在蛋白质语言模型（PLM）席卷AI制药（AIDD）领域的今天，通用抗体大模型正频繁登上各大期刊。

然而，生物医药产业一直存在一个隐秘的痛点：常规抗体大模型大多基于“重链+轻链”的双链结构训练，当面对没有轻链、由单域构成的“全人源仅重链抗体（HCAb）”时，通用模型的范式往往难以奏效。

日前，和铂医药旗下的诺纳生物在bioRxiv发表了一项里程碑式研究，正式推出了全球首个基于全人源仅重链抗体训练的基座大模型——HCAbLM。

它的战绩很反常识：只有3.66亿参数，却在关键成药性预测上，压过了参数规模达60亿的Meta ESM-6B等通用蛋白大模型。

用AI打败AI，不是通用大模型通吃一切，而是专属数据喂养出的专有模型，在专业战场上反将一军。

更重要的是，这不只是一次技术炫技。对于一家长期被贴上“抗体平台”标签的公司而言，和铂医药正试图用HCAbLM告诉行业：AI制药狂飙时代，其手中最值钱的，并非某个分子，而是十余年沉淀、别人拿不走的高质量专有数据。

换言之，HCAbLM更像是一块拼图，补齐着外界对和铂医药“AI到底强在哪”的认知缺口。而如果把它放进和铂医药近年来密集落子的AI布局里看，一条清晰的主线浮现出来：

用“专属数据资产+端到端平台”重新定义抗体药物的研发范式，并从工具提供者，转向AI驱动的平台型智药集团。

这也是和铂医药在AI制药大时代，最大的看点。

/ 01 /破解生物学“特异语法”

要理解HCAbLM的价值，需要先清楚“抗体语言模型”在干什么。

和蛋白质语言模型（PLM）一样，抗体语言模型从海量的天然序列里自学氨基酸之间的上下文依赖，相当于“读”懂了蛋白质背后的“语法”。打个比方，它就像把上亿份抗体“简历”读进脑子里的资深HR，能从字里行间判断一个候选分子“靠不靠谱”。免疫组库测序能提供巨量天然选择的免疫球蛋白序列，OAS数据库催生AbLang、IgLM、AntiBERTa等一众抗体语言模型。

但大部分抗体语言模型，都是在“常规抗体”（重链+轻链配对）上训练的。HCAb（仅重链抗体）是另一回事：这是由和铂医药专有平台Harbour Mice®产生的一类特殊抗体，它摒弃了传统IgG抗体的轻链（VL）和CH1结构域，仅由重链可变区（VH）及常区组成。这意味着，原本被轻链遮挡的VH结合界面直接暴露在溶剂中，抗体必须依靠自身完成自主折叠、溶解和抗原结合。

这是“折叠与稳定”的底层规则，是普通轻重链抗体VH所没有的。那么，问题来了，通用模型读得懂普通抗体的语法，读得懂HCAb的“区域选择性语法”吗？

此前没人系统验证过，但这是一个必须回答的问题。

诺纳生物的办法很扎实，先用独立于模型的统计分析方法，对比HCAb与常规人VH结构域，发现两者分布确有偏移，且集中在CDR1/2、CDR3架构和一段受限的框架区——不是大面积重构，而是局部的关键差异。这恰好解释了，为什么必须为HCAb单独训练一套模型。

于是HCAbLM登场了。诺纳生物从零训练了一个专用大模型，参数量约3.66亿（366M），训练语料是来自73只独立免疫小鼠、覆盖8种抗原的3180万条全人源HCAb序列。论文提出两个值得记住的概念：其一是“序列语法”，即决定一个氨基酸是否与其上下文相容的更高阶规则；其二是“功能语法”，指这些表征能够迁移到实验真正测得的分子性质上。

关键结果落在后者。HCAbLM的冻结表征，无需针对任务微调，就能迁移到SEC纯度（对应量产可行性）、HIC行为（对应聚集风险）和热稳定性（Tm1）三项成药性指标。

更反直觉的一组数字是：在干湿实验对照评估中，仅有3.66亿参数的 HCAbLM，在SEC纯度与HIC行为两项核心指标上，参数量大其十倍以上的通用蛋白质模型（如ESMC-6B），以及此前行业领先的抗体语言模型IgLM、AbLang。

一个“小”模型，赢了通用大模型。

这足以证明，在特定抗体工程领域，“专有高质量数据训练的领域大模型”在成药性预测上具备压倒性优势。

/ 02 /成药性与数据护城河

为什么HCAbLM的推出能引发行业高度关注？

不仅在于其为全人源仅重链抗体药物的AI设计奠定了科学基础，还在于其精准切中了当下AI抗体领域最核心的痛点——成药性。

过去几年，行业叙事被“AI能设计出结合靶点的抗体”所主导。但药不是结合曲线画出来的，一个在试管里漂亮结合靶点的分子，进入工艺放大可能表达量低到不经济，在储存运输中可能彼此聚集，在高温下可能展开失活。

这些“能不能造出来、用得上”的属性，恰恰是后期开发乃至临床阶段失败的黑洞。通用大模型恰恰卡在这里；而传统做法依赖大量湿实验盲筛，耗时长且失败率高。

HCAbLM将理化性质的“可开发性语法”嵌入大模型，使研发人员在计算设计早期就能干预筛选出高纯度、低疏水性的优良候选分子，进而降低下游湿实验的失效率。

从能结合到能成药再到批量造药，这中间的鸿沟，和铂医药正在用一套自洽的平台逻辑，试图率先跨越。

那么，和铂医药凭什么能够跨越？

答案在于无可复制的数据护城河。AI制药的竞争早已从算法迭代转向数据质量与独占性。

Harbour Mice®平台是全球首个经临床验证的全人源仅重链抗体技术平台，依托10年以上内部项目与全球伙伴合作持续积累；和铂手握全球规模最大的全人源重链抗体数据库——超亿条后富集HCAb NGS序列、数万条HCAb结合体序列，以及超1亿条多源临床数据，其中尤其涵盖发现中后期的功能、成药性、安全性与临床数据，这是通用模型永远拿不到的“私域”资产；更重要的是，HCAb平台已有临床验证，数据质量经过人体检验。

所以，HCAbLM不是“又一个语言模型”，而是“数据—模型”飞轮的产物：专属高质量数据训练专有模型，实验验证反哺，模型再进化。

通用大模型赢在“广”，HCAbLM赢在“深”。在HCAb这个垂直战场，深，比广更关键。并且，这种“深”具有复合效应——数据越用越厚、模型越训越准，后来者即便算法再强，也很难用公开数据复刻这条护城河。

/ 03 /占据AI制药高地

更进一步，HCAbLM带来的范式意义不可小觑。“3.66亿参数打败60亿参数”，证明在特殊抗体工程领域，“对的数据”可以胜过“大的模型”。这动摇着通用大模型包打天下的假设，也把组库构成是特殊抗体基础模型的重要设计变量这一判断，摆上了台面。

对和铂医药而言，这不仅是AI技术的又一重要突破，更是对自身“数据即护城河”逻辑的一次公开验证。

而当我们把视野拉到HCAbLM之外，会发现其只是和铂医药庞大AI战略布局的冰山一角。回看近年来和铂医药在AI领域的纵深推进，可以看到其从传统平台型Biotech向“AI驱动的下一代平台型智药公司”全面跃迁的清晰路径。

AI自研底座早已就位。2025年10月的研发日上，和铂医药依托Hu-mAtrIx™ AI平台推出首个全人源AI HCAb模型。基于深厚的底层数据资产，其AI平台生成的107个全新分子序列中，有效抗体比例达78.5%，其中20个分子在湿实验中被验证具备高活性、高纯度、高产量。

这些数字背后，是一条“序列生成+属性预测+工程优化+实验验证”的完整AI驱动闭环。

同时，和铂医药还发起了AI+生物医药生态圈联盟，联合科技企业、行业专家与投资机构，共同推动AI驱动的药物研发创新。

先进的平台实力不仅支撑了公司不断扩展的研发管线，也为其对外开放合作提供了坚实基础。

今年最核心的AI果实，是首款AI抗体LET003。这是一款新一代ACVR2A/2B抗体，在与司美格鲁肽联用时，可显著增强减脂效果并有效保护瘦体重，具有同类最佳潜力。这是和铂医药在千亿美元代谢赛道的一个关键落子。

在合作层面，和铂医药则展现出极高的开放度与战略眼光。

2025年2月，其与英矽智能达成战略合作，利用各自在抗体发现与人工智能领域的技术优势，加速新型治疗性抗体的研发进程；

2026年6月15日，和铂医药与百图生科联合发起共建MegaStream TechBio：依托百图生科2680亿参数xTrimo V4生命科学基础大模型，叠加和铂专属数据，训练自进化的MegaStream个性化大模型，面向多抗、XDC、体内CAR-T等复杂大分子；双方共建智能高通量干湿闭环实验室，验证效率提升500%以上、数据积累效率提高超10倍，未来五年预计产出超5PB数据，并行推进数百条FIC/BIC管线。

叠加诺纳生物累计超400个合作、上半年服务收入超过4600万美元（约为去年同期的4倍），打造“抗体药物研发的GPU芯片技术平台”——和铂医药的AI能力，已经同时具备“对内赋能管线、对外赋能全球客户”的双向输出属性。

把这些拼起来，和铂医药正在讲述的故事是：以A³（AI + 抗体工程 + 自动化湿实验）为新基建，朝着2028年成为“全球领先的平台型制药集团”的目标，把复杂大分子药物的研发从经验拼凑升级为精准设计。公司董事长王劲松博士那句“和铂本质上已是一家AI制药企业”，已不再是口号。

这也重新定义着和铂医药的位势。从自研到对外赋能、联盟生态到合资实体，和铂医药将“数据+算法+验证”聚合，把单点优势升级为可对外输出的平台能力——这恰恰是AI制药从工具走向基建的关键一跃。

在AI制药逐渐挤掉泡沫、迈向兑现期的今天，和铂医药正在用实际行动回答“AI如何真正赋能新药研发”，并在下一代抗体药物研发的全球竞技场上，占据无可替代的战略高地。