近日，一篇发表于2015年的论文《LINE: Large-scale Information Network Embedding》在Seoul被授予Time of Award（时间检验奖），其领衔作者是国际知名AI4S科学家、Mila终身教授、百奥几何公司创始人唐建博士。这个奖项不仅是对一篇论文的肯定，更是对图神经网络（GNN）这一技术路线十年征程的加冕。从学术界的冷门方向到如今AI制药、推荐系统、金融风控等领域的核心工具，GNN的崛起揭示了AI从“感知”走向“推理”的底层逻辑。《LINE》论文的核心贡献在于提出了一种高效的大规模信息网络嵌入方法，通过捕捉节点间的一阶和二阶邻近性，将复杂网络中的关系映射到低维向量空间。相比传统方法，LINE在计算效率上提升了两个数量级，同时保持了高准确率。这一突破让图神经网络从理论走向实用，直接启发了后续的GraphSAGE、GAT等经典模型。数据显示，自2015年以来，基于图神经网络的论文数量年增长率超过40%，而《LINE》的引用量已突破1.5万次，成为该领域引用最高的论文之一。在AI制药领域，图神经网络的价值尤为突出。唐建博士团队基于《LINE》的思想，开发了专门用于分子结构预测的AI平台，能够将新药研发周期从传统平均的10-15年缩短至5-8年，准确率提升至80%以上。这背后是图神经网络对分子“结构-性质”关系的深度建模能力——它不再像传统深度学习那样只关注独立特征，而是将原子视为节点、化学键视为边，在分子图上进行消息传递。这种“关系推理”能力，让AI能够预测蛋白质与药物的结合能、筛选候选分子，甚至从头设计全新的化合物。目前，该技术已在多个制药巨头内部落地，用于抗肿瘤、抗病毒等领域的药物发现。展望未来，图神经网络与AI制药的结合才刚刚开始。唐建博士在获奖演讲中强调，下一个十年，图神经网络将走向“动态图”和“多模态图”，即处理随时间变化的分子构象、融合基因表达和临床数据。对于从业者而言，这意味着需要关注三个方向：一是图数据的高效构建与标注，二是可解释性算法的突破，三是与实验室自动化系统的闭环验证。此次获奖不仅是荣誉，更是信号——当AI真正学会“关系”的数学语言，生命科学的底层密码将被逐一破解。对于AI从业者，现在是深入图神经网络底层原理、并探索其在垂直场景落地的黄金时机。