3月25日，劑泰科技聯合創始人兼CEO賴才達博士受邀出席“數智未來”大興未來產業思享會，期間與未來學家凱文·凱利同台對話探討“10,000天後的世界”以及AI如何重構產業的底層邏輯。“數智未來”大興未來產業思享會是十五五開局之年，大興區為區域經濟和企業創新尋找確定性的開年思想盛會，旨在搭建思想碰撞的橋樑，連接凱文·凱利預判未來的結構性力量和本土企業家破局當下的實幹探索。賴才達博士：AI藥物發現的未來將實現疾病細胞重程式設計AI製藥使個性化藥物成為可能。 我們知道人體內有30兆個不同的細胞，每個細胞有2萬個基因，整個人體是六十萬兆個基因的大語言資料模型庫。今天我們講的AI藥物發現，這不是傳統意義的藥物，而是如何將疾病細胞做重新程式設計。劑泰科技通過AI賦能自主研發奈米遞送系統，讓大分子藥物可以被遞送到體內，在未來可能實現細胞重新程式設計為健康狀態。以AI加速藥物研發是劑泰科技每天的工作內容。我們在探索遞送不同治療模式到腫瘤組織中，在腫瘤組織中表達雙特異性抗體，研發突破性的實體瘤療法，最終能夠在臨床上惠及患者。在未來，也許最終能實現對體內衰老細胞的精準預測，再通過個性化藥物針對特定細胞完成重新程式設計。AI和AI製藥，將不僅僅是效率的提升，而是根本性的改變。另一個未來的突破是您曾提到的數字孿生，可以復刻個體的生物模型，在人體個性化治療前完成所有的治療測試。凱文·凱利：從“肌肉力”、“人工力”到“AI時代”的躍遷我們往往會高估短期事件發生的速度，而低估長期事件發生的影響。我們今天談到人工智慧在加速藥物發現，Chris（賴博）談到用AI做奈米材料的開發和藥物遞送。類似的變革將發生在材料創新領域，也會發生在其他所有地方。這是讓人興奮的變革。這好像是工業時代的電力革命。電力革命在當時觸及了整個世界，這讓人類第一次有了“人造力”（“artificial power”）。而在工業革命之前，世界上的一切，無論動物或人類，或是修建房屋，你必須要有“肌肉力”“muscle power”。“人造力”替換了“肌肉力”，是一種更低成本的基礎推動力。但今天人工智慧首次出現了，雖然這種力量有點未來感，但它已經真實地在此刻。我們能夠清楚地感知到，這是一種顛覆性的力量。 一種不同的力量。人工智慧是一種讓人歎為觀止的科技，它將徹底改變材料、教育和健康領域的創新。關於劑泰科技AI奈米遞送，開啟健康未來。 劑泰科技是一家人工智慧（AI）驅動奈米材料創新的生物科技公司，專注於利用靶向藥物遞送和發現技術，幫助生命體戰勝疾病和衰老，重獲健康和活力。劑泰科技由美國工程院院士陳紅敏博士以及MIT科學家賴才達博士、王文首博士於2020年聯合創立，已獲得國家專精特新“小巨人”、國家高新技術企業等重要資質認定。公司自主開發全球首個人工智慧驅動的奈米遞送平台NanoForge，擁有目前全球最大規模千萬級LNP脂質庫，並基於NanoForge打造了三大核心解決方案：AiLNP（AI奈米遞送系統設計平台）、AiRNA（AI mRNA序列設計平台）、AiTEM（AI小分子製劑設計平台）。公司已具備實現精準靶向肝臟、肺部、肌肉和免疫細胞等8個關鍵器官或組織的LNP遞送能力，在多器官、多組織靶向遞送難題上取得突破性進展，為腫瘤、代謝系統疾病、自體免疫性疾病、神經系統退行性疾病等提供成藥機會，也在器官水平上為生命體抗衰提供可能。 (劑泰科技)

Anthropic 花了 4 億美金，買了一家不到 10 個人的生物科技公司。這家公司叫 Coefficient Bio，去年秋天才成立，做的事情是用 AI 來做藥物研發規劃、臨床策略管理和新藥候選發現。Anthropic CEO Dario Amodei4 億美金，不到 10 個人，折算下來每個人值 4000 多萬美金。這個數字乍看離譜，但放在 Anthropic 最新 3800 億美金的估值下，其實只稀釋了大約 0.1%。用一個比喻來說的話：這筆交易就像一個身家千億的富豪，花了一頓米其林晚餐的錢，請了一桌頂級生物學家坐下來聊聊。只不過這頓飯，聊的是，人類的生死。01他們是誰Coefficient Bio 的兩位創始人 Samuel Stanton 和 Nathan Frey，都來自 Genentech 旗下的 Prescient Design，一個專門做計算藥物發現的團隊。Coefficient Bio 聯合創始人 Nathan Frey（左）和 Samuel Stanton（右）Nathan Frey 是個挺厲害的角色。賓大材料科學博士，之前在 Genentech 帶了一支跨學科團隊，做生物基礎模型和 AI 分子設計。他在 2024 年的 ICLR 上拿過最佳論文獎，研究的是用生成模型來設計藥物候選分子。Samuel StantonSamuel Stanton 則是 NYU 資料科學博士，同樣在 Prescient Design 做過機器學習科學家。兩個人從羅氏/Genentech 出來創業，半年後就被 Anthropic 收了。速度之快，倒是讓人想起了當年 DeepMind 收購 Isomorphic Labs 團隊的路數。收購之後，這個團隊會併入 Anthropic 的醫療健康與生命科學部門，負責人是 Eric Kauderer-Abrams。Eric 在今年 1 月的 JP Morgan 醫療健康大會上說過一句話：“ 我們的目標，是把 Claude 變成生物學領域最受歡迎的 AI 模型。02不只是買個軟體這筆收購的訊號，其實非常明確：Anthropic 買的，不只是幾個工程師和幾行程式碼。Coefficient Bio 做的事情，是讓 AI 能接管生物科技研究中的實際工作流：起草藥物研發計畫、管理臨床試驗的合規策略、篩選新藥候選分子。這些活兒需要深厚的領域知識，光靠通用大模型是幹不了的。換句話說，Anthropic 買的是「生物學的手感」。是那種知道一個臨床試驗要怎麼設計、FDA 的審批流程那裡有坑、什麼樣的分子結構值得深入研究的經驗。這也解釋了為什麼不到 10 個人值 4 億。因為這類人才，在整個行業裡可能也就那麼幾十個。03Dario 的預言說到 Anthropic 進軍生物學，就不得不提 Dario Amodei 在 2024 年 10 月發的那篇著名長文：《Machines of Loving Grace》，見：剛剛！Anthropic CEO Dario Amodei 發文：人工智慧如何讓世界變得更美好【附全文翻譯】。Anthropic CEO Dario Amodei一萬五千字，核心論點之一就是：AI 加速的生物學，可以在 5 到 10 年內，壓縮人類生物學家原本需要 50 到 100 年才能取得的進展。這話聽著像科幻，但 Dario 給出了具體的論證。他的邏輯是這樣的：20 世紀，人類平均壽命從大約 40 歲翻到了大約 75 歲，差不多翻了一倍。如果 AI 能把 21 世紀的生物學進展壓縮到 5 到 10 年內完成，那再翻一倍到 150 歲，算是「趨勢延續」。人類壽命翻倍趨勢而且他指出了幾個關鍵事實：•  已經有藥物能把老鼠的最大壽命延長 25% 到 50%，副作用還很小•  有些烏龜能活 200 年，說明人類目前的壽命顯然不是什麼理論上限•  一旦人類壽命達到 150 歲，我們可能就觸及了「逃逸速度」：活得夠久，就能等到下一代續命技術Dario 原文是這麼寫的：“ 一旦人類壽命達到 150 歲，我們或許就能達到「逃逸速度」，為目前活著的大多數人爭取到足夠的時間，讓他們想活多久就活多久。當然，這在生物學上是否可行，沒人能打包票。04疾病會怎樣Dario 在那篇文章裡，對主要疾病的預測非常詳細。Dario 的疾病攻克預測傳染病：幾乎所有自然傳染病都將可防可治。mRNA 疫苗已經指明了方向，未來的疫苗技術可以快速適配任何病原體。癌症：死亡率和發病率都會下降 95% 以上。他提到，癌症死亡率其實每年已經在以大約 2% 的速度下降了，而 AI 加速的早期檢測和靶向藥物會讓這個趨勢急劇加快。阿爾茨海默症：Dario 認為這恰恰是 AI 擅長解決的問題類型，因為它需要更精密的測量工具來隔離生物學效應。預防應該可以實現，但已經造成的腦損傷要逆轉……可能就難了。糖尿病、肥胖、心臟病：他認為這些比癌症「更容易解決」。心臟病死亡率已經下降了 50%，GLP-1 類藥物（就是大家熟知的司美格魯肽那一類）的進展更是肉眼可見的快。當然他也承認，這一切的前提是 AI 要能夠「執行」生物學研究，而不只是「分析」資料。“ 我說的不是把 AI 當資料分析工具。我說的是用 AI 來執行、指導、並改進生物學家做的幾乎所有事情。指揮實驗室機器人、設計實驗方案、發明新的測量技術，這些都得上。05速度的邊界不過 Dario 也沒有盲目樂觀。他列出了幾個 AI 加速生物學的「硬限制」：細胞培養需要時間，動物實驗需要時間，化學反應需要時間。這些是物理世界的節奏，再強的 AI 也壓縮不了。還有資料質量的問題，生物複雜性的問題，以及很多發現之間存在序列依賴，必須一步一步來，沒法全部平行。他的估計是：10 倍加速是現實的，但 100 倍壓縮到一兩年內……不太行。話說回來，10 倍就已經夠嚇人了。原本需要 50 年的研究進展，5 年搞定。06Anthropic 的佈局回頭看 Anthropic 在生命科學領域的動作，其實是一條清晰的線：Anthropic 生命科學佈局時間線2025 年 10 月，發佈 Claude for Life Sciences，讓 Claude 能連接 Benchling、BioRender 等科研工具。2026 年 1 月，在 JP Morgan 醫療健康大會上推出 Claude for Healthcare，一套符合 HIPAA 標準的工具包，能連接醫療資料庫、電子病歷系統。還宣佈了新的臨床試驗文件自動撰寫功能。合作夥伴名單也非常亮眼：賽諾菲、諾和諾德、Genmab、AbbVie、Allen 研究所、HHMI。2026 年 4 月，收購 Coefficient Bio。從賣工具，到建平台，到直接買團隊。步子越來越大了。Eric Kauderer-Abrams 的那句話，現在看來也不只是口號：“ 把 Claude 變成生物學領域最受歡迎的 AI 模型。他們是認真的。07不只 Anthropic值得一提的是，Anthropic 並不是唯一在押注 AI + 生物的大玩家。AI 藥物發現加速對比Google DeepMind 的 AlphaFold 在 2024 年拿了諾貝爾化學獎，旗下的 Isomorphic Labs 已經在準備 AI 設計藥物的人體臨床試驗。Insilico Medicine 用 AI 把一個纖維化候選藥物從發現推進到人體試驗，只用了不到 18 個月，傳統路徑通常要 4 年。AI 製藥市場從 2023 年的 18 億美金，預計到 2030 年會增長到 131 億美金。整個行業的共識已經很明確了：AI 對生物學的加速效應，可能會是 AI 所有應用場景中，最深遠的那一個。畢竟，提高程式設計效率是讓人寫程式碼更快。而加速生物學研究，是讓人活得更久。壽命逃逸速度概念圖回到 150 歲Dario 在那篇文章的最後，還提到了一個更大膽的概念：生物自由。他認為 AI 加速的生物學研究，最終會讓人類對自己的體重、外貌、生殖等生物過程擁有完全的控制權。這聽起來有點賽博朋克，但如果你看看 GLP-1 藥物在短短幾年內對肥胖治療的顛覆，就知道這個方向的推進速度比大多數人預期的要快。而 Anthropic 用 4 億美金收購一個不到 10 人的生物科技團隊，說到底，押的就是這個未來。通用大模型想要真正改變一個領域，得先變成那個領域的專家。Coefficient Bio 的團隊，就是幫 Claude 變成生物學專家的那塊拼圖。至於我們能不能活到 150 歲……Dario 說了，沒人能打包票。但至少現在，有人在認真賭這件事了。所以，除了擁抱 AI，我們現在最應該做的事情大概就是：注意身體，保護好自己。萬一真等到了呢。 (AGI Hunt)

【新智元導讀】Google旗下的 Isomorphic Labs 發佈新一代 AI 藥物設計引擎 IsoDDE，性能全面碾壓 AlphaFold 3，能在幾秒內發現科學家花 15 年才找到的隱藏結合位點。但與開放原始碼的 AlphaFold 不同，IsoDDE 選擇完全閉源，程式碼、論文、方法均不公開。AI 造福科學的開源黃金時代，可能正走向終結。Google旗下的同樣由 DeepMind CEO Demis Hassabis 擔任 CEO 的 Isomorphic Labs 發佈了被 Nature 稱為「AlphaFold 4」的新一代 AI 藥物設計引擎 IsoDDE。它全面碾壓前代，卻選擇完全閉源。AI 造福科學的黃金時代，可能正在關上大門。2024 年，Demis Hassabis 因為 AlphaFold 站上諾貝爾領獎台。這個能預測蛋白質三維結構的 AI 模型，被 190 多個國家超過 300 萬研究者使用，堪稱 AI 惠及全人類的標竿案例。諾貝爾委員會嘉獎的，與其說是一個演算法，不如說是一種精神——把最強大的科學工具免費交到每一個研究者手中。16 個月後，AlphaFold 的繼承者亮相了。2 月 10 日，Hassabis 創辦的 AI 製藥公司 Isomorphic Labs 發佈了 27 頁技術報告，展示一套名為 IsoDDE 的藥物設計引擎，性能全面碾壓 AlphaFold 3，被哥倫比亞大學計算生物學家 Mohammed AlQuraishi 評價為「AlphaFold 4 等級的重大進步」。https://storage.googleapis.com/isomorphiclabs-website-public-artifacts/isodde_technical_report.pdf但這一次，程式碼不會公開，論文不會發表，方法不會共享。Isomorphic Labs 總裁 Max Jaderberg 對 Nature 說得很直白：我們不打算公開「秘方」。AlphaFold 的開源傳奇，很可能到第三代就是終點了。能力確實強得嚇人先說 IsoDDE 做到了什麼，這有助於理解後面的爭議為什麼這麼大。打一個不太嚴謹的比方：如果把蛋白質想像成一把鎖，藥物分子就是鑰匙。AlphaFold 做的事情，是幫你看清這把鎖長什麼樣。但光看到鎖還遠遠不夠——你得知道鑰匙插進去能不能轉動，轉得緊不緊，甚至你得發現鎖上還有沒有別的你根本沒注意到的鑰匙孔。IsoDDE 要回答的就是這些更難的問題。它是一個統一引擎，把結構預測、結合強度計算、隱藏結合位點發現等能力整合在一起。數字很能直觀說明問題。在一項專門考驗 AI 能否處理「從沒見過的」新蛋白結構的測試中（Runs N' Poses 基準），當測試樣本跟訓練資料的相似度低到 0-20% 時（這是最難的情況），IsoDDE 的成功率是 AlphaFold 3（AF3）的兩倍多。60 個最難案例裡，有 17 個案例是 AlphaFold 3 徹底失敗而 IsoDDE 做對了。AlphaFold 3 在此示例中失敗，IsoDDE 正確在預測抗體如何識別靶標這件事上，IsoDDE 的高精度預測成功率是 AlphaFold 3 的 2.3 倍，是另一個主流開源模型 Boltz-2 的近 20 倍。最令同行驚訝的是結合親和力預測——也就是判斷藥物分子和靶點結合得有多緊。這個任務傳統上依賴一種叫 FEP 的物理模擬方法，計算成本極高，需要實驗室提供晶體結構作為起點。IsoDDE 在多個公開測試中不僅全面超過所有 AI 方法，甚至超過了 FEP，而且它根本不需要任何實驗資料做起點。技術報告裡還有一個特別漂亮的案例。有一個叫 cereblon 的蛋白，科學家們花了 15 年，一直以為它只有一個藥物結合位點。直到今年年初，一篇新論文才通過實驗發現了第二個隱藏的結合位點。而 IsoDDE 僅僅輸入這個蛋白的氨基酸序列，就把兩個位點全部找了出來——包括那個藏了 15 年的。實驗室要做同樣的事，需要昂貴的晶體浸泡實驗和大量時間。IsoDDE 只要幾秒鐘。AlQuraishi 說，他最震撼的是 IsoDDE 在完全陌生的分子體繫上展現出的泛化能力，「這說明他們一定做了非常新穎的東西」。閉源：故事真正令人不安的部分如果 IsoDDE 是一個普通的商業軟體，閉源天經地義，沒什麼好說的。問題在於，它的前身 AlphaFold 代表著一種截然不同的價值觀。AlphaFold 2 在 2021 年開源，配套論文發表在 Nature 上，預測結果免費向全球開放。這件事的意義遠超技術本身——它證明了一種可能性：由科技巨頭資助的前沿 AI 研究，可以真正成為全人類的公共品。超過 300 萬科學家用它做了自己的研究，無數項目因此加速，生物學的整條河流被它改變了流向。2024 年的 AlphaFold 3 同樣發表了論文，雖然程式碼開放原始碼的速度引發過爭議，但最終也面向學術界開放。IsoDDE 打破了這個傳統。27 頁技術報告裡幾乎沒有模型架構和訓練方法的任何細節。Nature 的報導副標題直截了當：科學家們「只能猜測如何實現類似的結果」。Jaderberg 對 Nature 說的話耐人尋味。他說希望這份報告能「激勵」其他團隊。但 AlQuraishi 的反應恐怕更能代表學術界的真實感受：「問題在於，我們對細節一無所知。」有人覺得 Isomorphic Labs 作為商業公司保護自己的核心技術合情合理。這當然沒錯。但值得追問的是：當 AI 在科學領域的能力越來越強、越來越集中在少數公司手裡時，這些能力的開放程度，誰來決定？Isomorphic Labs 已經拿到 6 億美元融資，跟禮來和諾華簽了潛在價值近 30 億美元的合作協議，內部運行著 17 條藥物管線。Hassabis 今年 1 月在達沃斯說，首批 AI 設計藥物預計 2026 年底進入臨床試驗。這家公司正在從一個科研機構變成一台商業機器。武田製藥的計算結構生物學家 Diego del Alamo 指出了另一個微妙之處：Isomorphic Labs 此前投入大量精力與藥企合作，可能獲得了大量私有實驗資料。這些額外資料對 IsoDDE 性能的貢獻有多大，外界無從知曉。如果核心優勢來自資料壁壘而非演算法創新，那所謂的「激勵」就更像是一種姿態。開源陣營並沒有認輸閉源引發焦慮，但也引燃了競爭。Boltz-2 的聯合開發者、非營利公司 Boltz 的創始人 Gabriele Corso 態度很明確：他不認為私有資料是關鍵因素，因為公開資料中仍然有大量改進空間。IsoDDE 設定了一個新的性能基線，「需要追趕，也完全可以超越」。另一家公司 Deep Origin 更為高調，直接在 IsoDDE 發佈次日發聲明說，自家的 DODock 引擎在 2025 年 8 月就已經在同一基準測試上達到了可比的性能水平——用的是完全不同的技術路線。https://www.globenewswire.com/news-release/2026/02/11/3236623/0/en/Deep-Origin-Congratulates-Isomorphic-Labs-on-Catching-Up.html開源社區過去兩年也沒閒著。AlphaFold 3 發佈後，多個團隊已經做出了接近甚至部分超越它的開源模型，包括 Boltz-1/2、Chai-1、Protenix 等。AI 製藥領域正在重演大語言模型領域的劇本：一家公司亮出驚豔的閉源成果，整個開源社區迅速跟進，差距從代際縮小到可以追趕的距離。但這裡有一個關鍵區別。語言模型的訓練資料：網際網路文字，是近乎無限的公共資源。而 AI 製藥的訓練資料，特別是高品質的蛋白質-藥物實驗資料，其中相當一部分掌握在藥企手中。如果閉源模型的護城河建立在私有資料上，開源追趕的難度就大得多。關上的門這件事的影響可能超出藥物研發領域本身。過去幾年，「AI 開源推動科學進步」是一個被廣泛接受的敘事。AlphaFold 是這個敘事最有力的證據。每當有人質疑科技巨頭的AI研究到底惠及了誰，AlphaFold 都是最好的回答——看，全世界 300 萬科學家都在免費用它。如今，當 AlphaFold 的直系後代選擇閉源，這個敘事被撕開了一道口子。它暗示了一種可能的未來走向：AI 在基礎科學領域最強大的工具，逐漸從公共品變成商業資產；突破性的成果以技術報告而非同行評審論文的形式發佈；學術界能看到結果，但永遠看不到方法。Hassabis 曾經說過，AI 應用於科學，是比語言模型更豐富的事業。這話沒錯。但豐富的前提是開放。當最強的科學 AI 只對付費客戶敞開，科學共同體裡的絕大多數人就只能在圍欄外面看著。AlphaFold 的諾貝爾獎章上刻著的，是把知識給予所有人的理想。IsoDDE 的技術報告裡寫著的，是一個更強大的未來。兩者之間的距離，就是這個時代正在做出的選擇。 (新智元)

當地時間1月12日，摩根大通醫療健康大會（JPM Conference）在舊金山正式召開。大會首日，全球市值最大的科技公司輝達與全球市值最大的製藥公司禮來宣佈，將在五年內斥資10億美元在舊金山灣區建立一個新的聯合研究實驗室，以加速AI藥物研發處理程序。截至發稿，輝達市值為4.5兆美元，位居全球市值最大公司榜首；禮來市值穩定在1兆美元上方，牢牢佔據全球市值最大製藥企業的地位。據介紹，該實驗室將使用輝達最新一代AI晶片Vera Rubin。就在幾個月前，禮來曾表示，正使用1000多個輝達當前一代AI晶片Grace Blackwell建構一台超級電腦。這也有望成為全球最強大的AI電腦之一。使用人工智慧模型來設計和發現新藥物，是目前全球製藥巨頭加速佈局的方向，此舉目標是縮短新藥研發上市所需的時間。隨著輝達加速滲透生物技術市場，該公司採取的戰略是提供開源人工智慧模型和軟體，以便製藥商可以基於輝達的硬體，並利用這些模型和軟體建構自己的藥物開發平台。輝達當天還發佈了一系列新模型，其中包括一個可用於確保使用人工智慧工具設計的藥物在真實世界實驗室中合成的更新模型。對此，花旗分析師在一份發給投資人的報告中寫道：“輝達與禮來結成戰略聯盟，旨在通過將禮來公司的製藥專業知識與輝達的尖端人工智慧、加速計算和基礎設施能力相融合，從根本上重塑藥物發現，並將頂尖科學家和人工智慧工程師集中在一起，共同應對複雜的新藥研發挑戰。”諮詢公司麥肯錫在去年發佈的一份報告中稱，人工智慧是製藥業“百年難得的歷史性機會”。在美國，已經誕生了一大批AI製藥公司，它們通過建設大型實驗室，生成資訊來幫助訓練人工智慧，從而加速實驗處理程序，識別預測可能有效的藥物分子，並通過生成式人工智慧將藥物分子的設計數位化。波士頓諮詢的一份研究顯示，到2025年，AI生成的藥物分子在一期臨床試驗中的成功率已經高達80%至90%，高於50%的歷史平均水平。這意味著，AI發現的藥物正在突破臨床一期的瓶頸，展現出進入後期臨床驗證階段的潛力。AI製藥近年來也已經成為醫藥巨頭“因害怕錯過而不得不投”的新賽道。除了禮來之外，諾和諾德、艾伯維、默克、阿斯利康等巨頭公司都涉足了AI製藥領域。去年3月，擁有前“藥王”修美樂的艾伯維宣佈收購AI製藥公司Landos  Biopharma；2024年9月，諾和諾德與美國科技公司Valo  Health達成合作協議，尋求利用人類資料和人工智慧技術發現並開發心臟代謝疾病新療法。根據研究機構Research And Markets資料，2022年全球AI製藥市場規模已經超過10億美元，預計2026年市場規模將接近30億美元。中國生物製藥企業也有望在這一輪的AI製藥熱潮中再次引領技術前沿。去年，中國研究團隊展示了一項研究成果，他們利用生成式AI平台，“從零開始”發現全新靶點並設計全新分子、完成實驗驗證的過程。《自然醫學》對此發表評論稱，該研究標誌著向人工智慧輔助藥物發現引入臨床治療方面邁出堅實的一步。 (第一財經)

【新智元導讀】就在剛剛，世界首個AI科學家天團首個成果重磅發佈——治療失明的新藥被發現了，而且僅僅用時2.5個月！世界首個AI科學家天團，剛剛重磅爆出了第一個成果！其中一位AI科學家，在實驗室中取得了首個重大突破——針對失明（dAMD）的全新藥物。可以說，這是一項真正的科學發現！AI自己做實驗、自己發現醫新藥的時代，真的來臨了。注意，在這個過程中，所有資料、假設、原始實驗和後續實驗，都是由AI科學家智能體生成的。只有實驗室工作和論文撰寫沒有被自動化。而且，全過程僅僅由一個研究人員小團隊，在短短2.5個月內就完成了。這代表了AI驅動科學發現的全新範式！就在五一期間，FutureHouse發佈了四個AI科學家Agent，科研能力直接超越o3，文獻搜尋已經超過人類博士。沒想到這次，才短短二十多天，AI們就已經產生了真正的成果。論文地址：https://arxiv.org/abs/2505.13400諾獎得主押注的方向，被人搶先了？不僅如此，GoogleDeepMind CEO、諾獎得主Demis Hassabis也在進軍AI藥物研發方向。他作為創始人，已經擁有了一家藥物研發初創公司Isomorphic Labs，成立僅四年。而Hassabis表示，到今年年底，公司就會有一款由AI設計的藥物進入臨床試驗了！在採訪中，Hassabis透露，公司正在關注腫瘤、心血管疾病、神經退行性疾病等主要疾病領域。「通常,發現一種新藥平均需要五到十年。而我們也許能將這個過程提速十倍，這將在人類健康領域帶來一場真正的革命。」這個方向實在是前景巨大，讓Isomorphic Labs一家吸引了多家大型製藥公司，希望借助AI降低高昂的藥物開發成本、提高研發效率。而現在，Future House，或許已經在這個方向上搶了先。AI科學家的首個發現AI科學家的首個重大突破，是一種治療乾性老年性黃斑變性（AMD）的新療法。因為乾性AMD是致盲的主要原因之一，這種療法前景十分廣闊。AI科學家智能體，這次直接包辦了寫論文所需的全過程，人類根本無需插手——它生成了假設、設計了實驗、分析了資料、進行了迭代，甚至為論文製作了圖表。可以說，除了沒進實驗室親手做實驗，AI基本把能幹的都幹了！不過要注意，提出這一發現的Future House團隊、真正的生物學家們特別強調說，這並不意味著他們已經用AI治癒了乾性AMD。如果要驗證這一假設，接下來還需要做人體試驗，這會需要更長的發現。而且，還不能說AI科學家這次做出了「第37步」等級的發現。不過按照目前的速度，相信達到這個水平，也會很快了。Robin出場：首個自動化科學發現的AI在這個過程中，團隊還推出了首個全自動化的多智能體系統——Robin。可以說，這個AI完全自動化了科學發現的電腦內(in-silico)元件。就是靠它，這次重大科研成果才能被發現。這應該是人類首次做到，讓AI將假設生成、實驗和資料分析以閉環的形式連接起來，這也標誌著，智能體推動的科學發生速度，從此會大幅加快！就在下週二，團隊將以開源形式發佈Robin。類似於Google的Co-Scientist，這段程式碼非常簡潔。團隊使用了多個AI智能體來篩選想法。在下周，程式碼就將開源，所有軌跡資料也會同時公開此前，FutureHouse發佈了一個AI智能體天團，專門用來實現科研各個環節的自動化。其中，Crow、Falcon和Owl用於文獻檢索和合成；Phoenix用於化學合成設計；Finch用於複雜資料分析。而這一次，團隊又完成了一項重大突破：所有這些智能體，合體到一個統一系統Robin中！這樣，科學過程中的關鍵智力步驟，就全部自動化。現在，Robin已經做出了首個發現——它識別出，Ripasudil可以作為治療乾性老年性黃斑變性（dAMD）的新型候選藥物。乾性老年性黃斑變性，是全球範圍內導致不可逆性失明的主要原因之一。此前，作為一種Rho激酶（ROCK）抑製劑，它已被臨床用於治療青光眼。Robin，如何做出首次發現所以，Robin具體是如何完成這一重大發現的呢？這個過程中，它經過了假設生成、實驗設計和資料分析的迭代循環。初始假設在這一階段，Robin借助Crow進行了廣泛的文獻綜述，隨後並提出一個關鍵假設——增強視網膜色素上皮（RPE）細胞的吞噬功能，可能對治療乾性老年性黃斑變性（dAMD）具有治療價值。隨後，Robin使用Falcon工具評估了一組可能實現該目標的候選分子，並在實驗室中對其中的十種進行了測試。接著，Robin利用Finch工具分析了這些實驗資料，由此有了這一發現：ROCK抑製劑Y-27632，能在細胞培養中增強RPE的吞噬功能。作用機制研究Robin隨後提出，應該進行RNA測序實驗，以確定Y-27632是否引起了可以解釋 RPE吞噬能力增強的基因表達變化。據此，人類科學家動手展開了實驗，由Finch進行資料分析，結果發現：Y-27632果然上調了ABCA1的表達！ABCA1，就是RPE細胞中一個關鍵的脂質外排泵。發現dAMD新療法基於第一輪藥物候選測試的資料，Robin提出了第二組候選藥物。研究者按照相同的實驗方法進行了測試，最終發現新的最佳候選物——Ripasudil，這是一種已被用於眼科治療的藥物。注意，整個研究的知識框架，完全是由AI主導的，而人類研究員起的作用，僅僅是執行物理實驗而已。要注意，Robin雖然首先被團隊應用於治療領域，但這個智能體是通用的，可以被用於從材料科學到氣候技術等跨多個領域的發現。科學研究的新範式，從此誕生了。人類從未想過的方法，被AI發現了從Future House放出的視訊中，我們可以瞭解到更多詳細資訊。團隊的三位成員，都是實打實的生物學家。比如左邊的Michaela，在過去十年中，一直在探索人類細胞基因調控分子機制的基本原理。中間的Ali，是一名臨床科學家，正在公司建立藥物研發管線。此前，他取得了生物技術的博士學位，還創辦過一家致力於研究新型生物材料藥物的公司。右邊的Benjamin，剛剛加入Future House，正在牛津大學攻讀統計機器學習博士學位，此前曾從事計算合成生物學工作。團隊介紹說，為了生成針對幹性AMD的新型治療候選藥物，他們建立了一個管線，把三個智能體Crow、Falcon（文獻綜述智能體）和Finch（原型資料分析智能體）連接了起來。這個多智能體系統，是同類系統中第一個將假設生成與資料分析結合起來的系統，從而建立了一個端到端的治療發現系統。以下，就是這個系統的具體工作原理。首先，通過對150篇文獻進行廣泛綜述，它提出了一種治療乾性黃斑變性（dAMD）的實驗策略。在綜合了400多篇科學論文和臨床實驗報告後，該系統生成了增強RPE吞噬作用的治療候選藥物的假設。然後，團隊嘗試了本次實驗中智能體建議的10種初始藥物。另外AI還建議，在實驗室的細胞培養測定中，使用ARP 19細胞和流式細胞術模擬這種行為。總之，這些智能體幾乎完成了藥物發現工作流中的每個步驟，人類只需要從系統給出的分析中進行選擇、執行實驗就可以了。由此，他們發現：Y-27632在增強RPE吞噬能力上表現最佳。當他們第二次運行Robin，並向其提供實驗結果時，它提出了另一種藥物Ripasudil。此前，人們只知道Ripasudil會抑制吞噬作用，但沒有人想到，它還可以作為乾性黃斑變性的一種治療方法！這就是AI科研的奇妙之處了——答案在幾年前就在那裡，但從未有人想過用這種方式，將所有事實整合到一起。甚至，這個AI還建議人類去進行RNA研究，來搞清為何Y27632能增強吞噬作用。聽話地做完這個實驗後，人們把資料提供給Finch，發現這種藥物不僅能導致肌動蛋白細胞骨架基因的差異表達，還改變了自噬基因的表達。這就揭示了Ripasudil發揮作用的潛在新機制。只要繼續這個實驗循環，智能體就會不斷進行資料分析，生成進一步的假設，從而很可能讓我們得到關於如何治療疾病的新機制的假設。這代表了AI智能體中科學發現上一個真正令人興奮的里程碑。更令人激動的是，這個過程才剛剛開始。 (新智元)