YOHO AI

标签： AI制药

  • OpenAI 又走一个：研究员 Miles Wang 带着 20 亿美元估值，去 AI 制药了

    OpenAI 的人才往外流，已经不是新闻了。但这一回有点不一样——据 TechCrunch 报道，研究员 Miles Wang 正在谈离开 OpenAI，自己单干一家做药物研发的 AI 公司。更扎眼的是估值：他洽谈的是一笔约 2 亿美元、公司估值冲到 20 亿美元的融资，Lightspeed 据称在谈领投。

    AI 生物科技研究概念图
    AI 正在被搬到药物研发这条赛道上（图源：TechCrunch）

    一个从哈佛辍学的研究员

    Wang 是什么来头？2024 年，他从哈佛计算机专业辍学加入 OpenAI，参与的研究大多围绕一件事：怎么用 AI 模型去加速科学和生物学上的发现。他合著过论文，专门评估 AI 在自动化科研上的能力。换句话说，他不是那种只写业务代码的人，手里是真有把模型往生物数据上搬的经验。当然，这事儿还没板上钉钉。据称有好几位 OpenAI 研究员也会跟着他走。Wang 本人对报道里的融资金额和公司描述提出了异议，只是没说具体哪错了——这种”不否认也不确认”的态度，反而更像是交易还在拉扯中。

    押注”老药新用”

    据几个消息源，这家公司想做的，是用 AI 模型帮已经上市的药找新用途——甚至包括那些临床试验失败、被药企放弃的药。这条路的聪明之处在于：药早就过了安全测试，不用再从头走一遍漫长的临床，变现速度比从零研发快得多。

    把语言模型那套 transformer 架构，搬到蛋白质、分子预测上——这个想法现在被投成了显学。

    整个赛道都在被资本疯抢

    Wang 这一走，背后是整个 AI 制药赛道的热度。就在同一天，Chai Discovery 刚宣布融了 4 亿美元、估值 38 亿美元，它的联合创始人 Josh Meier 同样是在 OpenAI 待过的研究员；更早之前，DeepMind 分拆出来的 Isomorphic Labs 在 5 月拿下了 21 亿美元的 B 轮。逻辑很简单：既然缩放定律能让模型把话越说越好，那把它用到生物系统上，是不是也能把十年起的研发周期压到三五年？Wang 的估值，买的就是这个信念。

    只是信念归信念，离真做出药还远着。一个没有产品、连公司名都还没公开的项目，凭 OpenAI 出身就估到 20 亿，放在两年前没人敢想。现在投资人愿意付这个价，说明他们赌的是：会造语言模型的人，大概率也会造生物模型。

  • Anthropic不光卖AI模型了，它要自己下场做药

    Anthropic不光卖AI模型了，它要自己下场做药

    Anthropic上周干了一件挺出格的事。这家公司本来是卖AI模型的——Claude系列，对吧，大家都熟。但在本周的「The Briefing: AI for Science」活动上，他们宣布不仅要帮别人做药物研发，自己也要下场做药。这事在AI圈和制药圈都引起了不小的讨论。

    Anthropic Claude AI药物研发示意图
    Anthropic要自己下场做药了

    先说这次同时发布的工具：Claude Science。这个名字听起来像是个新模型，但其实是一个「AI工作台」，把科学家常用的那些碎片化工具和数据集整合到一个环境里，还能自动生成图表和可视化。这个方向其实不新鲜，AI公司争相往科学和制药领域渗透已经是明牌了。

    自己下药场，这步棋有点野

    Anthropic的生命科学部门负责人Eric Kauderer-Abrams说，公司会专注在「被忽视」的疾病上——也就是那些大药厂看不上、市场不够大、所以没人愿意投入研发的病。听起来很有情怀，但具体要怎么做，Anthropic说得很少。

    实际上，在这次活动上，Kauderer-Abrams连「如果找到有潜力的药物候选分子要怎么办」都没说清楚。Anthropic也没有回应The Verge的采访请求——比如第一个目标是什么疾病、需不需要跟其他公司合作做实验室工作、动物测试、临床试验或者生产。

    AI公司在药物研发的每个阶段都有用武之地。但从一个AI软件提供商，变成跟自己的客户直接竞争的药厂——这个转身，Anthropic可能不是第一家，但绝对是最引人注目的一家。

    卖铲子的，自己开始挖金矿了

    这里有个微妙的冲突。Anthropic一边在跟生物科技和制药公司推销Claude——说我们的模型能加速你的研发；一边又说自己要来做药。那那些买了Claude服务、正在研发新药的公司，怎么看这个事？

    当然，Anthropic不是唯一一家往制药领域伸手的公司。OpenAI、亚马逊、谷歌都有自己的生命科学工具和平台。但Anthropic宣布自己下场做药，是直接迈过了那条线——从工具提供者变成了潜在的竞争者。

    这场比赛里已经挤满了人：专门做AI药物研发的公司（比如Insilico）、谷歌DeepMind分拆出来的Isomorphic Labs、无数的生物科技创业公司，还有正在自建或收购AI工具的大型制药企业。

    AI做药，到底靠不靠谱？

    专家告诉The Verge，Anthropic计划的不确定性，其实反映了整个AI药物研发热潮背后的一个更大的不确定性。AI确实在药物发现的某些环节有用——比如筛选分子、预测蛋白质结构——但从「发现一个有潜力的分子」到「真正上市一款药」，中间隔着十万八千里。

    临床试验的失败率极高，监管审批周期以年计算，更别说生产、分销、不良反应监测这一系列后续工作。Anthropic作为一家AI公司，在这些方面几乎没有经验。它如果要真正把药做出来，大概率还是得跟传统药厂或专业生物科技公司合作。

    但换个角度看，Anthropic下场做药，本身就是一个极强的市场信号。它等于在向整个制药行业宣布：AI不只是辅助工具，AI公司自己也能做这件事。这对那些还在犹豫要不要拥抱AI的传统药厂来说，压力是实打实的。

    话说回来，这事最后能不能成，还得看Anthropic愿意投多少资源、能坚持多久。做药是个烧钱又耗时的游戏，不是训练几个模型就能搞定的。但有一点是肯定的：AI公司和传统制药业之间的边界，正在以所有人没想到的方式变得模糊。

  • Anthropic要自己研发药物了，AI公司开始跨界做药

    Anthropic要自己研发药物了，AI公司开始跨界做药

    Anthropic本来是卖AI工具的，结果现在说要自己下场做药了。这话是他们在上周”AI for Science”活动上亲口说的，当时还顺带发布了新的Claude Science——一个给科学家用的”AI工作台”，把各种碎片化的工具和数据集拢到一个环境里，还能自动生成图表和可视化。

    Anthropic AI制药概念图
    Anthropic跨界AI制药，专注”被忽视”的疾病领域

    发布会听起来挺正常的，Anthropic的生命科学负责人Eric Kauderer-Abrams上台讲了一通AI怎么加速科学发现、Claude已经被一堆生物科技和药企在用之类的话。然后话锋一转：Anthropic自己也要研发药物，方向是”被忽视”的疾病。

    “被忽视的疾病”这个说法听起来很体面，但Anthropic没说具体是哪些病，也没说找到了候选药物之后打算怎么办。他们回应The Verge的采访请求时也没有给出更多细节。

    卖铲子的突然想挖金矿

    这件事最尴尬的地方在于，Anthropic现在的商业模式是卖铲子——把Claude卖给药企和生物技术公司，帮他们做药物研发。现在自己跳下来做药，等于跟自己的客户成了潜在竞争对手。

    当然，Anthropic不是第一家这么干的AI公司。OpenAI、Amazon、Google都有自己的生命科学工具和平台。但Anthropic这次是到目前为止，大型前沿AI公司最直接的一次”我自己也要做药”的公开表态。

    这个赛道已经挺挤了。有纯AI药物公司比如Insilico，有Google DeepMind分出来的Isomorphic Labs，有一堆生物科技创业公司，还有正在自己搞或买AI工具的大型药企。

    AI制药的泡沫有多大

    专家告诉The Verge，Anthropic计划的不确定性，其实反映了整个AI制药热潮的不确定性。AI在药物研发的每一个阶段都能用上，这一点没人否认。但”能用”和”能做出真正上市的药”之间，隔着的距离可能比很多人想象的要远。

    到今天为止，还没有一款完全由AI发现并设计的药物真正大规模上市。这个行业还在”即将取得突破”的阶段停留了很久。

    Anthropic选择做”被忽视的疾病”可能是个聪明的角度。这些病通常利润不高，大药厂不愿意投入，所以竞争相对小。但如果Anthropic真的做出了什么有意思的候选药物，他们还是需要合作伙伴来做实验室工作、动物测试、临床试验和生产——这些都不是AI公司擅长的事情。

    Anthropic这次宣布更像是放一个信号弹——告诉外界他们在这个方向有想法，但具体怎么落地，什么时候能有结果，现在都是未知数。对于一家刚刚在coding tools领域称霸的公司来说，跨界制药是个大胆的尝试，至于能不能成，还得等很长时间才能知道。

  • Anthropic要自己下场做药了，AI公司的野心不止于卖工具

    Anthropic要自己下场做药了，AI公司的野心不止于卖工具

    Anthropic AI药物研发
    Anthropic宣布将利用Claude AI平台自主开发药物，聚焦”被忽视”的疾病

    本周早些时候，Anthropic在一场叫”The Briefing: AI for Science”的活动上扔了个消息：他们不仅要卖AI工具给科学家，还要自己下场做药。

    同一场活动上，Anthropic发布了Claude Science——一个给科学家用的”AI工作台”，把碎片化的工具和数据集拢到一个环境里，还能自动生成图表和可视化。这个产品本身已经够有杀伤力了，再加上”我们也要做药”这句话，整个生物医药AI圈的脸色估计不太一样了。

    “被忽视”的疾病是个什么方向

    Anthropic生命科学负责人Eric Kauderer-Abrams说，他们会专注”被忽视”（neglected）的疾病。这个说法在制药界有个大致的范围：主要指那些影响低收入国家大量人口、但因为赚钱效应差而被大型药企冷落的疾病，比如昏睡病、恰加斯病、登革热，以及一些罕见病。

    大药厂的逻辑很简单：哪个适应症的患者多、付得起钱，资源就往哪里堆。被忽视疾病的研发长期依赖政府资助和非营利机构，AI公司如果真能把这个方向做起来，意义不只是商业上的。

    但Anthropic目前对这个计划的具体细节说得很少。Kauderer-Abrams在活动上没说如果找到了有潜力的候选药物，公司打算怎么推进——是自己做临床，还是找合作伙伴？The Verge发邮件去问，Anthropic没回。

    卖铲子的开始自己挖金矿

    这件事最有意思的地方在于：Anthropic现在的商业模式是卖AI工具给科学家和药企，如果这些客户自己也在做AI药物研发，那Anthropic亲自下场，就变成跟客户竞争了。

    这种”既卖铲子又自己挖金矿”的玩法，科技圈不是没有先例。但Anthropic是一家前沿AI公司，它的模型能力是目前业内最强的之一，如果它真的把Claude的能力全开来做药，那些买了Claude Science的生物科技公司怎么想？这事后续可能会有不少尴尬的对话。

    当然，AI公司做药这件事本身不是Anthropic首创。Insilico Medicine、Isomorphic Labs（DeepMind分出来的）这些公司早就在做了，只是它们从第一天起就是”做药的公司”。Anthropic是一家AI公司，它做药的路径和优先级，跟这些专业选手不太一样。

    AI做药到底走到哪了

    专家告诉The Verge，Anthropic计划的不确定性，其实反映了整个AI药物研发热潮的不确定性。AI在药物发现阶段确实能帮上忙——靶点识别、分子设计、虚拟筛选，这些环节AI已经能做了，而且比传统方法快不少。

    但”发现”和”上市”之间隔着很长的路：动物实验、临床试验、监管审批，每一步都要烧钱、花时间，而且失败率极高。目前为止，还没有一个完全由AI发现并推进到上市的药物。大家都在说AI能做药，但真正跑完的案子还没出现。

    Anthropic这时候宣布入局，时间点挺微妙的。Claude Science作为工具平台已经Ready了，借这个机会宣布自己做药，既能展示Claude Science的能力，也能在AI制药这个叙事里占一个位置。至于最后能不能做出药来，那是另一个问题了。

  • GPT-5.4 自己设计实验改进药物合成，AI 自主科研走到哪一步了？

    GPT-5.4 自己设计实验改进药物合成，AI 自主科研走到哪一步了？

    OpenAI 和波兰化学AI公司 Molecule.one 本周公布了一项引人注目的研究成果：GPT-5.4 在接入化学AI代理 Maria 之后，近乎自主地改进了药物合成中一个长期令人头疼的反应——Chan-Lam 偶联反应。说”近乎自主”，是因为 AI 负责出主意、设计方案、解读实验数据并提出下一步动作，而人类化学家仍在高层引导、纠正细节和复现关键实验等环节不可或缺。

    一个让化学家头疼的反应

    Chan-Lam 偶联是化学家用来搭建碳氮键（C-N）的经典反应，而碳氮键在药物分子里几乎无处不在——抗癌药、抗菌药、利尿剂里都有它的身影。问题在于，这个反应对底物的”脾气”很挑，尤其是用伯磺酰胺（primary sulfonamide）和硼酸去做偶联的时候，产率历来很低，经常让化学家不得不放弃一个有希望的分子，或者花大力气另找合成路线。

    OpenAI 和 Molecule.one 的研究团队给 GPT-5.4 下了一道很开放的指令：去改进一类重要的反应。至于怎么改、改哪个，全权由 AI 自行判断。于是系统开始自主运转——它生成研究方案、设计并执行实验、分析数据、再据此提出下一轮该尝试什么。

    “这是有机化学领域首个由 AI 近乎自主完成的发现。”——Molecule.one CTO Stanisław Jastrzębski

    AI 提出了一个连人类都意外的方案

    在 GPT-5.4 生成的众多方案中，编号 OAI-M1-03 的那个提出了一个让人类化学家都感到意外的思路：GPT-5.4 自己判断伯磺酰胺是一类又难又有价值的底物，然后提出——用 TEMPO 这种温和的氧化剂当添加剂，也许能改善这个反应。

    这个建议让化学家们眼前一亮。随后的测试里，十种氧化剂中正是 TEMPO 跑出了最好的结果。更妙的是，系统后续还发现 TEMPO 可以换成便宜得多的类似物 4-hydroxy-TEMPO，而性能几乎不打折。

    整个过程中人类做的最大一次干预，是叫停了用 DMSO 当溶剂的方案——因为化学家担心它会和用作对照的强氧化剂起反应。这类判断目前仍需要人类把关，但 AI 已经能决定”下一步试什么”，这在科学研究中是一个重要的里程碑。

    数据说话：AI 的实验量有多大？

    • 两轮实验下来，Maria 一共跑了 10080 个反应——这比一个化学家每天做三个、连做十年还要多。
    • 优化后条件下，测试的硼酸中有 88% 产率提升，磺酰胺中有 83% 提升。
    • 平均产率从 16.6% 涨到 25.2%。
    • 产率超过 30% 的反应占比，从 15.6% 提高到了 37.5%。
    • 人类化学家手工验证了 14 对底物中的 11 对，产率确实提高了，其中 8 对涨了两倍以上。

    “近乎自主”，而非”完全自主”

    整个实验过程历时两个半月——从 3 月 4 日发出第一个 prompt，到 6 月 4 日把 OAI-M1-03 的结果交给外部专家验证。其中两个半月在做实验，最后半个多月是人类化学家撰写和核实结果。

    OpenAI 在声明中特别强调，这套流程仍然是”近乎自主”（nearly autonomous）而非”完全自主”。理由很明确：人类化学家始终在做重要决策。模型负责提出关键的研究想法，人类则提供高层引导和风险判断、纠正实验细节、帮忙备料配试剂，还亲手重复了关键实验。在这个过程中，人的判断仍然是不可或缺的。

    那么，AI 实现药物全自动研发还有多远？从这次的成果来看，前沿模型已经能够支持科学研究的大部分环节——审查文献、提出假设、设计实验、解释数据，以及发现人类专家可以验证的成果。但”完全自主”的药物研发，至少在今天，仍然是一个正在靠近而尚未抵达的里程碑。

    📎 原文来源：OpenAI 官方博客 | 中文编译：量子位

  • LinkedIn创始人的下一次押注：离开微软董事会，去造AI制药公司

    LinkedIn创始人的下一次押注：离开微软董事会，去造AI制药公司

    雷德·霍夫曼最近做了一个决定：离开微软董事会。这位LinkedIn的联合创始人，在2017年坐进微软董事会会议室，到现在已经快十年了。他选择在这个时间点走，理由很直接——要把更多精力放在自己2025年联合创立的AI药物研发公司Manas上。

    霍夫曼和微软CEO萨提亚·纳德拉共同主持着一档叫《Possible》的播客。就在节目里，他亲口说了这件事。消息本身不算突然，《彭博社》之前已经报过了，美国证券交易委员会的文件里也写着。但在AI这一波狂热里，一个顶级科技人物把筹码从一张桌换到另一张桌，值得琢磨一下。

    霍夫曼不是在退出AI，他是把赌注压向了AI最硬核的落地场景之一：制药。

    Manas是什么来头

    Manas这家公司，名字来自梵语”思维”或”智慧”。联合创始人除了霍夫曼，还有一位重量级人物：Siddhartha Mukherjee——哥伦比亚大学癌症医生，普利策奖得主，写过《癌症传》（The Emperor of All Maladies）。CEO是Mukherjee，霍夫曼出任董事长。

    公司的方向是用AI加速药物研发。传统制药的痛点大家都清楚：一款新药从靶点发现到最终上市，平均耗时10到15年，烧钱数十亿美元，失败率超过90%。AI能做的事，是从海量生物数据里找规律——预测哪些分子最可能成为有效药物、哪些化合物会有毒性、哪些临床试验设计更可能成功。理论上，这能把周期缩短几年，把成本砍掉一大截。

    这个方向不是霍夫曼一个人看中的。整个AI制药赛道，在过去三年里吸引了巨额资金。元宇宙概念冷下去之后，AI+生物科技成了硅谷新宠。Google的AlphaFold已经把蛋白质结构预测做到了近乎完美的程度——2020年AlphaFold 2横空出世，2024年AlphaFold 3进一步做到了分子相互作用的精确预测。David Baker拿了2024年诺贝尔化学奖，表彰的就是蛋白质设计和AI预测的贡献。

    霍夫曼的AI布局不全是OpenAI那一挂

    提起霍夫曼和AI的关系，大多数人先想到的是他是OpenAI的早期支持者，是硅谷那批最积极推动AGI（通用人工智能）的人之一。他写过一本书叫《Impromptu: Amplifying Our Humanity Through AI》，大谈AI如何放大人的能力。

    但Manas这个动作说明，他的AI押注不止在”通用智能”这一条线上。药物研发是AI落地最硬核、周期最长、但一旦做成回报也最惊人的方向之一。这跟炒大模型API、做AI助手创业，完全不是一回事情。

    离开微软董事会这个动作，也可以换个角度理解：霍夫曼在微软的角色，更多是一个”连接者”——他帮微软打通LinkedIn之后，一直在董事会里提供战略视角。但现在他的重心在Manas，这家公司需要他投入的时间，不是一个”兼职董事长”能应付的。

    微软失去了什么

    微软失去霍夫曼，不是失去了一位技术领袖——他的角色从来不是技术那挂的。更准确地说，微软失去的是一个跟硅谷风投圈、创业圈、AI圈都深度连接的人。霍夫曼是Greylock Partners的前合伙人，投过一堆知名公司，在AI创业圈里说话有分量。

    但微软现在也不缺”AI圈内人”：它跟OpenAI绑得够深，自己也有Copilot产品线，纳德拉本人对AI的战略判断在业界也算一线。霍夫曼离开，对微软的实际影响，可能更多在”象征意义”层面：连最铁杆的AI推动者之一，现在都把主要精力从”平台层”移向了”应用层”（而且是特别硬核的生物应用层）。

    下一次微软股东大会上，霍夫曼的名字不会再出现在董事会连任名单里。他去造药了。这事本身不稀奇——科技圈的人隔几年就折腾一次”用AI改变生物科技”。但这次是霍夫曼，是LinkedIn创始人，是OpenAI早期支持者里说话最响的那批人之一。这个信号，比一篇AI制药融资新闻要重一些。

    Manas能不能真的做出一款AI辅助设计出来的新药，现在没人知道。这个赛道上已经倒过不少高估值的公司了。但霍夫曼把筹码压上去，而且压到需要离开微软董事会的程度——至少说明，在他看来，这局牌值得全押。

    📎 原文来源：The Verge – LinkedIn co-founder Reid Hoffman is leaving Microsoft’s board（作者：Emma Roth，2026-06-05）；CNBC补充报道

  • 谷歌这次把AI科学家搞出来了，7个智能体自己跑实验，还登了Nature

    谷歌DeepMind最近搞了个大动作，直接把AI科研助手的水平拉到了《Nature》正刊的级别——他们推出的Co-Scientist系统，现在已经能自主完成从提假设到验证的全科研流程，而且在肝纤维化、衰老这些之前啃不动的生命科学领域，已经拿出了实打实的成果。

    谷歌Co-Scientist系统登顶Nature
    谷歌DeepMind Co-Scientist系统架构图（来源：新浪财经）

    Co-Scientist的核心是基于Gemini大模型的7大智能体体系，模拟完整科学研究循环（提出假设→质疑修正→迭代完善）。

    7大智能体怎么分工？

    这7个智能体各有分工，合起来就是一个不用休息的科研团队：生成代理负责基于已有文献提初步假说；邻近性代理给这些假说分类，避免漏了潜在的研究路径；反思代理相当于虚拟同行评审，专门挑假设的错误；排名代理让假说两两比拼，筛选出最有前景的方向；进化代理对排名靠前的假说迭代优化；元评审代理汇总结果，生成完整研究方案给人类科学家审阅；监督代理是总指挥，拆解大目标为具体任务，协调所有智能体并行工作。

    为了保证质量，系统还借鉴了AlphaGo的博弈逻辑，让假说之间“打擂台”，把大部分算力投入假设验证环节——反复核对假设和现有文献、数据的一致性，确保假设有依据、逻辑通顺、能实验验证。另外还能调用ChEMBL、UniProt这些专业数据库，以及AlphaFold等第三方AI工具，吸收多维度的知识。

    已经在哪些领域出了成果？

    目前这个系统优先在生命科学领域落地，已经搞出了不少突破：肝纤维化治疗方向，筛选出的老药新用候选药物，在实验室里能抑制91%的纤维化相关反应，效果比传统方案好得多；渐冻症（ALS）研究，整合了几十年的领域文献，提出了全新的RNA疗法思路，现在已经在推动跨实验室联合攻关；细胞衰老逆转研究，精准锁定了关键基因靶点，把原本需要数月的数据处理工作压缩到了数天完成。

    其他方向也有进展：肝病机制研究，解析出了不同药物疗效差异的核心原因，结论经实验100%验证；新发传染病研究，能快速锁定致病关键氨基酸，把原本需要数年的实验周期缩短到数周；衰老生物学研究，提出了应激反应的全新假设，已经经过多家实验室独立验证。

    AI for Science成巨头新战场

    谷歌这次突破之后，AI for Science赛道已经成了科技巨头和初创公司都在抢的香饽饽：2025年12月FutureHouse推出AI科学家Robin，首轮融资就拿了7000万美元；英伟达和礼来宣布未来5年共同投资10亿美元，共建全球首个AI药物共创实验室；科学智能公司Lila Sciences刚完成3.5亿美元A轮融资，估值就超过了13亿美元。

    以前搞科研靠天才的灵感和运气，现在有了这套系统，相当于给每个科学家配了一个24小时不睡觉、能读完所有文献、还能自己设计实验的助手——科研效率的革命，真的要来了。

  • 不用博士学位也能做药物发现？SandboxAQ把科学AI模型塞进了Claude

    制药行业有个公开的秘密：找到一种能上市的药，平均要烧10年、砸几十亿美元，而且大多数候选分子死在半路上。AI喊了好几年要改变这个游戏，但现实是：你还得是个计算化学博士才能用那些”AI工具”。

    SandboxAQ不这么想。这家从Alphabet拆分出来的公司（前谷歌CEO埃里克·施密特是董事长），刚刚把自己的科学AI模型直接塞进了Claude里。现在你跟Claude聊天，就能让它帮你跑分子模拟——不用写代码，不用搭服务器，甚至连”量子化学”是什么都不用太懂。

    SandboxAQ的AI模拟业务总经理Nadia Harhen说得很直白：”这是第一次在frontier大语言模型上部署frontier定量模型，用户可以直接用自然语言访问。”以前想用他们的模型？先自己搭一套数字基础设施吧。

    不是”更聪明的AI”，是”更好用的AI”

    行业里做AI制药的公司不少，Chai Discovery、Isomorphic Labs（DeepMind分拆的那家）都在卷模型精度。SandboxAQ选了另一条路：不卷模型，卷界面。

    他们的核心产品叫LQM（Large Quantitative Models，大型定量模型）。跟GPT-5.5或者Claude这些聊天模型不一样，LQM是基于物理规则建的，能跑量子化学计算、模拟分子动力学——说人话就是：它能在实验室造出分子之前，预测这个分子在真实生物环境里会怎么表现。

    SandboxAQ的AI药物发现可视化
    SandboxAQ将LQM集成到Claude中，让药物发现变得更易用 | 图片来源：Getty Images

    施密特押注的”定量经济”

    SandboxAQ已经融了超过9.5亿美元，业务线不止药物发现，还覆盖网络安全、AI模拟。他们的逻辑是：有些行业（生物制药、金融服务、能源、先进材料）加起来超过50万亿美元的”定量经济”，需要的不是聊天机器人，而是能处理科学计算的AI。

    LQM用真实实验室数据和科学方程训练，不是靠”读完整个互联网”来获得智能。这也是为什么它之前很难用——你得像操作一台高能物理实验室的设备那样操作它。

    现在跟Claude集成之后，药物研发人员可以直接问：”帮我找一个能结合这个蛋白质的分子候选者，要求口服生物利用度高。”Claude会调用LQM跑模拟，然后把结果用自然语言解释给你听。

    这事儿为什么重要

    AI制药喊了三四年，但真正落地的成功案例并不多。一个核心原因是：模型是给专家用的，专家不够用。如果SandboxAQ这条路走通了，药物研发（以及其他科学计算领域）的门槛会大幅下降——不只是速度更快，而是”谁都能做”。

    当然，现在说”制药行业要变天”还早。但至少，那些没有计算化学博士的小型生物科技公司，现在有机会用上跟辉瑞、诺华一个级别的模拟工具了。

    这大概是AI真正”民主化”该有的样子：不是让每个人都能生成一个漂亮的PPT，而是让每个研究者都能用上以前只有大药厂才用得起的工具。

  • Isomorphic Labs完成$21亿B轮融资：AI制药从 Nobel 奖走向临床

    Demis Hassabis 2021年从DeepMind分拆出来的Isomorphic Labs，这周宣布完成21亿美元B轮融资，领投方是Thrive Capital。算上这一轮，公司累计融资接近26亿美金，直接把AI制药这个赛道的天花板顶到了一个新高度。

    Isomorphic Labs的核心资产是AlphaFold——那个2024年拿了诺贝尔化学奖的蛋白质结构预测系统。以前科学家要花数年才能解析一个蛋白质的三维结构，AlphaFold能在几分钟内给出高精度的预测结果。Isomorphic要做的事，就是把这个能力商业化，用AI设计新药分子。

    AlphaFold已经预测了超过2亿个蛋白质结构，覆盖几乎所有已知的蛋白质编码基因。这个数据库对全球科研人员免费开放，但Isomorphic Labs的商业模式是在这个基础上做药物设计，而不只是结构预测。

    投资者的阵容很有意思

    这轮除了Thrive Capital领投，Alphabet（谷歌母公司）和GV（谷歌风投）继续跟投，说明谷歌内部对这个函数还是很有信心。新进来的投资者包括MGX（阿联酋主权基金）、Temasek（新加坡淡马锡）、英国主权AI基金。一个AI制药公司，能让多个国家主权基金同时下注，这个信号值得琢磨。

    融资额21亿美元是什么概念？对比一下：Anthropic最新一轮融资30亿美金，估值900亿；Isomorphic这一轮单轮21亿，已经超过了大部分AI公司的累计融资额。投资者现在不是在用”研究项目”的标准来评估AI制药，而是在用”下一个Google DeepMind”的标准在下注。

    AI设计的药物真的要上临床了

    Isomorphic Labs在融资公告中提到，他们第一个AI设计的分子即将进入人体临床试验。这意味着，从AlphaFold获诺贝尔奖到第一款AI设计药物进入临床，只用了不到两年。这个速度在传统制药界是不可想象的——一个新药从发现到临床，通常需要5到10年。

    • 传统制药：5-10年药物发现 + 临床试验，成功率低于10%
    • AI制药（Isomorphic模式）：18个月完成药物设计，靶点预测精度大幅提升
    • 第一家AI设计药物进入临床的时间节点：2026年内

    为什么是现在

    AI制药不是一个新概念，但之前一直卡在两个地方：一是蛋白质结构预测不够准，二是AI设计的分子在真实生物系统里不一定work。AlphaFold把第一个问题解决了，第二个问题现在也有了进展——Isomorphic用的是”闭环验证”策略，AI设计分子后会用湿实验（wet lab）验证，再把结果喂回模型。

    这个21亿美元的融资轮，本质上是在赌一件事：AI设计的分子能在人体里安全地起作用。如果Isomorphic的临床实验数据好，整个制药行业的研发范式会被重写。如果失败了，这21亿就是目前为止AI泡沫最大的单笔”学费用”。