创始人兼CEO。
"林森，我知道你在投资界做了很多年。"黄瑜清开门见山，"但我想问问你，有没有想过自己下场？"
——
"什么意思？"
"镁伽一直在做实验室自动化，我们有机器人、有硬件、有软件。但我们缺少一个懂化学的人，一个真正知道化学家需要什么的人。"黄瑜清顿了顿，"我想请你来做我们的化学合伙人。"
——
林森沉默了。
挂断电话后，他在窗前站了很久。
窗外是北京的城市夜景，灯火璀璨。他想起了帝国理工那个实验室里的旋转蒸发仪，想起了那些通宵的夜晚，想起了无数个"第17次失败"。
他想起了自己当年那个没完成的梦想：让化学家专注于思考，让机器做重复的工作。
第二天，他给黄瑜清回了电话："我有个想法，不是做镁伽的合伙人，而是做一家新公司。一家专门做AI化学合成的公司。"
"有。"林森说，"我要造一个'自动驾驶'的化学实验室。"
——
---
第二章：镁伽的"产房"与ChemLex的诞生
2.1 2022年1月：最冷创业季
2022年1月，上海。
ChemLex（中文名：镁睿化学）正式成立，注册地在上海张江。
这个时间点，可以说是创业的最坏时机。全球疫情仍在肆虐，资本市场开始收缩，生物科技板块从巅峰跌落。就在ChemLex成立的前一个月，纳斯达克生物科技指数刚刚经历了史上最大的单月跌幅之一。
"所有人都说我们疯了。"林森回忆，"投资人说，市场这么冷，你们还要做硬件？还要做AI？还要做化学？这三件事任何一件都够难了，你们要做三件？"
——
但林森有自己的逻辑。
"经济有周期，但技术趋势不会逆转。AI+自动化+化学，这是必然发生的。问题是，谁先做，谁就能定义标准。"
——
ChemLex的起步，得益于镁伽机器人的孵化支持。
作为镁伽的"内部创业项目"，ChemLex获得了宝贵的启动资源：办公场地、初始资金、以及最重要的——镁伽在实验室自动化领域积累的技术和供应链。
"镁伽对我们来说，就像一个产房的助产士。"林森这样形容，"他们帮助我们出生，但从第一天起，我们就是一个独立的生命。"
——
2.2 组建"复仇者联盟"
公司成立后，林森做的第一件事是组建团队。
他深知，ChemLex要做的是一件前无古人的事情——把AI、机器人、化学这三件事真正融合在一起。这需要一支跨学科的团队。
"我找人有三个标准："林森说，"第一，必须在各自领域是顶尖专家；第二，必须有创业精神，愿意做从0到1的事情；第三，必须有开放的心态，愿意学习其他领域的知识。"
——
ChemLex的早期团队，就像一支"复仇者联盟"：
- 化学团队：来自辉瑞、默克、药明康德等顶级药企的资深化学家，平均拥有15年以上药物合成经验。
- AI团队：来自MIT、斯坦福、清华等顶尖学府的机器学习专家，在自然语言处理、图神经网络、强化学习等领域有深厚积累。
- 工程团队：来自镁伽和其他机器人公司的硬件工程师，精通自动化设备、传感器集成、实验室信息管理系统。
"最难的是让这些人说同一种语言。"林森回忆，"化学家不知道什么是神经网络，AI工程师不知道什么是格氏反应。我们需要创造一个共同的语境。"
——
ChemLex的解决方案是：让所有人都进实验室。
"AI工程师必须亲手做过化学反应，化学家必须亲手写过代码。"林森说，"只有亲身经历过对方的工作，才能真正理解问题。"
——
2.3 第一个产品：从0到1的"黑暗岁月"
2022年，是ChemLex的"黑暗岁月"。
团队花了整整一年时间，才做出第一个能用的原型机。
"我们犯了所有能犯的错误。"林森笑言，"机械臂精度不够、溶剂腐蚀了传感器、软件bug导致反应失控……有一次，一台设备甚至把化学废液洒了一地。"
——
但每一次失败，都让团队更清楚问题在哪里。
"我们发现，AI化学合成最大的挑战，不是技术，而是数据。"林森解释，"AI模型需要海量数据来训练，但化学实验的数据非常昂贵——一个实验可能要花几百美元，还要等几天才能拿到结果。"
——
传统的AI制药公司，通常使用公开文献中的化学反应数据来训练模型。但林森很快发现，这些数据有两个致命问题：
第一，质量参差不齐。文献中的实验条件往往记录不全，有些关键细节甚至被故意隐藏。
第二，缺乏失败数据。科学家只发表成功的实验，从不发表失败的。但恰恰是失败数据，对AI学习最有价值——因为失败比成功更能说明化学反应的边界在哪里。
"我们必须建立自己的数据工厂。"林森做出了一个大胆的决定："我们要用高通量自动化实验，自己生成数据。"
——
这个决定，彻底改变了ChemLex的技术路线。
---
第三章：干湿闭环——ChemLex的核心密码
3.1 Dry Lab与Wet Lab：AI化学家的"大脑"与"双手"
要理解ChemLex的技术，必须先理解两个概念：Dry Lab（干实验室）和Wet Lab（湿实验室）。
传统的化学合成CRO（合同研究组织）公司，大多只做Wet Lab——客户给它们一个分子结构，它们就手动合成出来。客户付费，它们交货，交易结束。
少数先锋公司开始尝试Dry Lab——用AI预测合成路线，降低试错成本。
但ChemLex的核心创新在于：把Dry Lab和Wet Lab真正闭环起来。
"这就像自动驾驶汽车。"林森解释，"Dry Lab是大脑，负责规划和决策；Wet Lab是双手，负责执行和感知。但最重要的是，它们之间要形成闭环——大脑指挥双手，双手的感知反馈给大脑，大脑再调整决策。"
ChemLex自动化湿实验室内部，展示机械臂和自动化化学合成设备。图片来源：ChemLex官网技术页面
3.2 Dry Lab：通过图灵测试的AI化学家
ChemLex的Dry Lab，由三个核心AI模型组成：
1. RetroPlanner（逆合成规划器）
这是ChemLex的"杀手锏"。
逆合成规划，是药物化学中最重要的技能之一。给定一个目标分子，化学家需要像解谜一样，一步步倒推，找出如何用最简单的原料、最少的步骤合成它。
这个过程极其依赖经验。一个资深化学家可能需要几小时甚至几天才能设计出一条合理的路线，而且无法保证这条路线真的能成功。
RetroPlanner用深度学习算法，在几秒钟内就能生成多条候选路线，并给出每条路线的可行性评分。
"我们的模型在内部测试中，已经通过了'图灵测试'。"林森自豪地说，"我们把AI设计的路线和人类专家设计的路线混在一起，让资深化学家判断——他们无法区分哪些是AI做的，哪些是人类做的。"
——
2. Reaction Condition Recommender（反应条件推荐器）
设计好路线只是第一步。真正的挑战，是如何让每一步反应都顺利进行。
化学反应就像烹饪——同样的食材，火候不同，味道天差地别。温度、时间、溶剂、催化剂……任何一个参数的微小变化，都可能导致反应失败。
传统的方法是"试错"——化学家根据经验猜测一组条件，如果不成功，就调整参数再试。这个过程可能需要数十次甚至上百次尝试。
ChemLex的Reaction Condition Recommender，用贝叶斯优化和主动学习算法，能够在最少的实验次数内找到最优条件。
"我们的模型可以预测一个反应的成功率，并给出置信区间。"林森解释，"如果置信度不够高，它会建议先做几个探索性实验来降低不确定性。"
——
3. LCMS AutoAnalyzer（LCMS自动分析器）
反应完成后，需要分析产物。传统的做法是，化学家手动取样，送到分析仪器，然后盯着屏幕解读复杂的图谱。
ChemLex的LCMS AutoAnalyzer，用计算机视觉和自然语言处理技术，自动识别图谱中的产物峰，生成结构化的分析报告。
"这个系统不仅快，而且不疲劳、不犯错。"林森说，"人类化学家看了一整天图谱后会眼花，但AI不会。"
——
3.3 Wet Lab：24/7不眠的机器人化学家
Dry Lab再强大，也只是"纸上谈兵"。真正让ChemLex与众不同的是它的Wet Lab——一个24/7运行的全自动化化学合成平台。
走进ChemLex的实验室，你会看到一个令人震撼的场景：
一排排机械臂在精准地移动，抓取试管、转移液体、加热搅拌。各种分析仪器——LCMS、NMR、HPLC——被集成在一个自动化的流水线上，源源不断地接收样品、生成数据。
整个实验室里，几乎看不到人。
"我们的平台每天可以运行超过1000个反应。"据公司官方介绍，该平台的高通量实验系统可同时进行数百个微量反应，效率远超传统人工操作。一个资深化学家，如果手动操作，一天能做10个反应就已经是极限了。
ChemLex的Wet Lab分为几个模块：
HTE（高通量实验）平台
这是ChemLex的"主力军"。它可以同时进行数百个微量反应，快速筛选反应条件。每个反应只需要几毫克原料，成本极低。
"以前要几万美元才能做完的筛选，现在几千美元就能完成。"林森说。
Auto-Analytical（自动分析）平台
反应完成后，机械臂自动取样、稀释、过滤，然后送入LCMS等分析仪器。整个过程无需人工干预。
Auto-Separation（自动分离）平台
如果反应产物需要纯化，这个平台会自动进行柱层析或制备HPLC，分离出纯净的产物。
Auto-Work-up（自动后处理）平台
萃取、浓缩、干燥……这些繁琐的后处理步骤，也由机器人自动完成。
Auto-Flow Chemistry（自动流动化学）平台
对于一些特殊反应，比如需要精确控温的光化学反应或氢化反应，这个平台可以提供连续流动的反应条件。
3.4 数据飞轮：越用越聪明的系统
Dry Lab和Wet Lab的闭环，创造了ChemLex最核心的竞争优势：数据飞轮。
"每做一个实验，我们就在训练AI。"林森解释，"AI设计的路线，由机器人执行，执行的结果反馈给AI，AI再优化模型，设计更好的路线。这是一个不断自我强化的循环。"
——
传统的CRO公司，做完项目就结束，数据零散地保存在实验记录本或Excel表格里，无法积累。
但ChemLex的每一次实验，都被结构化地记录下来，成为AI模型训练数据的一部分。
"我们的数据每天都在增长。"林森说，"这意味着我们的AI每天都在变得更聪明。"
——
---
第四章：商业破局——从实验室到市场
4.1 第一个客户：证明自己
2023年初，ChemLex迎来了第一个重要客户——一家全球TOP 10药企。
"他们给了我们一个'不可能任务'。"林森回忆，"一个复杂的分子，他们内部团队试了三个月都没合成出来，问我们能不能做。"
——
ChemLex团队接下了这个挑战。
AI首先设计了10条候选路线。然后，HTE平台在两周内完成了500多个条件的筛选。最终，找到了一条可行的路线，并在一个多月内交付了目标产物。
"客户震惊了。"林森说，"不是因为我们的速度——虽然确实很快——而是因为我们的方法。他们第一次看到一个CRO公司，能用数据说话，用算法解释为什么这条路可行。"
——
这次成功，成为ChemLex的"敲门砖"。
4.2 2600万美元A轮：市场的认可
2024年1月，ChemLex宣布完成2600万美元A轮融资。
ChemLex新加坡全球总部成立仪式团队合影，背景为ChemLex品牌墙。图片来源：ChemLex官方新闻稿（2025年12月8日）
本轮融资由启明创投和LYFE Capital共同领投，创新工场和镁伽科技跟投。
"这是市场对我们模式的认可。"林森说，"但更重要的是，这些投资人为我们带来了战略资源。"
——
启明创投在生物医药领域有深厚的布局，为ChemLex介绍了不少潜在客户；创新工场在AI领域有丰富的生态资源；镁伽科技则继续提供硬件和供应链支持。
融资后，ChemLex开始了快速扩张（据2024年1月融资新闻稿）：
- 团队大幅扩展
- 实验室面积扩大了三倍
- 在上海建立了第二个研发中心
- 开始服务国际客户
4.3 4500万美元A+轮：全球化战略
2025年12月，ChemLex再次宣布重大消息：完成4500万美元A+轮融资，并将全球总部迁至新加坡。
本轮融资由新加坡主权基金背景的Granite Asia领投。
"迁址新加坡是一个战略性决定。"林森解释，"新加坡有世界级的生物医药生态，有连接东西方的地理位置，有支持创新的政府政策。更重要的是，新加坡是全球药企进入亚洲市场的门户。"
——
在新加坡，ChemLex建立了全新的"自动驾驶实验室"（Self-Driving Lab），这是公司迄今为止最先进的设施。
"这个实验室代表了我们对未来的愿景。"林森说，"完全无人化、完全自动化、24/7运行的化学研发中心。"
——
4.4 与巨头共舞：默克与EDDC的合作
2026年1月19日，ChemLex宣布了与德国默克（Merck KGaA）的战略合作备忘录。
"默克是全球领先的科技公司，在生命科学和电子材料领域有深厚的积累。"林森说，"与他们的合作，不仅是对我们技术的认可，更是我们进入更广阔市场的机会。"
——
同月，ChemLex还与新加坡国家药物研发平台EDDC（Experimental Drug Development Centre）签署了合作协议，共同推进小分子药物发现的自动化。
"这些合作证明了一件事：AI+自动化+化学，不是一个中国或亚洲的故事，这是一个全球性的变革。"林森说。
---
第五章：未来已来——ChemLex的愿景与挑战
5.1 化学的"工业革命"
今天的ChemLex，已经成长为一家服务多家国内外知名药企的行业领导者，其中包括与全球顶尖制药公司默克（Merck KGaA）的合作。
但林森的目光，看得更远。
"我们正处于化学的'工业革命'前夜。"他说，"就像200年前的纺织业，从手工织布机走向蒸汽动力的工厂。化学合成，正在从'手工时代'走向'自动化时代'。"
——
ChemLex的愿景，是建立一个"化学云"——客户只需要上传目标分子的结构，ChemLex的AI就会自动设计路线，机器人自动合成，数据自动反馈，最后把纯净的化合物送到客户手中。
"未来，化学家不再需要待在通风橱前。"林森描绘着未来，"他们可以坐在电脑前，像软件工程师一样，用代码设计分子，让机器去执行。"
——
5.2 挑战与争议
当然，ChemLex的模式也面临着挑战和争议。
挑战一：成本。建设一个全自动化的化学实验室，前期投资巨大。一台高精度的机械臂可能要几十万美元，一套分析仪器可能要上百万美元。ChemLex能否在成本上与传统CRO竞争？
林森的答案是：规模效应。
"我们的前期投资确实很高，但一旦建成，边际成本极低。一个机器人可以24/7工作，不需要加班费，不会请病假。当规模上去后，我们的成本优势会非常明显。"
——
挑战二：技术边界。不是所有化学反应都能自动化。一些复杂的、需要特殊操作的反应，仍然需要人类化学家的经验和技巧。
林森承认这一点："自动化不是万能的。我们的目标是自动化80%的常规工作，让化学家专注于那20%真正有挑战性的问题。"
争议：化学家的未来。如果AI和机器人能做大部分化学合成工作，传统的化学家会失业吗？
"这是一个误解。"林森回应，"技术的进步不会消灭工作，只会改变工作的性质。就像计算机没有消灭数学家，反而让数学家的能力大大增强。AI不会取代化学家，而是会成为化学家最强大的工具。"
——
5.3 写在最后：那个深夜的顿悟
2026年，新加坡。
ChemLex的新总部大楼里，林森站在落地窗前，看着窗外的城市夜景。
他想起了2006年帝国理工的那个实验室，想起了那个旋转蒸发仪，想起了那个深夜的顿悟：化学家80%的时间都在做重复劳动。
二十年后，他终于实现了当年的梦想。
"但我们才刚刚开始。"林森转过身，看着办公室里忙碌的年轻工程师和科学家们。
"AI制药的市场，预计将从2025年的约19亿美元（制药AI细分市场）增长到2034年的约165亿美元。"他说，"这其中，化学合成将是最关键的一环。因为只有把设计的分子真正制造出来，药物研发才能完成闭环。"
——
ChemLex的故事，是一个关于技术、梦想和坚持的故事。
它告诉我们：即使是最传统的行业，也能被技术重新定义。即使是最艰难的创业，只要有正确的方向和坚定的执行，也能成功。
窗外，新加坡的夜空繁星点点。
而在ChemLex的实验室里，机器人们正在不知疲倦地工作着，一盏盏指示灯闪烁着，像是在诉说着一个新时代的到来。
---
尾声：给所有在实验室里通宵的年轻人
如果你现在正站在通风橱前，为一个反复失败的反应而沮丧；
如果你现在正盯着核磁共振图谱，为一个杂质峰而困惑；
如果你现在正觉得，化学是一门"靠运气"和"靠体力"的学科；
请记住：改变正在发生。
ChemLex的机器人，正在证明：化学可以是一门工程学科，可以是用数据和算法驱动的精密科学。
而你——是的，就是你——可以成为这场变革的一部分。
无论是作为 chemist（化学家），还是作为 coder（程序员），或者是作为两者兼备的"化学工程师"。
未来已来，只是分布不均。
ChemLex，正在让这个未来，来得更快一些。
---
附录：ChemLex关键里程碑
| 时间 | 里程碑 |
|---|
| 2021年9月 | 林森开始筹备ChemLex项目 |
| 2022年1月 | ChemLex正式成立，获镁伽科技天使轮投资 |
| 2023年 | 完成首个商业化项目，获头部药企认可 |
| 2024年1月 | 完成2600万美元A轮融资（启明创投、LYFE Capital领投） |
| 2024-2025年 | 团队扩张至80人，服务客户超过70家 |
| 2025年12月 | 完成4500万美元A+轮融资（Granite Asia领投），全球总部迁至新加坡 |
| 2026年1月 | 与默克（Merck KGaA）签署战略合作备忘录 |
| 2026年1月 | 与新加坡EDDC签署合作协议 |
---
参考来源
1. ChemLex官网：https://chemlex.com
2. 启明创投官方新闻稿（2024-01-09）
3. 镁伽科技官方新闻稿
4. 新加坡经济发展局（EDB）官方声明（2025-12-08）
5. Merck KGaA官方新闻稿（2026-01-20）
6. Precedence Research行业报告（2025-12-08）
7. 厦门大学化学化工学院学术报告资料（2023-04-11）
8. SAPA-China 2024 Pharmaceutical Industry Conference资料
9. Nature Communications论文（ChemLex研究团队发表）
10. LinkedIn - Sean Lin个人资料及ChemLex公司页面
---
报告完成日期：2026年3月6日
10个月宝宝每天需要喝多少奶粉？
