与一线团队
共同设计。
真实任务,真实约束。

全栈临床负责人外部专家
医学注册药物警戒临床运营数据管理统计
真实任务,真实约束。
权限明确,责任在人。
将控制措施贯穿工作流程。
我们引进临床前和早期临床资产,围绕关键问题设计研究,将项目推进至临床概念验证,再与合作伙伴共同推动后续开发。
寻找值得开展临床验证的资产。
资产猎手团队将关键未知转化为能够回答它的研究。
携手制药和生物科技伙伴,推进已获验证的项目。
将早期药物资产的潜力,转化为有意义的证据。
人的判断 × AI 的能力。
共同探索不同的开发方式。
智能体原生组织宣言
开始阅读关于这个时刻
智能体如今已能连续数日完成多步骤的专业工作,并在过程中检验和修正自己的结果。当这种能力进入组织,我们必须重新思考如何分工、由谁决策,以及学习如何发生。CataX 从生物科技出发,探索这种新的组织形态。
我们获取并开发真实的治疗性资产,将其推进至临床验证。科学判断与智能体的执行能力在同一团队中汇合,缩短从治疗假设到临床答案的路径。
药物开发真正考验一个组织的能力:知识必须转化为可执行的研究,研究必须产生足以改变决策的证据。这份宣言以生物科技为起点,探索智能体时代的组织如何形成意图、与智能体协作、承担责任,并通过经验改进自身。
下一种药物,始于人与智能体从这一次开发中学到的东西。
前沿能力,已进入我们曾以为人类独有的工作
临床开发依赖严谨的推理:汇集证据、检验假设,并将问题转化为研究。智能体在数学和软件工程领域的进展,正在改变人与机器之间的专业分工。
2025 年,Gemini Deep Think 解出了国际数学奥林匹克竞赛 6 道题中的 5 道,达到 IMO 金牌水平。[1] 随后数月,Aletheia 等智能体进入研究级数学领域,提出、检验并修订证明。[2]
2026 年 9 月,Anthropic 宣布,Claude 在 Prove2Me 平台上主要以自主方式工作,仅偶尔接受研究者的高层指导,在 11 天内完成了费马大定理的 Lean 形式化。它证明了 30,300 个中间定理,其中 29,500 个被用于最终证明。[3] 同年 10 月,OpenAI 发布了由内部模型生成的 700 多篇数学手稿;其有效性仍在接受数学界评估。[4] 产出开始超越理解。
Anthropic 还让 16 个智能体协同工作,在两周内构建出能够编译 Linux 内核的 C 编译器。[5] 人设定目标,构建测试与反馈环境;智能体实现、调试并改进代码,让一个复杂系统得以形成。
智能体已从生成内容,走向在严格约束与验证下持续推理和检验假设。临床开发同样需要将机制、研究设计和证据连成可检验的推理链,并通过实验和临床研究获得答案。当智能体承担越来越多的推理工作,人需要重新定义自身的职责:选择值得追问的问题,设计检验方法,并为由此产生的行动负责。
最先发生变化的边界,恰恰是我们曾以为不会改变的那些。
将一个有潜力的分子变成药物,需要付出什么
10–15 年开发周期。每种获批新药的平均资本化研发成本约 26 亿美元。[6][7] 一个有潜力的分子,必须跨越这道时间与资本门槛,才能成为患者可及的治疗。
2012 年,Scannell 及其同事将此前数十年的困境概括为“反摩尔定律”:每投入 10 亿美元研发支出所获批的新药数量,大约每 9 年减半。[8] 更好的科学工具,并未自动提升开发体系的生产力。
AI 药物发现已推动分子设计进步。通过 RFdiffusion 设计的抗体已进入实验筛选与结构确认阶段。借助 AI 发现和设计的 rentosertib,其随机、安慰剂对照 IIa 期研究于 2025 年发表。[9][10] 候选药物出现得越快,开发体系就越需要提高验证它们的能力。
临床阶段约占获批前直接研发支出的 70%。[7] 候选药物能否使人受益,取决于其作用机制、暴露水平、患者选择与临床终点。下一轮生产力提升必须深入这些开发决策:将更丰富的知识转化为能够区分不同解释的研究,用有限的临床资源解决最关键的未知。
这正是 CataX 的起点。我们识别值得开发的临床前及早期临床资产,通过许可引进或共同开发协议获得权利,主导开发至临床概念验证(PoC),再与伙伴合作将药物推向更远。机制依据、产品差异化,以及早期研究能够回答的问题,决定我们如何投入精力与资本。
一个被搁置的资产,使开发问题变得格外清晰:这个分子是否仍有值得验证的临床价值?它的机制可能在原有患者人群或剂量下失败,也可能从未获得充分验证所需的资源。重新开发的起点,是从现有证据中找到决定下一笔投入的关键未知,并将其转化为研究能够回答的问题。
开发效率最终取决于答案的质量。当出现有意义的转化研究信号或患者亚组信号时,我们设计下一次检验。当结果不支持继续投入时,我们及早停止,明确哪些假设已被排除、哪些尚未经检验。时间与资本应投向能够改变开发决策的证据。
更好的开发体系,会改变哪些药物能够成为现实。
新的能力,需要新的组织形式
工厂电气化初期,电动机替代了蒸汽机,但机器与流程仍围绕中央传动轴布局。只有当工厂移除传动轴、重新组织车间,新的动力来源才真正改变了生产力。[11]
今天,为每个医学、临床和运营岗位配一个智能体,也会遇到同样的问题。单个环节变快了,项目却仍在等待部门间的交接。过去的分工反映了人的时间与知识边界。当这些边界改变,组织必须重新思考:哪些任务应当拆分,哪些问题必须由同一个团队从头到尾理解。
Base44 由一人创立,被收购时仅有 8 名员工。[12][13] 这样的团队说明,更小的群体如今能够承担更多工作:理解问题的人,可以组织智能体承接从需求到交付的更多环节。
软件部署后很快就能获得反馈;生物科技的临床 PoC 往往需要数年。一个小型临床开发团队必须保留完整的科学依据,将其贯穿研究设计与执行,并在结果到来后继续负责。团队规模的改变,只有改变了工作的完成方式,才有意义。
基于错误前提作出的早期决策,可能影响此后数年的投入。组织不能等到疗效结果读出才开始学习。在研究结束前,既往经验、日常反馈和主动推理就必须开始改变下一次决策。
从完整的问题出发。先明确谁对结果负责、哪些人与智能体参与,再定义角色并分配工作。
如果从第一天就有智能体,我们会构建怎样的组织?
让智能体成为团队成员,让基础设施成为第一位“员工”
智能体原生组织,从一开始就为智能参与工作建立条件:可以访问哪些知识、使用哪些工具、获得什么权限,以及如何检验结果。这些构成其基本运行结构。
上下文。决策背后的推理必须经得起人员变化。来源材料、决策依据、失败记录、版本历史和未解决的问题,共同构成组织记忆。后来的人与智能体可以重建原始推理,并据此发展新的解释。
工具。文献、数据库、分析代码和临床数据系统,通过 API 或受控工具进入工作流程。在接入患者数据前,必须明确使用目的、授权范围与隐私保护措施。访问仅限任务所需的数据,并落实去标识化、受控处理及访问和导出记录。[14][15]
权限。智能体在明确授权范围内行动,将超出权限的决策交由负责人。临床试验申办者与研究者保留各自的责任。[14] 凡用于注册申报或患者安全判断的工作,都由具名人员签字确认并承担责任。智能体扩展此人能够看见和处理的范围,而不替代签字。质量审核、放行决策和关键变更,由质量体系内获授权的人员执行并记录。
评估。智能体任务应具备测试用例、质量标准和失败判据。支持 GxP 工作的系统,在使用前必须完成与预期用途及风险相适应的计算机化系统验证(CSV)。受 21 CFR Part 11 约束的电子记录和签名,必须具备相应访问控制与审计追踪;系统变更须经评估、验证和批准。[15][16] 真实任务中的表现,决定模型和工作流程是否有所改进。
构建基础设施,让每一次经验都能成为能力。
科学意图决定方向
当复杂执行可以交给智能体,专业身份便需要新的基础。核查知情同意书、调整方案格式、核对 CRO 表格,占用了大量专业时间。当这些负担减轻,更困难的工作是判断:什么值得做,什么证据足以支持改变方向。
执行越快,品味、科学直觉和问题的质量就越稀缺。科学直觉帮助我们从纷杂证据中发现值得追问的异常。品味体现在取舍:哪项研究值得投入资源,哪份精美的分析却没有抓住问题。
意图将人的抱负转化为工作方向:要改变什么、为何重要、什么结果才算成功。在药物开发中,资产负责人据此形成科学主张,组织智能体寻找证据与反例,再将主张转化为可检验的研究。能做的越多,就越需要明确我们究竟在追求什么。
尼采将人类描述为一座桥梁。[17] 这里的自我超越,是具体的工作:走出已经熟练掌握的角色,提出自己的问题,汇集资源,并为结果负责。成长也意味着放下曾经有效的答案,在新证据到来时重新思考问题。
我们必须与获得的力量一同成长。
从职能交接,走向对完整问题负责
药物的开发假设贯穿机制、暴露、患者和临床终点。BD 基于机制的吸引力获取资产,临床团队再将论点转化为方案并执行。如果原始推理在途中丢失,一次失败的 PoC 就会让团队难以判断:是药物无效,还是研究从未真正检验过那个假设?
围绕完整的开发问题组建资产团队:这种药物在什么患者、什么暴露水平下,能够产生足以支持后续开发的临床价值?同一个人机团队,从资产评估、研究设计一直负责到证据生成。智能体维护来源材料、推理和变更历史;负责人确保每一次取舍都能追溯到正在检验的假设。
工作在不同职能间传递
一个团队负责完整开发闭环
团队成员通过约定的数据接口、交付标准和反馈机制协作。执行中的偏差与新发现,回到资产团队的共享上下文中。同一团队持续负责最初提出的问题、过程中的改变,以及结果究竟回答了什么。每个项目形成的工具和方法进入组织记忆,为下一项资产提供更强的起点。
头衔追随能力,结构追随工作。
组织本身,必须成为被改进的对象
经验只有改变后续工作,才成为组织能力。项目中形成的工具、推理和协作方式,必须能被后来的人与智能体使用、检验和修订。在 CataX 早期的工作中,我们将人、智能体、知识、工具与工作流程的共同改进称为“递归组织改进”。[18]
临床价值的答案需要数年,组织学习却不能停滞。数据驱动的学习与逻辑提炼,是相互检验、相互修正的两条路径。前者从真实工作与项目结果中发现问题;后者由人主导,主动构建、提炼并挑战开发逻辑。
面对机制有吸引力的候选药物,讨论不能止于“靶点已验证”。为什么是这些患者?预期暴露能否对靶点产生所需影响?研究终点能否检验这条推理链?什么发现会改变投资决策?负责人围绕这些问题组织文献、历史案例和专业经验;智能体比较证据、寻找反例,将有潜力的机制转化为可行动的开发假设。
日常核查、返工与执行偏差提供快速反馈,帮助改进工具和流程。机制推理先接受历史案例和跨学科问题的检验,再由实验与临床结果校正。这种方法在稀疏的结果信号之间增加检查点,将日常执行与推理检验转化为指导下一步行动的反馈。
有效方法被编码为技能(Skills);协作顺序与交付物之间的关系被编码为工作流程(Workflows)。组织记忆保留这些方法为何有效、适用何处,以及如何失败。下一组人与智能体既能采用既有方法,也能识别它们何时不再适用。
最理解问题的人,也参与改进工具。在生物科技中,资产负责人把重复的文件核查变成程序,临床负责人把常见遗漏的检查纳入工具。经过测试和专家审阅后,方法进入共享能力库,再由使用者针对真实问题不断改进。
定向进化通过变异、选择和积累,将有益的变化带入下一轮。[19] 工作方法也可以经历类似的选择。人与智能体提出替代方案,由任务表现与项目结果决定哪些值得保留。
评估标准本身,也必须接受结果的检验。如果一项评估奖励报告的完整性,却遗漏了决定资产价值的风险,我们就修改标准,并用已积累的案例重新比较。当临床结果暴露早期推理的盲点时,它们也必须改变我们选择下一项资产、设计下一项研究时所提出的问题。
许多公司都能获得相同的模型。项目经验却必须亲自积累,并需要基础设施加以捕获和延续。当经验嵌入工具与工作流程,每一代更强的模型都能利用它,承担更复杂的工作。
每一个项目,都应让开发下一个项目的组织变得更好。
自我改进组织的九种要素
构建智能体原生组织,意味着将扩展的能力、人的责任和积累的经验结合起来。这九种要素组成一份可以在实践中持续改进的配方。
让决策与后果的责任始终相连。由一位具名负责人说明为何投入资源、什么会改变决策,并为后续结果负责。
从第一天起,建立智能体可使用的组织记忆、工具和工作记录,让新成员能够接续前人的工作。
将智能体团队交给理解问题的人,让专业能力延伸为行动。给人设定目标、调动资源和修订方法的空间。
一项任务第三次出现时,就提炼其中可复用的部分。将经过检验的方法纳入共享工具、技能和工作流程,并保留其适用条件。
部署前,按预期用途评估智能体任务。对重大变更进行测试、审阅和授权,再持续跟踪实际表现。
围绕完整的问题组建团队,以交付约定协调专业工作,并从最初问题到最终结果持续承担责任。
记录失败决策的依据、错误原因及具体改动。将经验带入工具和流程,并检查类似问题是否减少。
结合项目数据与人主导的逻辑提炼,检验我们如何发现问题、评估结果并保留改进。
让真实结果优先于过程指标。在生物科技中,衡量证据质量、获得证据所需的时间与消耗的资本,再用后续临床结果校准这些指标。
好的想法,在实践中赢得位置。
致生物科技内外的建设者
CataX 从生物科技开始,在真实药物开发中实践这种组织方式。每一次取舍,最终都关系到一种治疗能否前进,以及患者何时获得新的选择。
我们欢迎拥有共同长期信念的伙伴、科学家与建设者。你在某一领域有深度,也愿意理解相邻的问题,形成自己的判断,并组织人与智能体开展工作。你能为真实问题构建工具,也能在新证据到来时修订方法。
我们与资产所有者合作推进真实药物,并通过实际项目检验组织方式。材料、能源、半导体和法律等领域,同样面临验证周期长、决策后果重大或监管约束。我们欢迎这些领域的建设者交流实践,让一次事业的经验成为下一次的能力。
自我改进的生物科技,指向一个更广泛的问题:当智能可以被组织,经验可以被传承,我们能够构建怎样的组织,又能够成为怎样的建设者?CataX 正在真实项目中寻找答案。
患者仍在等待治疗。我们以结果作答。
发现有价值的药物资产。
构建推动资产前进的证据。
持续改进这两件事的做法。

主动研究构建资产论点,决策支持将证据转化为下一步投入。
研究人员与 AI 智能体,将资产发现、深度研究和投资决策连接起来。

对项目负责的资产团队,将专家伙伴、重新设计的工作流程与 AI 智能体连接起来,准备并协调开发工作。
一位端到端负责项目的临床开发专家,指挥智能体并协调各领域的专业能力。

每一轮资产开发,都改进我们寻找、判断和开发资产的方法。更好的方法,再回到两大支柱中。
各有所长,各有深度。
共同的志向,是构建一家不同的生物科技公司。

创始人兼首席执行官
复旦大学医学博士。
曾任微软亚洲研究院 AI 研究员。
曾任医疗科技企业首席技术官,经历覆盖临床验证与商业化,并将这些经验用于医学策略、资产评估和合作。入选福布斯中国 30 位 30 岁以下精英(2020)及胡润 U30 中国创业领袖(2021)。
联合创始人兼首席开发官
临床开发专家与数字化转型推动者
在 PPD、百济神州(BeOne)、LabCorp 等全球 CRO 和生物制药公司拥有逾 15 年经验。主导 50 余项 I–III 期临床试验,支持 3 款产品上市。从零组建 PPD 中国去中心化临床试验(DCT)团队及运营体系。在百济神州与技术团队共同开发 3 个以上数字化项目。
想法、视角与进展。
走近我们的建设过程。
一起塑造不同的生物科技公司。
人的洞察,AI 的能力,主动担当。
在科学、开发与 AI 的交汇处,带来你的视角。
联系我们的团队CataX AI 是上海凯思达生物医药科技有限公司的对外品牌,公司的英文名称为 Shanghai CataX Biopharmaceutical Technology Co., Ltd.。
本网站介绍公司、开发方法及潜在合作机会。本条款适用于网站使用。许可授权、共同开发及其他业务关系由另行签订的协议约定。
网站内容仅用于一般信息介绍,不构成医疗建议、治疗推荐、参加临床试验的邀约,或买卖证券的要约。
请尊重 CataX 及其他权利人的知识产权。不得虚构关联关系、移除权属声明、滥用个人信息、干扰网站,或试图未经授权访问网站。超出适用法律许可范围的任何使用,均需获得相应权利人的许可。
如需咨询合作,请联系 contact@cata-x.ai。请先提供不含保密信息的介绍。
网站信息和功能可能变化。本条款不排除依法不得排除的权利或责任。具体交易须另行商定条款。
CataX AI 是上海凯思达生物医药科技有限公司(Shanghai CataX Biopharmaceutical Technology Co., Ltd.)的对外品牌。本政策适用于本网站。临床研究数据、员工记录及依据单独协议分享的信息,在各自相应情境下处理。
如需咨询网站隐私事项,请联系 contact@cata-x.ai.
你可以不提交个人信息而浏览网站,并自行决定在咨询邮件中提供什么。首次咨询请勿包含患者个体信息或保密资产数据。
如需询问已向 CataX 提供的个人信息,请联系 contact@cata-x.ai.
你的电子邮件服务商及链接的外部网站,适用其各自的条款与隐私实践。
Cookie 是浏览器为网站存储的小段信息。类似技术可以保存偏好、衡量使用情况或识别设备。常规页面与媒体缓存,不同于应用所使用的 Cookie。
浏览本网站无需登录或身份验证 Cookie。网站通过 sessionStorage,在当前浏览器标签页中保存你选择的 AI 或 Bio 视角。
你可以在浏览器设置中查看和管理 Cookie 及网站数据。本网站不使用广告或再营销 Cookie。
本网站使用的技术如有变化,将在本政策中更新。
有关邮件咨询、技术请求和隐私选择,请参阅 隐私政策。访问链接的外部网站时,适用该网站自身的政策。
让更多潜力进入临床开发,这是我们的模式。
十年间,候选药物的数量翻了一倍。
如今,超过 12,700 个药物处于临床前开发阶段。
但每年只有约 1,800 个新分子进入临床,
而这个数字几乎没有变化。
即使今天停止药物发现, 消化现有积压仍需数年。
临床开发仍沿用旧有方式。
从一个部门到另一个部门, 从一家服务商到另一家,逐次交接。
每一次交接,都让项目付出代价。
CataX AI,正是为突破这一瓶颈而生。
我们引进并共同开发有潜力的早期资产,
将其推进至临床概念验证。
我们的运营模式是 Clinical-of-One。
一位全栈临床负责人,统筹整个项目。
从机制到证据。
从方案到决策。
一人成军,并非一个人包办一切。
而是由一个人把握全局、统筹指挥,
与负责审阅和交付的专家及伙伴共同推进。
每位负责人身后,都有一群专业智能体。
它们寻找资产、制定策略、设计研究,
准备申报材料,支持研究启动,
统筹试验,交付概念验证证据, 一切都基于同一份共享上下文。
例如,IND 申报准备。
一位负责人指挥智能体, 逐一核查来源,并行起草文件,
让专家更早审阅,减少返工。
每个项目,都在教会系统新的东西:
证据与结果,不断改进智能体、技能和工作流程。
随着经验不断积累,
每一份临床证据,都让智能体更有能力。
每增加一项资产,增加的是一位负责人, 而非一个部门,
让这一模式随项目持续扩展, 迈向真正的虚拟制药公司。
CataX AI。
Clinical-of-One。
更多希望,更早到来。