AI for Chemistry， AI for Drug 領域，各大公司非常關注，英偉達研究團隊推出的 ReaSyn 分子合成推理框架，能基于文獻中的分子合成數(shù)據(jù)優(yōu)化路徑設計；谷歌 DeepMind 推出的藥物研發(fā)專用大模型 TxGemma，可完成生物化學文獻篩選、分子結構和作用機制提取、藥物特性預測等核心任務。

2025 年，清華大學研究團隊發(fā)表重磅研究《ReactionSeek: 基于大語言模型的有機合成文獻數(shù)據(jù)挖掘與知識發(fā)現(xiàn)》。該研究成功提取了《Organic Syntheses》雜志自 1921 年以來的全部文獻數(shù)據(jù)，自動構建有機合成知識庫，而支撐這一成果的核心化學結構式圖像識別模塊，采用了某企業(yè)信息的 InDraw 結構式編輯器 AI 圖像識別功能。
AI for Chemistry， AI for Drug 的核心，在于 AI 能理解化學、生物。在化學領域，AI 能理解化學了嗎？只有 AI 能理解化學，才能真正實現(xiàn) AI 設計藥物分子結構。而 AI 理解化學的第一步，就是 AI 結構式圖像識別，把化學結構式圖片，識別成計算機可處理的化學數(shù)據(jù)（原理如下圖）。

 

差距幾何？國際頂尖化學結構圖像識別模型實力拆解

化學結構圖像識別是文獻數(shù)字化的關鍵環(huán)節(jié)，直接影響科研效率。當前國際主流頂尖模型以 MolScribe 與 MolNextr 為代表，二者憑借創(chuàng)新架構設計與化學知識融合策略，在該領域展現(xiàn)出優(yōu)異性能，相關技術成果已發(fā)表于權威學術期刊，其核心優(yōu)勢與能力均有充分的實驗數(shù)據(jù)支撐，MolScribe 與 MolNextr 的識別能力如下圖所示。 

來自中國的 InDraw AI 結構式圖像識別，是否和這些國際頂尖化學結構圖像識別模型有差距？要客觀評判 InDraw 與 MolScribe、MolNextr 的識別能力差異，以下借助權威公開測試數(shù)據(jù)開展量化對比，通過統(tǒng)一的測試標準直觀呈現(xiàn)三者的性能表現(xiàn)。

InDraw 的 AI 結構式圖像識別實測數(shù)據(jù)

在 CLEF、UOB、JPO、USPTO 四大權威公開測試集中，InDraw 的識別實力直接 “斷層領先” 同類工具：

UOB 測試集拿下 99.73% 的超高準確率，比 MolNextr 高出 11.23 個百分點；CLEF 測試集 98.62% 的成績，甩開第二名 MolNextr 足足 8.22 個百分點；JPO 測試集里，InDraw90.22% 的表現(xiàn)，比 MolNextr 領先 8.12 個百分點；哪怕是競爭最激烈的 USPTO 測試集，InDraw 也以 94.67% 的準確率，領先 MolNextr0.87 個百分點，展現(xiàn)了強勁的識別能力！

實際案例

Round 1：模糊圖識別對比

在高度模糊化學結構圖像的識別任務中，三款模型均展現(xiàn)出較高的識別精度，其中 MolScribe 僅存在輕微識別誤差。從“識別即可用”的實際應用需求來看，僅 InDraw 可直接滿足該標準；MolNextr 雖能實現(xiàn)結構的完整正確識別，但分子結構的還原度欠佳，后續(xù)需耗費與重新繪制相近的時間用于調(diào)整結構位置及角度，難以直接投入實際應用。

Round 2：超大結構識別對比

對于復雜化學結構的識別任務，三款模型的基礎識別精度均能滿足需求，其性能差異主要體現(xiàn)在結構還原度層面。其中，MolScribe 對苯環(huán)結構的顯示形式局限于凱庫勒式，且在結構轉換過程中存在輕微苯環(huán)扭曲現(xiàn)象，該差異在放大觀察時更為顯著；MolNextr 的識別結果優(yōu)于 MolScribe，可支持苯環(huán)的鮑林式顯示，但對特殊化學鍵的還原效果欠佳；InDraw 的結構還原度表現(xiàn)優(yōu)異，基本可實現(xiàn) “識別即用” 的需求，此外，MolNextr 的識別結果整體亦具備較高質(zhì)量。

Round 3：2.5D 結構識別對比

2.5D 結構識別長期以來是化學結構圖像識別領域的技術難點。測試結果顯示，MolScribe 在該類結構識別任務中具備不錯的識別精度，但結構還原度表現(xiàn)欠佳，相對位置發(fā)生了變化；MolNextr 的 2.5D 結構識別結果實用性較低，基本無法直接投入應用；InDraw 能正確識別結構式并保持相對位置，其輸出的識別結果可顯著降低人工繪制工作量。

小結

實際應用場景中，InDraw 的化學結構識別功能表現(xiàn)突出：針對模糊圖像、復雜結構及 2.5D 結構等典型挑戰(zhàn)性場景，均能精準捕獲核心結構信息，識別結果可較好還原分子真實結構，基本無需人工二次修正。相較之下，同類競品識別模型的輸出結果多需復雜人工校準，其耗時與重新繪制分子結構或無顯著差異；而 InDraw 的識別結果可直接支撐后續(xù)科研應用，為您的高效化學探索之旅持續(xù)提供可靠支撐。