郑双佳，南方医科大学超级学霸，中山大学顶尖博士，获博士最高奖项，入选斯坦福全球前2%顶尖科学家，婉拒海外多家高校任职机会选择回国。

2013年到2017年，郑双佳在南方医科大学读药学本科。那段时间，他逐渐发现，传统新药研发有两个绕不开的难题，一个是周期长，一个是成本高，很多疾病靶点也不是靠反复试错就能轻松突破。

问题来了，药物研发本来就是生命科学领域的事情，为什么要引入计算机和人工智能？

郑双佳的判断很明确，计算机可以帮助研究人员处理海量数据，人工智能则有机会从蛋白质结构、疾病靶点和候选分子中找出规律，把原本漫长的筛选过程往前推一步。

这个想法没有停在课堂讨论里，后来，他继续深造，进入中山大学计算机学院，在国家超算广州中心课题组攻读博士，研究方向转向人工智能辅助药物设计。

这条路并不轻松。药学背景让他理解疾病和药物，计算机训练又要求他掌握算法、模型和高性能计算，两套知识体系要真正接上，并不是换个专业名称那么简单。

但郑双佳偏偏把这条跨学科路线走了出来。读博期间，他获得2022百度奖学金，这项奖学金每年全球只遴选10位华人计算机博士生，他成为中山大学首位获此荣誉的学生。

2023年，他又获得吴瑞奖学金，这是华人生命科学在读博士领域的重要奖项。同一阶段，他还拿下英伟达冷冻电镜蛋白质结构建模大赛全球冠军。

为什么这个冠军有分量？简单说，蛋白质结构是理解疾病机制、寻找药物作用位置的重要基础，冷冻电镜则是观察蛋白质结构的重要技术。谁能把结构信息建得更准，谁就可能为后续药物设计提供更可靠的起点。

郑双佳的研究成果还进入了实际应用。他在NeurIPS、Nature系列期刊发表多篇论文，申请专利十余项，相关算法已经被海内外20多家药企用于药物研发管线。

这里需要说清楚，算法进入研发流程，不代表新药马上就能上市，药物还要经过实验验证、动物研究、临床试验和监管审批，人工智能能加快早期筛选，却不能替代后面的每一道关。

这也是行业现在比较务实的看法。像AlphaFold这样的蛋白质结构预测工具，让研究人员更快获得结构线索，AI生成分子也开始用于候选药物筛选，可真正从模型结果走到患者用药，中间仍然隔着很长一段路。技术能减少盲目试错，但不能把科学验证变成按一下按钮就完成的事情。

郑双佳在博士阶段提前一年完成答辩，并拿到哈佛和麻省理工学院联合博士后的岗位。完成麻省理工学院课题组访问后，多所海外高校向他发出任职邀请。

如果只看个人发展，留在海外似乎是更顺手的选择。平台成熟，机会也多，为什么还要回国？

郑双佳最后选择入职上海交通大学溥渊未来技术学院，担任长聘教轨助理教授、博士生导师，同时兼任临港实验室双聘研究员。他没有把回国理解成简单换一个工作地点，而是开始组建自己的团队，继续研究生成式人工智能与药物设计。

在他的团队中，OpenDDE、OriGene、Odesign等药物创制模型陆续出现，多智能体系统“元生”则用于疾病靶点挖掘，目标是提升新药早期筛选效率。

所谓多智能体，可以理解为让多个具备不同分工的智能模块一起协作，有的负责找资料，有的分析靶点，有的评估候选方案，最后再把结果汇总。它和普通聊天机器人不是一回事，更接近一支分工明确的数字科研团队。

郑双佳获得的荣誉也在持续增加，包括世界人工智能大会云帆奖、世界人工智能青年优秀论文奖、中国人工智能学会优博，还入选福布斯亚洲30位30岁以下杰出青年、亚洲青年科学家基金项目研究员和上海晨光计划，并连续入选斯坦福全球前2%顶尖科学家榜单。

不过，真正值得关注的不是奖项数量，而是他的成长路径。药学本科和硕士背景，接上计算机博士训练，再进入人工智能药物设计领域，这种组合并不常见。

很多人习惯把专业分成一格一格，药学归药学，计算机归计算机，人工智能归人工智能，可现实中的复杂问题，往往不按课程表分配。

癌症、神经退行性疾病、罕见病等研究，既需要理解生物机制，也需要处理大规模数据，还需要强大的计算能力。单靠一门学科，常常很难把问题讲清楚，更别说解决问题。

当然，跨界也不是换个专业就能成功。有人从生物转计算机，最后停留在概念层面，也有人会写模型，却不了解药物研发的实际流程。郑双佳的特殊之处，在于他既有药学训练，又长期扎进计算机和人工智能研究，最后还把模型推向了药企研发场景。

这条路能不能被更多人复制？未必每个人都能拿到世界冠军，也不可能人人都成为顶尖科学家，但学科之间少一点隔离，多一些交叉合作，确实已经成为新药研发的重要方向。

郑双佳的选择有两层意义，一层是个人从药学走向计算机的跨界突破，另一层是他在海外拥有机会后，仍然把研究团队和技术方向带回国内。

未来，人工智能能否真正改变新药研发，还要看模型精度、实验验证和产业落地能不能持续接上，但这条路，已经有人开始往前走了。