2026年的诺贝尔生理学或医学奖，给到了Karl Deisseroth——外界讨论的除了光遗传学，还有他“斯坦福医学科学家培养项目（MSTP）出身的MD+PhD 双博士”这层身份，用“临床医学+工程”的跨学科思维重构了神经科学的研究边界。

而在生物医药产业的TechBio浪潮中，同样毕业于斯坦福MSTP项目的陈滨滨（Binbin Chen），师从世界级AI专家Russ Altman与淋巴瘤泰斗Ash Alizadeh、开源工具被全球400多家机构调用、又在硅谷把AI-Biologics公司Vcreate做出in vivo概念验证，正用“AI×生物”的双原生视角，推开下一代药物研发的大门。

近日，据悉，陈滨滨正式加入和铂医药与百图生科联合发起的MegaStream TechBio，担任公司AI总负责人（Head of AI），负责公司AI技术平台、分子设计与研发闭环体系的搭建与迭代。陈滨滨的到任，不只是为MegaStream这家公司补齐技术负责人，让其“双原生”战略从顶层设计的蓝图，进入全速落地的深水区，更重要的是，这代表着一个产业信号：AI制药的下半场，正从算法秀肌肉转向，谁能把真正建立可复制、可复利、可落地的研发体系。

既能驾驭AI技术的想象力，又能扎根生命科学规律，不断向上突破。

/ 01 /诺奖同款“双原生”信仰者

陈滨滨的履历，放在全球AI制药领域也足够抢眼。

毕业于诺贝尔奖同款斯坦福医学院的医学科学家培养项目（MSTP），同时拿到MD与PhD in Genetics。他的博士指导委员会阵容堪称豪华：Russ Altman是斯坦福生物工程系前主任、美国医学院院士、AI生物上市公司Personalis联合创始人；Ash Alizadeh是世界著名淋巴瘤专家、Foresight Diagnostics联合创始人。

一位教他AI，一位带他理解癌症免疫——这种组合本身就像MegaStream“AI×Bio”双原生的预演。

事实上，在生命科学领域，斯坦福MSTP项目一直是“跨界精英”的摇篮：为美国优秀人才提供临床医学博士和研究型博士的双重训练，并提供7-10年的全额资助，目的只有一个——培养复合型顶级人才。除了2026诺贝尔生理学或医学奖得主Karl Deisseroth，还有微软首位首席科学官Eric Horvitz，哈佛医学院教授、布莱根妇女医院数据科学中心主任Soumya Raychaudhuri，以及世界著名儿科神经肿瘤学家、美国国家科学院院士Michelle Monje等等均毕业于斯坦福MSTP。

而早在读博期间，陈滨滨就开源了一系列高影响力AI工具。早在2019年，陈滨滨就在《Nature Biotechnology》发表MARIA深度学习模型，用于预测蛋白质抗原呈递，直指癌症疫苗和抗体免疫性预测，被300多家机构用于预测蛋白和多态免疫原性。此后，他与团队又开发了T细胞识别预测AI工具TAPIR和肿瘤靶点AI预测工具MHC-Attention。

如果说斯坦福为陈滨滨打下了“双原生”的学术底色，硅谷的创业经历则让他完成了从技术到产业的闭环验证。

作为创始人，他在硅谷创立了Vcreate，不仅斩获500万美元风投与美国联邦科研资助，还赢得了Merck、安斯泰来等跨国药企的战略资助。在他的带领下，Vcreate将AI算法与大规模T细胞受体和癌症靶点筛选、湿实验验证深度结合，持续推进癌症抗原与受体候选分子的发现，成功将3款肿瘤FIC创新药推至体内概念验证阶段，展现了极强的商业与研发交付能力。其中，在难治乳腺癌领域，Vcreate仅用8个月就完成了项目立项、分子发现和小鼠体内验证。

这意味着，他不只是“懂AI的科学家”，更是真正跑通过“算法设计—湿实验验证—临床前推进”全流程。

MegaStream看中的正是这一点，行业从不缺少优秀的AI算法专家，也不缺资深的生物研发人才，但能同时深度理解两个领域、并能推动两者深度融合、落地的领航员，始终是稀缺资源。

而对于陈滨滨而言，从斯坦福的医学与AI研究，到硅谷的技术创业，他一直致力于让算法解决真实的生物学问题。MegaStream汇聚百图的AI模型与和铂的抗体研发能力，无疑为其技术理念提供了更完整的产业化场景——也让“双原生”从一种个人底色，真正在中国成为一种公司甚至产业范式。

/ 02 /定义AIDD 3.0

陈滨滨的加盟，背后是MegaStream这家公司的诞生逻辑，更是整个AI制药行业的一大演进趋势。

2026年6月，和铂医药与百图生科正式宣布达成全面战略合作，联合创立MegaStream TechBio。一方是全球全人源抗体领域的标杆企业，拥有独有的Harbour Mice平台与十余年积累的高质量抗体数据、成熟的临床开发能力与广阔的全球BD网络；另一方是生命科学基础大模型的全球领跑者，拥有2680亿参数的xTrimo多模态大模型与业界顶尖的AI研发能力。

因此，这场强强联合，并非简单的业务合作，而是一次从底层逻辑出发的范式共建。

回顾AIDD的发展历程，大致可分为三个阶段：

AIDD 1.0 是“工具辅助期”，传统药企把AI当作筛选辅助，核心流程仍是经验驱动的湿实验，算法只负责局部加速。AIDD 2.0是“算法优先时代”：AI-native公司出现，算法开始主导设计，但AI的应用主要局限于早研阶段。

而MegaStream想要实现的是AIDD 3.0：AI与生物从创办之初就是“双原生”——模型与干/湿实验室不是上下游关系，而是同一个闭环里相互咬合的两个齿轮，二者协同迭代，并进一步延伸至临床转化、BD，形成真正的双原生研发与验证闭环。

在这一体系中，AI围绕靶点、药效和成药性要求提出候选分子，湿实验快速评估其真实表现，再把数据反馈回模型，驱动下一轮设计——每一次循环都在扩大可验证的设计空间。

因为“双原生”，所以AIDD 3.0与1.0、2.0最本质的区别在于，并非给研发增加AI，而是覆盖从靶点识别、分子设计、免疫工程、湿实验验证到IND研究、临床试验，甚至知识产权与BD的全流程——让AI的能力真正贯穿药物研发的每一个环节（Full Harness），把模型输出转化为可直接进入临床、可直接走向合作与商业化的药物项目，创造并兑现价值。

立足产业层面，无论是深耕湿实验多年的传统生物科技公司，还是专注算法突破的AI原生企业，都在过去十年为药物研发的进步做出了不可替代的贡献。而“双原生”的价值，并非颠覆与替代，而是在两者积累的基础上，实现能力的深度融合与效率的层级跃迁。

MegaStream将自己定义为“药物发现领域的特斯拉”，用意正在于此。特斯拉不是简单的电动车公司，而是把软件、电池工程与制造系统重做成一套新系统；MegaStream也不是在使用单一AI工具，而是在重建复杂大分子药物从靶点发现、分子设计、临床前研究、临床研究甚至全产业链的底层工程范式。

在这一系统中，实验不只是为了验证单个候选药物，也在不断积累可复用的数据与研发经验。传统研发的“数据沉没”问题，在这里被改造成“数据复利”。每一轮循环，都在让模型更精准、让研发更高效，进而复杂大分子研发从试错式发现走向AI-Native闭环工程：

把AI、实验与做药能力组织为可持续复利的研发系统，实现设计空间重新定义、数据资产持续沉淀、规模化效率跃迁、周期与成本指数级下降。

/ 03 /下一代TechBio标杆

那么，为什么MegaStream能定义AIDD 3.0新范式？

首先，正如前文所说，和铂医药与百图生科的强强联合，为公司筑牢了产业创新底座——算法、高质量私有数据。

在陈滨滨看来，生物医药的下半场，属于从第一天就把千亿参数的大模型算法（Dry lab）与高通量的全人源抗体湿实验验证（Wet lab）无缝交织的组织。这正是MegaStream构建“双原生”战略的底层逻辑，也是它区别于同行的独特之处。

其次，在此基础上，带着对临床需求、遗传学与计算科学的深刻理解以及在Vcreate积淀的成功商业与闭环实验经验，陈滨滨率领团队构建MegaStream OS操作系统。

该系统由三大专有平台共同构成，MegaStream ID聚焦疾病机制与靶点分析，MegaStream GEN负责复杂大分子设计与优化，MegaStream Immune评估免疫相关性质。三个模块共享研发数据，覆盖药物研发全流程的关键决策点，并与湿实验验证构成持续迭代的闭环。

平台是TechBio公司的根基，但是MegaStream的野心，显然不止于做一个技术平台，而是要成为全球领先的复杂大分子AI药物研发标杆企业。

从管线布局来看，目前公司已有5条活跃研发管线，覆盖自身免疫、肿瘤等重大未满足临床需求领域，且均采用FIC/BIC的高标准定位。而这5条管线，其实只是“双原生”研发体系的初步成果。随着MegaStream的进击， 跑通这条full harness闭环，AIDD 3.0的复利将加速爆发。

本质上，和铂医药与百图生科联合成立MegaStream，是在押注一个更大的产业判断：未来的AI制药公司，不能只靠“模型参数”或“实验手艺”单腿走路，而必须同时拥有高质量专有数据、自进化的专属模型，以及把虚拟设计转化为临床管线的工程化能力。

MegaStream的独特之处在于，它恰好集齐了这两张牌。陈滨滨的到任，则让这套“AI×Bio”的架构有了技术灵魂。可以说，MegaStream OS的诞生，是陈滨滨过去多年科研、临床与创业积淀的一次集中释放。

站在从产业层面看，能同时深入算法与生物学、并在真实临床问题中完整跑通过研发流程的人与公司，同样正是AI制药走向“双原生”阶段最需要的拼图。

个体选择与行业趋势，在此形成同一条轨迹。接下来，陈滨滨与MegaStream要做的，是沿着这条轨迹，一步步兑现结果。