YOHO AI

标签： AI制药

  • 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”。