算法只是一小部分，但市场仍愿意为算法加价。

    作者丨周蕾

    编辑丨岑峰

上周，两条 AI 制药新闻在 24 小时之内，先后引燃了舆论场：

先是 Anthropic 发布早期药物研发成果：依托 Claude 大模型，他们几乎在无人工干预的情况下，自主设计出 14 个临床靶点的蛋白结合剂，全部实验数据公开，所合作的外部平台 Twist Bioscience 股价单日飙升 22%。

次日，全球 mRNA 巨头 Moderna 与默沙东联合宣布，其个性化 mRNA 癌症疫苗 intesmeran autogene 在针对高危黑色素瘤的全球 III 期临床试验中达到主要终点，Moderna 因此单日内股价翻倍。

也有媒体直接将这一新闻定义为 " 人类历史上第一次用 AI 治愈癌症 "，引来大量关注。

其实，无论是 Anthropic 的药物研发，还是 Moderna 的 mRNA 癌症疫苗，距离 "AI 自主科研 "" 治愈癌症 " 这些宏大的目标，还有相当长的路要走。AI 在这两个案例中的真实角色，或许也没有人们想象中的那么 " 神 "。

在市场炒作的情绪逐步升高之时，有一个问题更值得我们冷静追问：

"AI 制药 " 这个概念里，什么在升值，什么在贬值？算法，还是整件事里最值钱的部分吗？

01

两件事里，

AI 都没外界说的那么神

先说 Anthropic，此次工作是用基模型针对靶点设计结合蛋白，然后交给机构完成湿实验验证结合能力。

实验数据也确实亮眼，依托 Claude Science 工作台，几乎无需人工干预，自主设计出 14 个临床靶点的蛋白结合剂。15 个靶点成功 14 个，整体命中率 22.6% 至 35.1%，远超行业典型水平；其中 RBX1 靶点命中率 40%，碾压同期竞赛人类参与者的 3.7%。全部 1320 个设计由 Twist Bioscience 与 Adaptyv Bio 两家外部实验室独立验证。

但有一个不可忽略的背景是，这并非一次 " 从 0 到 1" 的范式革命。

Anthropic 这类工作的核心方法论，即从靶点结构出发，用生成式模型设计结合蛋白，这一点在学术界早有先例。2022 年，华盛顿大学 David Baker 团队在 Nature 上发表了仅凭靶点结构设计结合蛋白的工作；2023 年，RFdiffusion 和 ProteinMPNN 相继发表，构成了今天大多数 AI 蛋白设计工具链的基础。

而在给定条件（文本或结构）下，用生成式模型从头设计出满足特定功能的蛋白质序列（de novo protein design），这一思路也已有其他团队先行验证过。

香港中文大学助理教授刘圣超向雷峰网 ( 公众号：雷峰网 ) AI 科技评论提到，2022 年他所在的项目 ProteinDT 和 ChatDrug，已经证明了这一思路可行。" 最早探索用基模型针对靶点设计结合蛋白这个方向的，就是我的团队，可惜当时差了湿实验的验证。算法不难想，但我们一直坚信这条路能走通。"

换句话说，比起算法或范式上的创新，Anthropic 的突破，其实是在于他们动用了庞大的工程资源、强大的基模型，以及号召两家外部独立实验室（Twist 和 Adaptyv）为他们完成了成规模的湿实验验证。 这是传统学术团队难以企及的资源调动力。

与此同时，Anthropic 也开源了此次工作的 prompt、设计模型和实验数据，这在某种程度上降低了行业的试错成本，但也意味着 "AI 设计蛋白结合剂 " 这件事的方法论壁垒，正在以月为单位降低。

刘圣超把这类工作称为 " 算法 1.0"：利用基模型调用现有开源工具链，完成从靶点到候选序列的生成。它算法设计门槛低、更看重生物领域的敏感度，只要问题找得好，那见效就很快。这适合创业启动，不过也容易形成跟风。

不过结合最近在人员布局上的调整，会不会 Anthropic 已经意识到了要做更深层的 " 算法 2.0" 工作？他甚至做了一个略带辛辣的推测：1.0 的工作，或许是起到了一个 " 带歪竞争对手 " 的作用。

此时高调放出 1.0 的成果，或许可能用开源的低门槛成果，把竞争对手的精力和资源 " 带歪 " 到已经没有太多壁垒的旧路上去。

再看 Moderna。III 期临床成功的数据表现过硬：1137 名患者，无复发生存期和远处无转移生存期双达标，首个 III 期成功的个体化新抗原疗法。这个里程碑意义不容否认，AI 在这一案例里起到了不小作用，但并非全新的算法，真正带来决定性作用的，仍然是算法之外的事情。

"Moderna 和默沙东做的事情：把蛋白质折叠、结合力预测与免疫反应模拟三个模块整合，然后筛选最有杀伤力的抗原。这一套工具基本都是大模型发明之前的算法，但是它们通过了临床测试。虽然 Moderna 和默沙东的算法比较老派，但是更加接近落地。" 刘圣超说。

从产业化的视角来看，锦波生物首席架构师张骥也给出了他的观察：

AI+ 任何领域都一定有加速空间，但加速也意味着对过去的管线有依赖，不是大刀阔斧的改造；同时这种加速依赖过去积累下来的专有数据，而数据是 " 偏科 " 的。

Moderna 的 III 期成功，更多证明的是其 mRNA 平台技术、LNP 递送能力、大规模生产体系、临床开发网络和监管路径的厚度——这些构成了一个成熟的产业平台，AI 只是在上面做了一层局部定制。

02

  算法只是一小部分，

但市场仍愿意为算法加价

两件新闻放在一起看，一个共同的疑惑开始浮现：算法本身的突破性，可能并没有外界渲染的那么核心。那么，真正重要的是什么？

一个关键原因是，AI 制药甚至所有 AI for Science 的相关赛道，AI 的泛化能力都有待提高，只能做好一两件很细分的事情，相当于在考试里 " 偏科 "。张骥打了个比方，" 就好比学数学，所有人高等数学都考满分，几何、线性代数全是零分。"

这种偏科在制药链条里表现得很具体。比如在设计序列、预测静态结构等环节上，AI 表现越来越强，但在表达、折叠、稳定性、免疫原性、毒理、临床这些环节，还存在很大进步空间。

Anthropic 的实验也恰恰证明了这一点：Claude 设计了 1320 个蛋白，Twist 和 Adaptyv 验证的是 " 能不能结合 "，但结合只是第一步。从 binder 到成药，中间隔着大量 AI 目前难以切入的环节。

张骥以锦波生物主攻的重组人源化胶原蛋白为例，进一步解释了 AI 当下的能力边界：当年的 AlphaFold 系列还是主攻静态蛋白，而胶原蛋白是高度柔性的、具有时变性的，并且是动态的，像在风中摇曳的麻花辫。过去静态的技术解决不了动态问题。AI 目前很难预测到动态结构，对相互作用的理解也有限。" 许多工作我们只知道（用 AI）结果不好，但哪里不好、怎么变好，不知道。"

这种偏科的根源，在于 AI4S 连 " 考什么 " 都还没搞清楚。

" 语言模型的好坏有普世价值观和现成的 benchmark；但科学界的好坏，怎么把生物学的普适价值观映射到 AI 里，是两个完全不同学科的事情。" 没有公正客观的评测集，就没有办法系统性地知道 AI 在哪里强、在哪里弱，大家都只是在刷自己擅长的题目。

偏科也使得看似突破的算法，未能在产业侧如期发挥出巨大作用。"Claude 这项工作自然是有非常突出的贡献，但它对我们的真正启发之外，仍有大量约等于从基础开始的工作。"

而在一些投资人看来，AI 制药赛道里，算法的壁垒，恐怕也没有市场想象的那么高。

长期深耕在 biotech 赛道的投资人阿东告诉雷峰网 AI 科技评论，需要对 " 算法热 " 持有谨慎态度，他们更倾向于既有前沿模型、又能把管线做出结果、链条相对完整的公司，" 我们看重的，就是它能完整化的希望。"

算法只是链条里很窄的一段，真正决定成败的，是从设计到成药的完整能力。在开源时代，这种 " 只做算法 " 的模式尤其危险。因为算法之外的部分，不仅本身更重要，还承担着 " 验证算法到底靠不靠谱 " 的角色。如果验证环节缺失，算法再漂亮也只是空中楼阁。

" 很多人想用 AI 的角度切入这个赛道，特别重视开发模型，但如果最后做不出管线，现在开源模型又越来越多，你拦不住别人开源，如果你的领先度也没有那么高，前面许下的诺言怎么兑现？"

尽管算法的分量有待商榷，但这种叙事仍然带动了一级市场相关概念的追捧，甚至引发了 AI+ 生命科学投资的 FOMO 情绪。

投资人阿伟向 AI 科技评论透露，近几年他们将关注点从传统生物领域转向 AI+ 生命科学，也颇看过几个虚拟细胞、AI 蛋白生成方向的项目，但都因为融资节奏太快、额度紧缺而没赶上。

" 标的层面融资节奏极快，基本上两个月就一轮，等我们沟通完，下一轮已经在交割了。" 这也从侧面说明，一级市场对 AI+ 生命科学概念的热情是真实的，但这种热情可能更多建立在 " 不能错过 " 的焦虑上。

数据也在印证这种情绪的普遍性。EvolutionaryScale 曾以约 13.5 亿美元估值融资，最终却被 CZI 收购；Isomorphic Labs 估值 25 亿至 30 亿美元，但依赖的是 Alphabet 的独家授权；Xaira 拿了 10 亿美元种子轮，但它是全栈平台加管线，不是纯模型公司——纯模型公司的独立商业模式，似乎正在经历一场压力测试。

回看 Anthropic 和 Moderna 这两条备受关注的新闻，AI 的发展之快无疑提升了所有人的期望值。人们对这项技术寄予厚望，期待它能一夜颠覆制药、真正攻克癌症，但现实是 AI 要走的路还很远，那些真正需要长期投入的环节，反而被淹没在了算法的喧嚣里。AI 制药的估值锚点，到底应该设在哪里？真正的答案，仍然需要时间证明。

* 文中阿东、阿伟均为化名

雷峰网原创文章，未经授权禁止转载。详情见转载须知。