人工智能
NextFin News - 人工智能药物革命已用数年时间证明其能够预测蛋白质。如今，它面临唯一关键的考验：由算法设计的分子是否真能在人体内发挥作用？Isomorphic Labs 这家依托诺贝尔奖成果 AlphaFold 系统、由 Alphabet 支持的拆分企业，正站在这个转折点上。公司在 13 个月内筹集 27 亿美元外部资金，与诺华、礼来和强生建立合作伙伴关系，首批临床试验瞄准 2026 年底，它不再只是销售研究工具——而是正在转型为药物开发商。总裁 Max Jaderberg 本周在伦敦一场技术会议上直言：公司由 AI 设计的项目仍处于临床前试验阶段，Isomorphic 尚处“第一局”。这份谦逊与押注其上的 27 亿美元之间的落差，才是真正故事的所在。
AI 药物发现不再是演示的时刻
在过去十年的大部分时间里，制药领域的人工智能只意味着一件事：更精准的预测。由 Google DeepMind 开发并荣获 2024 年诺贝尔化学奖的 AlphaFold，通过从氨基酸序列预测蛋白质的三维结构，攻克了一项长达 50 年的重大挑战。但结构预测并非药物设计。药物不是一张蛋白质图片；它是一种小分子或生物制剂，必须找到靶点、以合适的强度与之结合、停留足够长的时间以产生作用、避免误击错误靶点、经受住肝脏代谢、抵达病变组织，并且不致患者于死地。每一步都有其自身的失败模式，而该行业的历史纪录极为残酷。据制药行业自身的贸易组织数据，开发一种新药耗时 10 至 15 年，平均成本达 26 亿美元（含众多失败项目的成本），而进入临床试验的新分子实体中，仅有约 12% 最终获得 FDA 批准。
Isomorphic Labs 成立于 2021 年 11 月，是 DeepMind 的拆分企业，由创始人兼首席执行官 Demis Hassabis 爵士领导，其明确使命是从预测走向设计。该公司的答案是 IsoDDE，即 Isomorphic Labs 药物设计引擎（Isomorphic Labs Drug Design Engine），这是一个整合了多个专有 AI 模型的统一系统，而非仅依赖 AlphaFold。2026 年 2 月，该公司发布了一份技术报告，描述了 IsoDDE 的部分能力，其基准声明引人注目。据报道，在测试蛋白质 - 配体系统分布外泛化能力的 Runs N' Poses 基准上，IsoDDE 在最难案例上的准确率较 AlphaFold 3 提升一倍以上——这些分子与模型训练中见过的任何样本相似度最低。该公司表示，IsoDDE 预测小分子结合亲和力的准确率超过自由能微扰等金标准物理方法，耗时和成本仅为后者的一小部分，且无需实验晶体结构。它仅凭氨基酸序列即可识别新型可成药口袋，这一能力通过复现近期在蛋白质 cereblon 上发现的隐秘位点得到验证。在抗体 - 抗原结构预测方面，该公司报告称，在一项具有挑战性的低同源性测试集上，其高保真准确率是 AlphaFold 3 的 2.3 倍、Boltz-2 的 19.8 倍。
这些数字中的每一个都附带一个关键前提：它们是公司自己的基准结果，尚未经过独立复现。这并不意味着它们毫无意义——同行评审的独立验证几乎总是落后前沿产业工作数年——但这确实意味着，市场正被要求在风险最高的时刻信任一个黑箱。Jaderberg 在这一问题上的公开姿态明显克制。本周在伦敦发表讲话时，他表示公司的努力仍处于临床前试验阶段，并将 Isomorphic 形容为处于"第一局"。在该公司 2026 年 5 月 12 日的融资公告中，他也表达了类似的审慎信心。
"我们的药物设计引擎行之有效，它为我们提供了一种可重复的方式，为多种疾病设计新药，构建一个此前无法企及的医药未来。"
这句话——"我们的药物设计引擎行之有效"——承载了大量含义。它是一项关于设计的声明，而非关于临床疗效。而这正是结构性论点与周期性怀疑交汇之处。
为何大型制药公司愿意掏钱
关于 Isomorphic Labs 最重要的信号并非其基准数据，而是谁为其买单。对于一家临床前阶段的生物科技公司而言，该公司的资本基础非同寻常。继 2025 年 3 月由 Thrive Capital 领投、GV 与 Alphabet 参投的首轮 6 亿美元外部融资之后，Isomorphic 于 2026 年 5 月 12 日完成 21 亿美元的 B 轮融资，仍由 Thrive 领投，Alphabet、GV、MGX、淡马锡、CapitalG 和英国主权 AI 基金加入。这使得外部资本总额达到约 27 亿美元，分两轮在一年多时间内完成——行业报道将其称为史上第二大生物科技融资轮次。
除股权融资外，公司还叠加了一系列战略合作，读来如同验证的连锁反应。与 Eli Lilly 和 Novartis 的合作聚焦于以往“不可成药”的靶点，据报道潜在里程碑付款分别为 17 亿美元和 12 亿美元。2026 年 1 月，Johnson & Johnson 通过 Janssen Biotech 签署了一项跨模态合作，覆盖小分子、生物制剂、肽类和分子胶——其模态范围宽于此前的两项协议。约 27 亿美元的外部资本，加上来自全球三大制药商的首付款与研究资金，让 Isomorphic 在尚未开展人体给药的情况下，拥有了异常充裕的发展周期。
对制药合作伙伴而言，战略逻辑直截了当。大型制药商眼看着自身研发生产力停滞不前，而重磅药物管线又面临专利悬崖；GLP-1 热潮为少数玩家掩盖了这一问题，但底层算式并未改变。如果外部引擎能够可靠地发现针对其自身化学家无法触及靶点的可行候选药物——隐蔽口袋、蛋白-蛋白界面、无已知配体的靶点——其期权价值巨大，而错失这一转变的代价则是生存问题。与内部 AI 转型相比，与 Isomorphic 合作成本更低：支付首付款并提供研究资金，换取接入一款设计引擎；一旦奏效，它将改写整个管线的经济账。
对 Isomorphic 而言，逻辑同样清晰。制药合作不仅是收入，更是一个分布式验证网络。每一个达到里程碑的合作伙伴项目，都是证明该引擎能够超越 Isomorphic 自身内部项目的独立数据点。在其融资公告中，公司将这些关系表述为能力上的有意平衡。
“制药合作伙伴关系是我们业务战略中非常重要的组成部分。我们通过确保与合作伙伴建立深度协作关系来实现这种平衡——将我们的前沿 AI 专业能力与他们经过验证的传统药物发现和临床开发深厚专长结合起来，共同解决难题。”
结构性转变：从预测到可重复的设计流程
投资者面临的核心问题是：AI 药物发现究竟是一轮会随着临床失利累积而均值回归的周期性炒作，还是一场不会自行逆转的结构性范式转变。证据指向后者——但路径漫长且充满损耗，途中看起来会像周期性波动。
有三点使本轮不同于以往 AI 赋能生物科技的周期。首先，底层能力真实存在且持续复利。蛋白质结构预测已达到十年前堪称科幻的水平，前沿已从静态结构转向动态相互作用——蛋白质与 DNA、RNA、配体和抗体的组合。IsoDDE 据报能在没有实验结构的情况下预测结合亲和力，这直击小分子设计的真正瓶颈，而非仅仅停留在可视化层面。其次，数据飞轮具有专有性且自我强化：每一款被合成并测试的设计分子，无论成败，都会反馈回模型。阴性数据——即在计算机模拟中表现良好却在实验室失败——尤其有价值，而 Isomorphic 一体化的设计-制造-测试闭环意味着它在内部积累这些数据，而非依赖公共数据集。第三，资本与合作结构改变了失败容忍度。传统临床前生物科技公司融资仅够达到首个概念验证，随后便面临二元悬崖。Isomorphic 拥有 27 亿美元资金跑道，再加上合作伙伴注资，可同时推进多个项目进入临床，这正是回答统计问题所需的样本量：AI 设计是否真的提高了临床成功率？
这是发现经济学的结构性转变，而不仅仅是速度提升。传统模式是顺序式且受限于人力：确定靶点、筛选现有化合物库、通过迭代化学优化先导化合物、开展临床前安全性研究、进入试验。每个周期以月计，并受限于团队实际能制造和测试的化合物数量。AI 优先引擎则将其倒置：先在计算机模拟中生成并评估数量级更多的候选设计，再仅将置信度最高的分子送入湿实验室。设计成本曲线趋近于零，而临床试验成本——占主导的费用——保持不变。正是这种不对称性，使得即便成功率仅小幅提升，该模式仍具有经济变革意义。
但这一结构性论点完全依赖于一个未经证实的环节：计算基准测试中的准确性能够转化为更好的临床结果。该行业此前已见证过优雅的计算方法在人体试验中折戟。基于物理学的自由能微扰、基于结构的设计、基于片段的筛选——每一项都曾承诺将原本依赖经验的流程理性化，但每一项带来的都只是渐进式改进，而非革命。反驳的观点是，生物学远比任何基于历史数据训练的模型所能捕捉的更为混乱，而在预测的结合构象与真正可用的药物之间，充斥着涌现的复杂性——脱靶效应、代谢缺陷、免疫反应——这些都不是靠增加推理阶段的算力所能消除的。
二阶后果：瓶颈向下游转移
这就是市场尚未充分定价的影响。如果 AI 药物设计哪怕只是部分奏效，制药研发的约束瓶颈也将从发现阶段转向临床开发阶段——而这是一个问题，而非解脱。
人人都能看到的一阶效应是更快、更便宜的发现：更多候选药物、每个候选药物的成本更低、可成药领域更广。二阶效应则是瓶颈迁移。临床试验进展缓慢、成本高昂，且受限于患者招募、研究者可用性和监管审查的产能。如果设计引擎生成可行候选药物的速度快于行业开展试验的速度，那么价值链中的价值将向掌控试验产能和患者准入的实体转移，并向那些能在候选药物进入人体前降低其风险的分析方法转移。这正是 Isomorphic 强调仅凭序列预测结合亲和力并识别隐秘口袋之所以重要的原因：它试图将更多失败前置到廉价的计算环节，在任何患者给药之前就将其排除。
三阶效应则是一个将定义未来两到三年的预期差。市场已经为"AI 设计的药物即将问世"这一叙事定价；而该公司自身的时间表已经推迟过一次，创始人 Demis Hassabis 在 2026 年 1 月的世界经济论坛上承认，首次临床试验预计将在 2026 年底进行，而非此前设定的 2025 年底——推迟了大约一年。按生物科技行业的标准这仍然很快，但也提醒人们：制定时间表的是生物学。当首批读出结果到来时，问题将不再是 AI 能否设计出分子，而是 AI 设计候选药物的临床成功率能否超过 12% 的历史基准率。一次成功只能证明可行性；投资组合层面的提升才能证明这一范式成立。
反方论点：什么可能推翻这一论断
反对 Isomorphic 的最有力论据并非技术有误，而是技术可能正确却仍显不足。即便经独立复现，蛋白质-配体预测的基准准确率衡量的也只是药物研发难题的狭窄切片。一个分子可以完美结合，却因毒性、生物利用度差、代谢过快或免疫原性而失败。结构导向药物设计的历史坟场里，堆满了在纸面上看似理想的化合物。如果 AI 设计项目的临床成功率收敛至行业平均水平，该引擎将沦为温和的生产力工具，而非范式转变；而对于一家尚无获批产品、项目仅处于 IND 申报准备阶段的公司而言，27 亿美元的估值将变得极难支撑。
此外还存在竞争风险：护城河可能比表面更窄。2 月的技术报告仅涵盖 IsoDDE 能力的子集，完整方法并未公开。但该领域拥挤且资金充裕——Recursion、Exscientia、英矽智能、Chai Discovery，以及每家大型制药公司的内部 AI 团队，都在追逐同一问题的重叠环节。如果核心技术像机器学习方法通常那样迅速扩散，Isomorphic 的优势可能更多建立在专有数据与执行速度之上，而非专有算法——虽可防守，却不及受专利保护的机制那样稳固。
证伪信号具体且可观察。如果 Isomorphic 的首批临床读数（预计自 2026 年底起陆续公布）未能显示出显著高于新分子实体历史 12% 基准成功率的表现——或者公司再次错过临床试验入组窗口且缺乏可信的科学理由——那么结构性转变的论点将大幅削弱，叙事将回归周期性炒作循环。反之，若在组合层面证明 AI 设计的候选药物以显著更高的通过率通过早期临床试验，那将是迄今为止证明格局已变的最强证据。
关注要点：2026 年拐点
近期催化剂具体明确。首先，试验启动：Isomorphic 表示，其内部项目最初聚焦肿瘤学与免疫学，目前处于 IND 申报准备阶段，目标是在 2026 年底进入临床。确认首例患者给药将是该公司最重要的单一数据点。其次，合作伙伴里程碑披露：礼来、诺华与强生项目的进展将提供独立于 Isomorphic 自身管线的验证。第三，进一步技术披露：2026 年 2 月的报告仅涵盖 IsoDDE 的子集；更多同行评审或经独立基准测试的结果将缩小复现差距。
三种情景勾勒出未来路径。基准情形是 Isomorphic 按计划于 2026 年末进入临床，交出好坏参半但可解读的早期数据——足以验证价值以维持合作伙伴参与、保持融资窗口开放，但不足以宣告该范式已被证实。乐观情形是早期阶段数据干净，将成功率明显推高至 12% 基准率之上，触发整个 AI 药物发现板块重估，并加速合作与授权活动。悲观情形是推迟至 2026 年窗口之外，或出现与传统的研发损耗难以区分的早期临床失败；在该情形下，资本成本上升，“AI 溢价”被压缩，该类别中的弱势玩家将被淘汰，即便 Isomorphic 本身凭借充足的资金跑道得以存活。
对更广泛的市场而言，按时间跨度的分野十分清晰。短期看，板块将由叙事与融资头条驱动——更多大规模融资轮、更多合作——波动性则与 AI 药物发现领域任何临床挫折挂钩，因为该类别仍被当作一个整体交易。中期看，首批临床数据将把拥有可行引擎的公司与只有漂亮演示文稿的公司区分开来。长期看，若该范式成立，创造的价值将不属于工具，而属于掌控“设计—制造—测试”闭环及其所生成数据的整合型平台——也属于那些得以获得针对迄今仍遥不可及靶点的药物的患者。
结论：Isomorphic Labs 已集结资本、合作伙伴与技术，尝试真正具有变革性的事业。模型令人印象深刻，支持者属顶级，使命之雄心不逊于生物技术领域任何项目。但唯一算数的裁决将由人类生物学作出，且时间表不在公司掌控之中。正如 Jaderberg 所认为，AI 或许终有一天能设计所有药物。在临床给出相反答案之前，这场革命仍处于临床前阶段。
更多独家洞察尽在 nextfin.ai.
