文|氨基观察
“如果我们做对了,不到十年,癌症、阿尔茨海默病、心脏病、精神疾病,都将成为过去的遗迹”。
说这话的,是Anthropic CEO Dario Amodei。他在公司IPO路演视频里,再次将AI的“神奇力量”渲染到了极致。
对比之下,产业界显得更加克制、冷静。Vertex 用50家AI公司梳理自家包含10000种药物化合物的数据集,最终没有一家公司生成出可行的药物;礼来CEO Dave Ricks的回应同样直接:“我认为那会非常了不起,但我觉得可能性不大。”在他看来,生物学的版图在很大程度上仍是一张白纸,随机的人体验证,才是帐篷里最长的那根杆。
美国生物医药老牌风投Atlas Venture合伙人Bruce Booth同样表示,虽然自己是生物技术乐观主义者,但仍认为“这不太可能”。此前他更是发长文《The Fruits of Al Drug Abundance: Indigestion InThe Near Term》断言,未来三到五年,AI只会让行业研发生产力更差。
一边是科技圈的宏大预言,一边是制药产业的现实拷问。当下整个行业又在追问同一个问题:AI分子,到底行不行?
/ 01 /乐观与克制
科技圈与制药圈的分歧,本质上是两套话语体系、两种能力认知的碰撞。
在科技公司的叙事里,算力的指数级增长与大模型的突破,是解锁一切问题的钥匙。Anthropic收购隐身生物技术公司、OpenAI布局AI药物发现,背后都是同一种逻辑:当AI强大到足够解析生物数据,攻克疾病只是时间问题。
早在2024年10月,Dario Amodei就曾发表2万字长文并预言,未来人工智能支持的生物学和医学,将使50-100年的生物进展压缩为5-10年,在这个基础上,能治愈大多数疾病、消灭癌症、预防阿尔茨海默氏症、延长人类寿命到150岁……
这不算什么,去年甲骨文董事长Larry Ellison认为AI将彻底改变医疗保健,未来只需48小时,用AI检测出你体内的癌症,用48小时造出专属疫苗。
当时,这一豪言遭到了医学界的强烈反对,加拿大肿瘤学家、放射科医生William Makis更是直言不讳:这是胡说八道。
在真正做药的人眼中,这套技术乐观叙事显然跳过了生物学最核心的复杂性。
阿斯利康CEO Pascal Soriot的判断,代表了不少从业者的共识:疾病是复杂的,生物学也是复杂的。AI可以帮助研究人员选择靶点、识别合适的患者,却无法独自解答生物学中的未知,“说AI将治愈癌症,这可能有点跳跃了。”
再生元制药公司总裁兼首席科学官George Yancopoulos则认为,AI能在实验室中提供辅助,但不会“奇迹般地出现并告诉我们如何做事”。
Vertex的实验给出的结论更加直白:拥有成熟的化合物数据集与明确的研发目标,集结了50家AI公司的能力,却依然没有产出可推进的候选分子。
质疑并非情绪化的产物。麦肯锡高级合伙人Alex Devereson指出了具体的科学障碍:约四分之一的中期至后期药物失败,可归因于“脱靶”安全性问题,也就是药物在体内的意外效应,而当前的AI模型恰恰难以预测。
MNC也并非不看好AI制药。恰恰相反,几乎所有大药企都在真金白银地持续加码AI制药。产业界克制的根源在于:不是否定AI的价值,而是反对把AI包装成“包治百病”的神话。疾病是复杂的,生物学是复杂的,这种复杂不会因为算力的提升就自动消解。
/ 02 /繁荣的“代价”
更尖锐的质疑,则来自真正深入过AI制药的人。
日前,Atlas Venture合伙人Bruce Booth撰写的长文,在AI制药圈引发广泛讨论。他的判断比“AI不行”更令人意外——未来3到5年,AI不会提高新药研发的效率,反而会让整个行业的研发生产力变得更差。

2001年,雷曼兄弟与麦肯锡联合发布《基因组学的果实》,预言人类基因组计划将带来大量缺乏验证的新靶点,药企管线会因此“消化不良”,失败率、成本与研发周期都将上升。此后二十余年,行业研发生产力持续走低,几乎印证了这一判断。
Booth认为,如今剧本换了一个方向重演:当年过剩的是靶点,如今过剩的是分子。他点名的8个最拥挤靶点:PD-1、EGFR、CD19、VEGF、HER2、JAK、GLP-1、KRAS,每一个在全球都有超过100个在研项目。连Generate、Iambic这类头部AI公司的核心管线,也分别落在TSLP、HER2这些已被反复验证过的方向上。真正算得上“新东西”的,只有英矽智能的TNIK、Anthropic收购的Mithril Medicine、Insitro的IRS1等零星个案。
问题的核心正在于此,现阶段的AI,擅长的是在已知靶点、已知分子骨架、已知生物学的边界内做优化与提速;但药物研发真正的硬骨头,是未知的靶点机制、不可预测的体内反应、充满不确定性的临床验证。当AI的能力边界,撞上了生物学的未知深水区,“颠覆”自然就成了空谈。
于是出现了一个“悖论”:AI提升了单个公司的效率,却未必提升整个行业的效率。每家药企都有自己的管线、融资需求与商业目标,要让成千上万家企业协同调整研发决策,并不现实。
随之而来的,是资源拥堵:供给端涌出大量候选物,临床和资本却还是那点容量,结果只能是更拥挤、更内耗。
矛盾的焦点,由此从“能不能做出药”,转向“能不能兑现”。不过,Booth并非一味唱衰。他承认,拥挤并非全是坏事。Me too一词早在上世纪50年代便已出现,后来者未必逊色,他汀类药物便是明证,患者最终也会受益于竞争筛选出的最优解。
值得一提的是,这位“唱衰者”,恰恰是AI制药的坚定拥趸、生物技术乐观主义者。他曾担任蛋白降解明星公司Kymera与计算化学公司Nimbus的创始CEO,Nimbus依托计算平台开发的TYK2抑制剂,2022年被武田收购,首付款高达40亿美元。
他认为,AI长期一定会改变制药行业,但在那之前要先经历“消化不良”。换句话说,他担忧的不是AI无用,而是行业为这些分子付出的总成本,将远超最终获得的回报。
/ 03 /尺子的迁移
绕开情绪的喧嚣,回到最初的问题:AI分子,到底行不行?
答案,取决于我们用什么尺子来衡量。
AI制药企业需要向外界证明自己的做药能力,这是它绕不开的功课。但若把全部注意力都压在这一把尺子上,反而会错失AI带来的更大变量。
AI对制药的意义,不止于能否做出一款成功获批上市的新药。它还在另一个维度上重塑这个行业:让做药这件事更快,也让行业更清楚地知道,什么值得做,什么能兑现,以及如何更快地接住下一步。
最直观的价值,是加速早期试错。
在传统药物发现模式中,从靶点到先导化合物,需要经历海量的合成与筛选,耗费数月甚至数年时间。而AI驱动的虚拟筛选与分子生成,可以在几周内完成数万级别的分子评估,相当于把早期研发里注定要踩的坑,用更快的速度走完了。
AI没有消除失败,但压缩了失败的成本与周期,让研发团队能更早聚焦到真正有潜力的方向上。这其实是已经在发生的事情。
更深层的价值,是优化研发决策。
药物研发最大的浪费,并不是失败的分子,而是在错误的靶点、错误的方向上投入了数年时间与巨额资金。AI的价值在于,通过整合遗传学、转录组学、真实世界临床等多维度数据,能更早地帮助研发者判断:这个靶点到底有没有成药可能?这个分子有没有必要推进到临床?哪些患者群体更可能产生应答?
换句话说,AI可以让我们更清楚 “什么值得做,什么该及时止损”。它未必能直接给出正确答案,但能大幅提高决策的胜率,减少行业最稀缺的时间与资金的无效消耗。正如礼来CEO 所认可的那样,AI在加速候选药物推进、提高临床试验入组速度上的作用,已经是产业共识。
从这个角度看,Vertex“50家AI公司、10000个化合物、零个可行药物”的挫败,与其说是AI的失败,不如说是行业在被加速试错。以相对低的成本、相对短的时间,验证了一条路走不通,这同样是信息,同样有价值。
而尚有待验证的价值,是打通研发链路的衔接。
传统研发模式中,靶点发现、分子优化、毒理评价、CMC工艺各环节之间往往存在断点,数据不互通、标准不统一,每一次交接都会产生时间损耗。AI的渗透,正在让这些环节形成更顺畅的闭环:分子设计阶段就可以提前预测合成难度与工艺可行性,临床前数据可以更快反哺分子优化。
这种链路的打通,让研发的“下一步”承接得更快,整体效率的提升往往藏在这些细节里。Booth也表示,即便临床开发存在大量绕不开的时间成本,AI依然可能带来10%—20%的边际效率提升。
除此之外,AI Agent的发展也有可能超出预期,它能够整合各类AI模块、与人交互,并将分散的数据汇聚起来,实现系统化建模。
传统药物研发只能线性推进——做完第一步,再做第二步,再做第三步,决策者难以预判当下的选择会在未来产生何种影响,错误因而不断累积,失败率居高不下。而理论上,AI Agent可以将证据收集、假设生成,乃至后续结果的推演与模拟,一并纳入当下的决策过程,让系统化决策成为可能。对药物研发这类高度复杂的科学问题,这将是质的变化。
当然,技术仍在演进之中。框架虽勾勒出前沿方向,但长程推理、复杂任务规划等核心模块,仍需持续研究,更需要与真实场景、真实数据深度结合。
分歧仍将长期存在的,但趋势,依然值得看好。
/ 04 /总结
当年高通量筛选技术出现时,也曾被寄予“颠覆药物发现”的厚望;计算化学兴起时,同样有过“计算机替代药物化学家”的论调。但最终,它们都没有成为神话,而是慢慢沉淀为行业的基础工具——没有哪家药企会离得开,但也没有哪家药企只靠它就能胜出。
当然,今天的AI更进了一步,不仅在提高着效率,更在重构人类探索未知化学空间与复杂生物系统的底层范式。但它不会突然治愈所有疾病,也不会因为暂时做不出一款获批新药就失去价值。经历泡沫的膨胀与出清,AI正从风口上的概念,慢慢渗透到研发的每一个环节,最终变成制药行业的基础设施。
革命性的技术兑现,注定是渐进且深远的。


评论