八歲那年，德米斯·哈薩比斯只能依稀瞥見星辰。德米斯·哈薩比斯坐在位於倫敦大學學院天文台的弗萊望遠鏡前。圖片來源：Jillian Edelstein for Fortune這個天賦驚人的孩子成長於20世紀80年代的北倫敦，父母是頗具波西米亞氣質的文藝青年。透過城市朦朧的光靄，哈薩比斯偶爾能夠辨認出一個星座——獵戶座。它得名於希臘神話中那位驍勇的獵人，千百年來一直是水手與農夫的星空路標。四十年後的今天，獵戶座依然是他最愛的星群。這份眷戀，部分源於其與不朽傳說的連結：早在古埃及時期，人們就已經將這片星空奉若神明。“首先，從地球仰望星空，我們看到的星辰圖案其實具有某種隨機性。”哈薩比斯說道，“其次，以獵戶座腰帶上的三顆星為例，它們只是恰好構成特定幾何關係的恆星，之所以產生意義，完全是因為我們在用人類的意識解讀這些恆星。”我與哈薩比斯的會面地點，距離他成長的地方不遠，就在倫敦大學學院天文台的旁邊，矗立在那裡的望遠鏡已逾百年，至今仍然昂首指向蒼穹。這樣的場所恰好適合談論“浩瀚”：不止是星辰的浩渺無垠，更是人類心智的遼闊深邃。在此地對話，還有另外一層深意：哈薩比斯正是那位以人類意識探索資料海洋的先鋒。身為DeepMind聯合創始人，他被譽為當代最重要的人工智慧研究者與企業家之一。這家開創性的人工智慧實驗室於2014年被Google收購。2016年，DeepMind研發的AlphaGo擊敗全球頭號圍棋高手，造就人工智慧發展史上的里程碑事件——要知道，圍棋可是世界上最複雜的雙人策略博弈之一。如今，作為Google核心人工智慧業務的掌舵者，哈薩比斯正在引領這艘科技巨輪依託Gemini 3模型的優勢在激烈的競爭中破浪前行。但他迄今為止最深遠的貢獻，或許是AlphaFold 2的突破。這款由DeepMind於2020年發佈的人工智慧系統，可以根據DNA序列精準預測蛋白質的三維結構。AlphaFold 2堪稱一項劃時代的科學壯舉，為人類深入理解乃至最終攻克帕金森病、肌營養不良症及某些癌症等疾病打開了全新可能，這些疾病的根源均與蛋白質的錯誤折疊或功能失常密切相關。憑藉這一開創性成果，哈薩比斯與DeepMind的科學家約翰·江珀共同摘得2024年諾貝爾化學獎桂冠；同年，哈薩比斯獲授爵士勳銜。在哈薩比斯看來，過往的一切皆彼此相連。自幼對星空的痴迷，如同一道隱線，引領他探索人工智慧，在看似無序的世界中尋找規律與意義。“夜空是一道始終凝視我們的永恆謎題。”他說，“它時刻提醒著我們，世間還有更宏大的命題需要思考，正是這片無垠將我引入‘浩瀚’之境。在那裡，你必須從海量的資料中捕捉規律，或在無窮的可能性裡，覓得關鍵的一步。”近年來，哈薩比斯將他每周100小時工作時間中的相當一部分，傾注於破解世界級模式識別難題——藥物發現。2021年，在Google母公司Alphabet的支援下，他創立了Isomorphic Labs。這家基於人工智慧的藥物設計公司，致力於為一些最“不可成藥”的疾病開發突破性療法。該公司的宣言樹立了一個近乎壯烈的宏大目標：要“攻克一切疾病”。自創立以來，Isomorphic Labs一直低調前行，至今未將任何藥物推進至決定性的臨床試驗階段。但近期的動向表明，這一里程碑已經不再遙遠。支持者認為，一旦投入實戰，其技術路徑將展現獨特優勢。近日，這家新創企業首次向《財富》雜誌敞開大門；記者與多位公司高管與科學家悉心探討的議題，堪稱人工智慧領域最大機遇與挑戰。“一家傳統的生物科技公司窮盡整個生命周期，或許只能推出一兩種新藥。”哈薩比斯指出，“而我們正試圖建構一套完整的系統、流程和技術體系，目標是每年開發數十種藥物。聽起來有些不可思議，但我相信，在未來的10年到20年內，如果能夠建立起一套猶如從乾草堆中尋針的流程，終將找到攻克所有疾病的路徑。”藥物發現，實則更像是在廣袤的艾奧瓦州尋覓一根針：這是一個將具有潛在治療價值的化合物置於無限生物學變數中測試的征程，挫折接連不斷，失敗率之高近乎令人絕望。儘管AlphaFold僅僅觸及這個宏大處理程序的一隅，它卻為打破既有困境帶來了希望。AlphaFold證明，人工智慧有望將動輒數年的生物醫學探索壓縮至分秒之間。基於此，哈薩比斯的構想清晰而深刻：若能以AlphaFold為基石，建構一個完整的藥物設計引擎，未來將會怎樣？這家應運而生的企業志在挑戰眾多同行折戟的領域，其突圍之道在於聚焦結構解析：通過人工智慧對藥物與靶點的相互作用進行分子層面的精準預測，從而大幅削減藥物發現臨床前階段慣有的漫長試錯過程。自獨立營運以來，Isomorphic Labs最初被歸為Alphabet“其他押注”類股，獲得資金支援。2025年3月，公司又完成了6億美元的A輪融資，由約書亞·庫什納的Thrive Capital領投，Google風投繼續跟投。這場豪賭的願景是：假以時日，人類將憑藉技術驅動的新型流程，設計出能夠治癒癌症、阿爾茨海默病等頑疾的藥物，並使這些如今看似如魔法般精密的工藝，最終成為行業標準。“如今，沒有人會考慮手工設計飛機，也不會有人願意乘坐手工設計的飛機。”Thrive Capital的合夥人文斯·漢克斯表示，“但現有的所有藥物依然是以這種方式設計的。展望未來，藥物研發應該像目前設計飛機那樣，依託強大的軟體、智能系統和模擬模擬來進行。”Isomorphic Labs的300餘名科研人員正在朝著這一目標全力進發，而哈薩比斯正是他們的領航員。極端渺茫的勝算可成藥化合物的潛在數量高達約1060種，規模遠超可觀測宇宙中的星辰。而這還僅僅涵蓋類藥小分子，實際數值可能更為龐大。識別出那些組合能夠抑制腫瘤或矯正危險突變，正是哈薩比斯和同行希望借助人工智慧破解的難題。縱觀人類歷史，藥物始終寥寥無幾，其中許多甚至源於偶然，如青黴素的發現源於黴菌污染。直到20世紀60年代，隨著早期抗癌藥與心血管藥物的出現，藥物發現處理程序才逐漸加速。但幾乎在整個20世紀，科學家們仍然依靠近乎蠻力的試錯與緩慢迭代的技術，在浩渺的化學宇宙中艱難探索。無數化學家終其一生埋頭於沸騰的漿液、重複的實驗、一次次推倒重來，卻大多以失敗告終。即便是在今天，每20位從事藥物發現的化學家中，通常僅有一人可以在職業生涯中成功推動一款新藥上市。“我們需要將各種不同的參數融合到一個分子中，使其完美匹配特定病症。”Isomorphic Labs的首席科學官邁爾斯·康格里夫解釋道，“有時你可能找到理想的靶點，合成了高活性化合物，初期效果顯著，其他方面卻不盡如人意，最終走入死胡同。這有點像打地鼠遊戲，一個問題解決了，另一個又冒出來。”康格里夫是行業內的佼佼者，他已經助力三款抗癌藥物成功上市，其中包括諾華與Astex Pharmaceuticals聯合開發的乳腺癌治療藥物瑞波西利。放眼整個行業，即使僅將一款藥物推進至臨床試驗階段，也經常被視為重大突破。但他指出，即使進入臨床試驗，失敗率依然高達90%。諾華的生物醫學研究總裁菲奧娜·馬歇爾對此深表贊同：“找到完美分子的機率微乎其微。”正是這種極低的成功機率，凸顯了AlphaFold 2的價值，也幫助Isomorphic Labs匯聚眾多頂尖人才。計算生物學總監梅麗莎·戴維斯坦言，她正是因為對AlphaFold技術的拓展應用深感著迷而加入團隊的。“過去，科研人員可能只為結晶一個膜蛋白窮盡職業生涯。”戴維斯指出，“但如今，任何科學家都可以輕鬆生成一個蛋白質結構。”其他高管與哈薩比斯的合作淵源則更為深厚。目前，Isomorphic Labs約11%的員工來自DeepMind，包括現任總裁馬克斯·賈德伯格。他此前在DeepMind工作七年，其間主導開發了AlphaStar，這是首個在電子遊戲《星海爭霸II》中擊敗人類職業選手的人工智慧系統。“每當聽說有藥物化學家終其一生都未能成功研發出一款新藥，總是令人深感敬畏。”賈德伯格感慨萬千。“這與我在人工智慧領域的經歷截然不同——在那裡，你必須每六個月就突破世界頂級水平，否則就會被淘汰。”他補充道，“當理論照進現實，面對實實在在的科學流程與動手操作的實驗工作，那種敬畏感會變得無比真切。”鑑於哈薩比斯密集的行程，他在Isomorphic Labs的時間非常有限，因此招攬頂尖人才成為他的要務之一。他每周僅有一天（通常是周二）會前往這家新創企業的辦公室，與高管團隊會面，並為公司的技術方向確定優先事項。哈薩比斯特別看重人才的創造力，他曾經笑言，自己熱衷於管理那些“需要精心呵護的天才”。哈薩比斯指出，“任何專業科學家在技術層面都已經極為出色，但能否提出具有創造性的新思路，或精準地提出關鍵問題？這其實更為困難。尋找答案的過程，本質上是尋找正確問題的過程。”結構優先賈德伯格解釋道，Isomorphic Labs提出的“結構優先”方法，更注重模型的泛化能力，而非針對特定問題的專門化設計。這家新創企業正在致力於繪製人體內愈加複雜的生物星圖，從而更精準地預測任意化合物對多種疾病及其他生物過程可能產生的影響。首席技術官謝爾蓋·亞克寧指出，這旨在實現一種過去難以想像的精準度，猶如將火箭降落在人類永遠無法直接觀測的月球背面。其核心技術是一個由多個專有模型建構而成的藥物設計引擎。該引擎不僅包含升級版蛋白質預測模型，還整合了針對多肽、分子膠及抗體的專項模型。引擎的資料基礎融合了全球蛋白質資料庫、英國生物銀行、商業授權資料、內部生成資料集，以及合作夥伴提供的專有資訊。在投身藥物研發之前，馬克斯·賈德伯格曾經在DeepMind主導開發了人工智慧系統AlphaStar——這是首個在電子遊戲《星海爭霸II》中擊敗人類職業選手的人工智慧系統。圖片來源：BARRY CRASKE/COURTESY OF ISOMORPHIC亞克寧坦言，這項任務在某種程度上就是從現有資料中挖掘更深層的洞見——過去已經有許多研究者嘗試過這樣做，但大多無果而終。“然而，令人驚嘆的是，只要掌握恰當的技術，我們就能建構出這些令人震撼的系統。”他補充道。Isomorphic Labs沒有透露其短期內的主攻疾病領域——這種保密做法在製藥行業實屬常態，但在科技行業卻略顯反常。該公司稱，與禮來（Eli Lilly）、諾華等製藥巨頭達成的合作，正是其發展勢頭向好的有力佐證。（與諾華的合作已經於2025年進一步拓展。）然而在多次訪談中，多位高管表示公司的核心戰略是攻克“不可成藥”靶點。這一在藥物研發領域被廣泛使用的術語有著相對具體的含義，即針對胰腺癌、肺癌和結直腸癌中尤為常見的特定蛋白突變，以及在多種癌症中廣泛存在的轉錄因子展開研究。迄今為止，這些癌症依然對現有療法表現出較強的耐藥性，但它們很可能正是Isomorphic Labs決心突破的關鍵難題。節省五年，甚至更多藥物發現與人工智慧領域同樣遵循嚴酷的經濟規律。將一款新藥推向市場，通常需要投入超過20億美元，歷經十年乃至更長時間從發現走向臨床試驗，最終卻仍然要面對高達90%的失敗率。在人工智慧領域，算力瓶頸始終是難以迴避的挑戰；而在這一點上，背靠Alphabet的Isomorphic Labs獲得了雄厚的資金支援。Isomorphic Labs所處的賽道競爭同樣已經達到白熱化：要成為首家將人工智慧驅動藥物推向市場的新創企業，這份壓力可謂千鈞之重。其競爭對手如英矽智能目前已經有數款藥物在中國進入臨床試驗階段。Isomorphic Labs雖然沒有透露進入臨床試驗的具體時間表，但一個顯示正在接近該目標的訊號是：公司於2025年6月聘用精準腫瘤學專家本·沃爾夫擔任首席醫療官。他正在波士頓組建團隊。“要讓這一切成為現實，我需要一款具備卓越藥學特性的超級藥物，它能夠讓我直接而明確地驗證療效。”沃爾夫說道。目前，這家新創企業的人員配備與戰略方向依然主要專注於藥物發現階段，尚未擴展至臨床試驗或商業化領域。賈德伯格清楚地認識到其中的機遇與侷限。他表示：“至少在中期內，生物學中仍然會存在人類無法完全理解的部分。”他進一步指出，公司的目標是“建立科學嚴謹的流程體系，讓這一過程不再像魔術般玄奧難測，而更像是布設捕鼠器——以此精準鎖定我們想要達成的效應。”諾華的馬歇爾認為，人工智慧有望將藥物研發與臨床試驗周期縮短50%，降至五年左右。在她看來，研發時長的縮減很大程度上得益於藥物發現環節的最佳化升級。“但要進一步大幅壓縮時間難度很大，因為涉及人體生物學反應和安全性的關鍵驗證，依然需要通過臨床試驗來完成。”醫學界普遍認為，過去十年來，人工智慧藥物發現領域始終是承諾多於成效，而Isomorphic Labs如今許下的承諾則更為宏大。當我向哈薩比斯提及這一觀點時，他闡述了自己的核心理念：“攻克疾病”的願景，遠比“一勞永逸地根除病痛”更具廣度與現實可行性。他之所以刻意迴避“治癒”一詞，原因正在於此。他表示，我們固然無法保證人類不再患病，卻能夠依託先進的人工智慧與技術平台，建立一套系統化、可複製、可規模化的流程，在需求出現時，及時發現、設計並最佳化藥物或治療方案。“我們將逐步建構對生物學的基礎性認知。”哈薩比斯說道，“但願未來可以建立出類似虛擬細胞的模型，精準預測特定干預措施將引發怎樣的生物學變化。”他認為這一目標可能會在十年內實現，而這就引出下一個問題：“個性化治療能夠深入到什麼程度？不妨試想一下，你走進一家藥房，就可以為自身的特定病症做一次表型分析。如此一來，你便能夠精準掌握自身獨有的病情特徵。”這或將成為疾病治療領域的重大突破。哈薩比斯相信，對宇宙的思考，可以幫助理解存在於人體內的生物宇宙。畢竟，“isomorphic” （同構）一詞所指的，正是那些表象不同但結構相似的存在。與哈薩比斯交談後，我走向倫敦大學學院天文台那架建於1862年的弗萊望遠鏡。透過目鏡，我看到了土星。一束光從那顆行星傳到地球大約需要95分鐘。如此清晰地目睹這般遙遠的天體，讓人感到一種超現實的震撼。“宇宙的構造似乎就是為了迎接科學的探索。”哈薩比斯曾經這樣說道，“我甚至覺得，宇宙渴望被人類理解。不然科學方法何以如此奏效，又如此具有可重複性？暫且拋開人工智慧不談。電腦為何能夠正常運轉？說到底，它們不過是由沙粒、金屬和游離的電子拼湊而成的物件。可偏偏就是這些東西，催生出了不可思議的奇蹟。”（財富FORTUNE）