Newsletter · 2026-07-30 · Ashutosh Agarwal

AlphaFold团队解散,AI实验室开始自研药物 - AI药物发现周报 - 2026年7月30日当周

2026年7月30日当周的AI药物发现新闻周报。谷歌正在拆分AlphaFold团队,将研究人员调往Gemini和Isomorphic Labs;Anthropic披露将自主开发临床前药物;Regeneron、百时美施贵宝和礼来的表现显示,如今被视为真正护城河的专有患者数据掌握在老牌药企手中——这一切都发生在8月5日Recursion、Schrodinger和礼来财报公布之前。

AI Drug Discovery Weekly

2026年7月30日当周:AlphaFold团队解散,AI实验室开始自研药物

那支破解蛋白质折叠难题的团队正在被拆散,而这些AI公司则决定不再只卖铲子,自己下场挖矿。

TL;DR

• 谷歌正在拆分AlphaFold团队。 那支因预测蛋白质结构而荣获诺贝尔奖的团队成员,已被调往Gemini,或转岗至Alphabet旗下的药物发现部门Isomorphic Labs。约四分之一的团队成员已经彻底离开公司。DeepMind研究副总裁表示,团队"长期以来的宏大挑战战略如今已经演进。"翻译过来就是:这十年间最负盛名的"AI用于科学"项目,在公司内部的预算争夺战中败给了一款聊天机器人。
• Anthropic将自主开发药物。 不是为药企提供工具,而是真正的临床前项目,针对罕见病和被忽视的疾病。这一消息本周在BioCentury的播客节目中披露,它改变了每一家考虑订阅其平台的药企所面临的竞争问题。
• 上周的共识是"模型不再是瓶颈,数据才是。"本周我们弄清楚了数据归谁所有——是老牌药企。 Regeneron已对三百万人进行了基因测序,发现了逾100个保护性基因突变,其中约50个已成为药物项目。百时美施贵宝扩建了自己的AI超级计算机,将靶点识别时间从数周缩短到数天。礼来正在授权使用价值十亿美元的历史研究数据。
• 里德·霍夫曼将辞去微软董事会职务,全职经营一家AI化学公司。 他表示Manas AI已经研发出"人类此前未曾发现"的抗癌化合物,连他手下的计算化学家都从未见过。他在内部将其称为"化学界的第37手"。
• Schrodinger推出了本周唯一一款真正的新产品,一款名为Bunsen的智能体AI助手,与NVIDIA和谷歌云的基础设施捆绑销售。值得注意的是,没有任何播客节目讨论过它。
• Recursion本周格外沉寂。 没有新闻,没有分析师评级变动,也没有播客报道。它唯一露面的场合,是其CEO描述一间培育出一万亿个神经元的实验室。
• 我们跟踪的三只股票均在同一天——8月5日——公布财报。 本周的一切都是财报公布前的提前布局。

What's new

AlphaFold团队正在被拆解

这是本周最重要的故事,值得直白地说出来,因为它很容易被人低估。

AlphaFold是大多数生物学圈外人士听说过"AI用于药物发现"的原因所在。它能根据蛋白质的基因序列,预测其折叠成的三维结构——这是一个困扰该领域长达五十年的难题。它的创造者获得了诺贝尔奖。在AlphaFold问世之前,人类花了五十年时间,通过实验确定了约17万个蛋白质结构。此后,这一数字跃升至2亿至3亿个。

在Daily Tech News Show(7月29日)节目中,主持人报道称,该团队中的许多研究人员——"顺带一提,其中一些人还因AlphaFold的工作获得了诺贝尔奖的认可"——已被"调往Gemini,或转岗至Isomorphic Labs,也就是从DeepMind分拆出来的Alphabet药物发现公司。"而真正重要的数字是:"据说该团队约四分之一的成员已经离开公司。"

DeepMind研究副总裁Pushmeet Kohli将此定性为战略演进,称团队"长期以来的宏大挑战战略如今已经演进",转向更聚焦于Gemini,主持人指出,Gemini"显然是谷歌当下的最优先事项。他们正在非常努力地在前沿层面参与竞争。"

主持人将此解读为谷歌的胜利,这种论点也确有其道理。正如其中一人所说:"DeepMind的AlphaFold曾一度必须独立存在,因为当时它不得不独立存在。而现在把它——抱歉说个不太好笑的双关语——'折叠'进Gemini,让它成为Gemini已经能够胜任、并且已经在实际研究中使用的科学研究的一部分,这只会让整体变得更强。"AlphaFold的工具依然开放,Isomorphic Labs也仍在继续运营。

但抛开这些说辞,事实是:这个全世界在科学上最负盛名的AI项目,在公司内部与一款通用型聊天机器人争夺人才,结果输了。四分之一的团队成员已经离开。对于一个整个投资逻辑都建立在"AI将改变生物学"之上的行业来说,这个论点最耀眼的证明项目,竟在孵化它的公司内部无法作为独立优先事项立足,这一点值得深思。

同一周还有一个相关的信号。在Tech Brew Ride Home(7月29日)节目中,关于AI实验室竞相打造自我改进系统的讨论指出,据称Demis Hassabis正在走一条不同的路——通过"世界模型",而非通过能够递归自我改进的编程智能体。上周我们报道过Cythera的Woody Sherman主张为分子研究采用基于物理的"纳米尺度世界模型",而非语言模型。这两条线索可能正在汇合:DeepMind内部的押注或许是,分子科学最终会通过世界模型回归,而不是通过一支专门的结构预测团队。

Anthropic正在成为一家药物开发商

BioCentury 7月28日那期节目中的一则披露,理应获得比实际更多的关注。

这一期节目围绕一项梳理工作展开:记者Lindsay与同事Karen Tkach-Tusman花时间理清了各大AI公司近期发布的产品在制药研究整个技术栈中的定位。Anthropic在6月底发布了Claude Science。谷歌正在打造类似的产品。NVIDIA提供底层的工具与算力。亚马逊为特定任务打造智能体。OpenAI正在打磨模型本身。

随后,在对话进行到一半时,一位主持人问道:"Lizzie,我有个问题。我好像听说Anthropic自己也在涉足临床前药物开发?"

答案是:"是的。……Anthropic现在将为罕见病和被忽视的疾病开发临床前项目。除此之外他们没有透露太多。"

接下来的问题,正是每一位制药业高管此刻都会问的:"所以,如果你是一家考虑使用其工具的公司,这会不会让你产生警觉?现在这家公司同时也成了我的竞争对手?"

BioCentury将此直接抛给了Anthropic,并与该公司的Jonah Kuhl进行了交流,后者表示该平台"不会用用户的数据进行训练,也不会以任何方式持有用户的数据。这不属于他们商业模式的一部分。"官方给出的动机是为了理解药企在药物开发中面临的困难。BioCentury并未全盘接受这一说法:"我认为这是否真的会完全如此发展,我们还得观察是否存在其他隐情。"

这为何在商业上至关重要:平台型AI向药企兜售的整套说辞就是"把你的专有数据给我们,我们让你更快。"如果平台提供方自己也在运营管线——哪怕只是从商业角度不那么诱人、因此是个圆滑起点的罕见病和被忽视疾病领域——信任的算盘也会因此改变。BioCentury预测了应对之道:"会出现一些替代性的接入模型方式,比如联邦学习,或者其他以受保护方式为特定目的收集或归集数据的联盟,这样你就不必把数据交给一个潜在的竞争对手。"(联邦学习指的是训练一个共享模型,而任何一方都无需交出自己的原始数据。)

关于这一切的规模背景:在Equity(7月22日)节目中,Menlo Ventures的Matt Murphy指出,截至5月,Anthropic的年化营收已达到470亿美元,而2025年这一数字仅为90亿美元,他将此归功于其企业业务重心以及包括"面向生命科学的Claude Code"在内的产品。一家营收规模达到这一水平的公司涉足临床前开发,绝非什么科研小项目。

老牌药企亮出底牌,而它们的数据量极其庞大

上周那期报道发现,三个独立声音都得出同一个结论:AI模型已不再是制约因素,合适的实验室数据才是。本周我们得到了那个显而易见的后续问题的答案——谁真正拥有这些数据——而答案对纯AI药物发现公司来说并不好受。

Regeneron。 执掌Regeneron基因组学中心的Aris Baras,在Business Of Biotech(7月27日)节目中贡献了本周或许最具实质内容的一次访谈。

他从真正的问题谈起,而这个问题与建模无关。他的团队分析了有史以来所有被追踪过的药物靶点、所有获批药物、临床试验中尝试过的一切,发现这覆盖的"大概只有基因组的10%左右。10%。总共有两万个基因,而我们真正涉足过的大概只有10%。"因此,用他的话说,"我们这个行业的失败率高达90%。大多数人并没有意识到这一点。我们每天醒来,做的大部分事情都会失败。"

他们的方法是:找到那些天生基因就能保护自己免受疾病侵扰的人,然后开发出能模拟这种突变效果的药物。灵感来自PCSK9——达拉斯心脏研究发现,携带该基因失效版本的人,"心脏病发作率降低了90%,坏胆固醇水平也很低。"Baras解释了这为何能给一切降低风险:"临床试验几乎已经提前完成了。你可以查看数以千计缺失这个基因的人一生的数据,看看他们获得的益处。好了,这样一来,突然之间,失败率就不再看起来像90%了。"

问题在于这些人非常罕见,"千分之一,万分之一",单一案例说明不了任何问题。"找到其中一个人固然很好。但要真正确信,你得看到成百上千个。"这正是这一规模所在的全部理由:三百万人的测序数据。

历时十三年,结果是:"我们发现了超过100个这样令人惊叹、近乎不可思议的保护性人类遗传因素的故事。我们已经将其中大约一半——也许是50个左右——转化为新药物,历经十多年,纳入了Regeneron的研发管线。" 甚至涵盖了最棘手的领域,如神经退行性疾病,乃至癌症:"有些人天生携带能让他们永远不会患上某种癌症的基因变异。想象一下这其中的可能性。"

他讲述了一个尚未公开靶点名称的实际案例:一个基因,"就降低肝脂肪、降低肝病风险而言,其效应量是我们在任何遗传学、任何基因、任何靶点中所见过的最大值。"由于该基因的保护性版本本身是失效的,"我们立刻就知道必须开发一种抑制剂。"由于他们的转录组数据显示该基因位于肝细胞内部,"没法用抗体来做。"于是他们通过与Alnylam的合作,将其转化为一种正处于后期开发阶段的基因沉默药物,数据有望在今年晚些时候公布。这就是完整的闭环——从群体遗传学到药物形式选择再到临床——请注意其中有多少环节与AI无关。

AI真正发挥作用的地方分为两个层面,而第二个层面才是战略上真正有意思的部分。

平淡的一层:他们用AI进行"变异判读",也就是从每个基因组数以十亿计的变异中,分辨出哪些毫无意义、哪些真正重要,以及在"数十万张图像"中实现标注自动化。Baras将早期采用"当然是Claude系列模型"归功于即将退休的首席数据官Jeffrey Reed。

战略层面,用他自己的话来说,是本周最值得引用的一段话:

这些公司在开发这些AI模型方面所取得的成就令人惊叹。而且它们只会变得越来越好,或许还会更高效。但当它们都在公共数据上训练时,往往开始变得雷同,对吧?所以Anthropic和OpenAI在很大程度上都是在训练同样的数据。所以它们可以在模型层面做出差异化。但如果你能将这些模型配对使用,或者更进一步,用我们在这里生成的这类数据来训练它们呢?

他随后明确地做了一个支出对比:AI公司正在向数据中心投入数十亿美元,用公共数据进行训练,而"我们花费的数十亿美元、花了十年时间构建的,是那些更具体、对医疗健康领域更独特的专有数据集。"他心目中的最终奖赏是:将数亿份跨越数十年的健康记录,与基因组和蛋白质组的深度数据配对起来,"你终于可以开始训练模型来理解人类生物学,并对其进行预测。"

他所描述的终极目标,让人毫无疑问这个项目是否会趋于停滞:"我确实看到了这样一个未来:我们将为每个人生成基因组和蛋白质组数据。所以这里不存在收益递减。这里没有终点线。我们要全力以赴。"

有一处出人意料的坦诚承认,恰恰对他不利:作为早期测序领域的领跑者,"这对我们而言正变得越来越不算什么战略优势了。"测序成本已经大幅下降。真正的护城河在于基因组与数十年健康记录之间的关联,而不是测序本身。

百时美施贵宝。 Science News Daily(7月22日)报道称,BMS扩建了其AI平台,是在"大约三年前启动的最初一套DGX超级算力集群"基础上进行的,"目标是将靶点识别时间从数周缩短到数天。"(DGX超级算力集群是NVIDIA预先打包好的AI超级计算机。)公司管理层将目标定位为"减少人工工作量,并提高推进项目的准确性"——请注意第二个分句,它讲的是提高命中率,而不是速度。公司未披露财务数字或商业化时间表。BioCentury在别处将此归为一种趋势的一部分:"或许那些有资本达成此类交易的大型药企,相比可能只能接触到平台本身的小型生物科技公司,能够更快地做更多事情。"

礼来。 礼来则从第三个角度做着同样的事——把数据出租作为一道护城河。7月23日,Sprint Bioscience正式加入礼来于2025年末推出的AI药物发现平台Lilly TuneLab。这项安排让Sprint得以接入基于礼来专有研究数据训练的预测模型,据称这些数据代表着超过10亿美元的历史研究投入。同一天的另一份行业报告重点提及了礼来与NVIDIA约10亿美元的联合创新实验室,以及2026年初上线、配备1016块Blackwell Ultra GPU的"LillyPod"超级计算机。

将这三者放在一起,一种应当让任何看多纯AI药物发现公司的投资者感到担忧的模式便浮现出来:大型制药公司正在内部自建AI药物发现公司所出售的那套能力。 它们拥有数据,拥有达成算力合作交易的资本,而正如BioCentury的报道所说,"限制因素并非模型或平台的可获得性,而更多是数据以及它们所进行的检测类型。"

里德·霍夫曼全力押注AI化学

在Masters of Scale(7月25日)节目中,里德·霍夫曼在与萨提亚·纳德拉的对话中宣布,他将在年底辞去担任十年的微软董事会职务,重返"创始人模式",全职经营他那家AI驱动的化学公司Manas AI。

他给出的理由是一项成果,他讲述得十分谨慎。Manas内部对他们正在见证的现象有一个专属称呼:"我们内部把它称为化学界的第37手,因为我们正在看到一些化学成果,它们或许真的有可能对一些非常棘手的癌症和其他疾病下手。"

(对于没听过这个典故的读者:第37手是AlphaGo在2016年对阵李世石时所下的一步棋,没有任何人类棋手会选择这一步,它看起来像是个失误,结果却被证明是神来之笔。它后来成为AI产出真正超出人类直觉之物——而非仅仅更快——的标准简称。)

他给出的验证方式是人类专家的惊讶反应:"我们请来了世界上一些最顶尖的计算化学家,他们看了之后说,这非常有意思,我们以前从没见过,这也许行得通。"更关键的是:"我们在Manas所做的这类化学研究——人类此前从未发现过这种化学。"

他对这一现象为何会发生的解释,才是这个论点真正有价值的地方。他说,AI是"一种异质智能……AI的一个不同版本,被打造得极力模仿人类智能,这给我们带来了大量的效用,但它的推理模式与我们并不相同。人们经常遇到这一点,然后会说,哦,这挺吓人的。你可以说,不,其实……这也很美妙,因为它让新事物成为可能。"

值得肯定的是,他并没有夸大时间表:"这还非常早期,对吧?这些事情还需要经历漫长的过程,包括所有的IND申报。"(IND是一家公司在能够对人体进行药物测试之前向FDA提交的申请,是第一道真正的监管关卡。)一个让化学家印象深刻的新颖化合物,距离成为一款药物还有很长的路要走。

本周其他真正的科学进展

一种经过设计的蛋白质将CRISPR的错误率降低了五倍以上。 AI Chat(7月24日)报道:一支中国研究团队利用AlphaFold重新设计了CRISPR-Cas9基因编辑蛋白,在10个关键位点上测试了23种氨基酸替换。脱靶编辑——即在基因组错误位置进行切割,这是基因编辑领域的核心安全问题——从28%降至5%,同时对目标位点的准确性保持不变。研究发表于《自然》杂志。一个引人注目的机制细节:超过95%的脱靶位点显示出与引导RNA接触的氨基酸发生了变化,即便蛋白质的整体形状并未改变。这是AI结构预测发挥实际作用的一个很好的例子——不是"从零开始设计一款新药",而是让现有工具变得更安全。

Scape Bio在《自然》杂志上发表了一篇关于AI设计的迷你蛋白质的论文,针对的是一类此前生物制剂始终难以攻克的靶点。 在The Bio Report(7月22日)节目中,联合创始人兼CEO Christopher Norn阐述了这一差距。GPCR——这一受体家族是相当一部分获批药物的作用对象,也是GLP-1类减肥药所作用的家族——大多是通过小分子和多肽来给药的。抗体在这里几乎不起作用:"获批药物的例子非常少。总共只有三个。而在这三种抗体中,没有一种具备激活受体的能力。"

原因在于物理层面。这些受体嵌入在细胞富含脂质的膜内,不溶于水,因此制造抗体的标准途径行不通:将受体从膜中取出后,"它们会呈现出略微不同的构象,这样制造出来的分子最终就会失去功能。"Scape的解决办法是直接在"人类细胞内部"筛选结合活性,"让受体保留在其原生环境中。"

他们设计的分子是迷你蛋白质,"仅有40到70个氨基酸长",相较之下抗体"要长上大约15倍",Norn认为这带来了更好的物理契合度:"我们能够相当深入地穿透进它们的口袋,并将它们锁定在期望的状态中。"他将这些分子描述为"像抗体一样具有选择性,像小分子一样稳定",并且可以被配制成能够耐受消化,以用于局限于肠道的疗法。

结果是:与David Baker的实验室合作,"我们现在已经针对11种不同的GPCR完成了这项工作……我们能够生成激活或[抑制]这些受体的调节剂。"《自然》论文与该期节目同日发布。

关于语言模型在何处发挥作用,还有一个与分子设计毫无关系的有趣细节。Norn将其用于靶点选择,这项工作历来是"一屋子人反复讨论某个具体靶点……没完没了的讨论",每个人都有自己钟意的GPCR。而现在:"用大语言模型,我们可以系统化地做这件事。我们动用了数十亿个token,大概针对了3000种不同的靶点-适应症-作用机制组合进行研究,最终筛选出大约八个选项的清单。"他仍让人类参与其中:"我们终究还是人类,我们会审视结果,在某些情况下我们也具备一些行业知识,让我们能做出与AI选择不同的排序。"还有一点诚实的补充:在生成蛋白质骨架时,他们使用Baker实验室的方法,比如RF扩散,但也会用到"大量天然骨架库,这些骨架有时表现得比AI生成的骨架还要好一些。"大自然有时依然能胜过模型。

这家公司规模很小,起步也很早:去年6月从哥本哈根生物创新研究所(Bioinnovation Institute)分拆出来,此前经历了两年半的技术积累,已完成种子轮融资,正在筹集更多资金。

基因组语言模型正在向生产制造领域延伸。 Off Script(7月28日)覆盖了这份新闻周报此前关注不足的一个角落:将基于基因组训练的语言模型应用于菌株优化和生物制造产能,让生产抗体和生物制剂的工程化生物体产出更高。发现环节总是占据头条,但制造产能才是很大一部分利润真正所在之处。

公共资金正在为数据飞轮提供燃料。 Crain's Daily Gist(7月29日)指出,西北大学获得了一笔2000万美元的NSF拨款,用于建设一间面向蛋白质工程的云实验室,由AI提出蛋白质设计方案,研究人员进行合成与测试,结果再反馈回去作为训练数据。规模不大,但这正是上周Xaira和Lila Sciences那两期节目所主张的"自己生成数据"这一整套架构,如今正体现在联邦科研经费之中。

监管:FDA的AI试验试点计划迎来首批真正的批评

Note to File(7月22日)节目通读了公众对FDA有关早期临床试验AI优化试点项目征求意见稿的评论。这一点值得跟踪,因为这正是AI在药物开发中从一个科研故事变成一个合规故事的节点。

最尖锐的评论来自Massive Bio,该机构主张FDA应当将其设计为"一个具有监管级别、由人类主导的AI赋能试验协调项目,而非一个狭隘的模型评估或仅限申办方的操作性实验。"主持人认同这一批评:"看起来确实像是一个仅限申办方的操作性实验。这就是他们请上台的人,对吧?两家申办方。"

他们还质疑为何从肿瘤学领域起步,那里"入组率通常并不算高。那里有大量数据点非常凌乱……这似乎是个奇怪的起点。"不过他们也承认了反面论点:如果真正的目标是把试验与电子健康记录连接起来,那么肿瘤学确实说得通,"因为临床试验本身就变成了临床护理的一部分。所以它理应存在于电子健康记录中。"

对于身处这一切核心的这家私营公司,存在着公开的质疑:"直接将数据录入这个Paradigm系统,再流转给FDA,这本身也挺奇怪的。我是说,显然Paradigm花了不少时间筹集大笔资金,同时保持低调。然后突然之间它们就冒出来了,还建立起了这层关系。"

语气的转变才是信号所在:"这件事刚曝光的时候,大家都在为这是朝创新迈出的一大步而鼓掌。而我当时就在想,真的是这样吗,我不太理解。而现在至少有人站出来,变得更批判一些了。"

同一节目的另一期姊妹集(7月30日)给出了当前行业规范最清晰的表述。在讨论Gleam——一家用AI协助试验协调员进行数据录入的公司——时,标准被描述为两部分:工具必须"符合用途要求",而且必须有"另一端负责任的人类"把关。执法针对的是那些在没有人类审核的情况下部署AI、或使用不符合预期用途的工具的公司。这原则上是一道很低的门槛,但在实践中却是一个有意义的约束——它排除了几乎每一种试验自动化推销说辞中那种完全自主的版本。

另外,同一期节目将FDA对中国临床数据的限制解读为产业政策,而非数据质量政策:"他们是不是只是想表明,他们不希望临床研究工作转移到海外去?"

The debate

上周的辩论围绕一个瓶颈展开。三个独立的声音都表示AI模型已不再是制约因素,争论的焦点在于什么取代了它:是更多更好的实验室数据(Xaira、A-Alpha Bio、Lila Sciences),还是一种需要更少数据的更好分子表示方式(Cythera基于物理的方法)。

本周,辩论走向了一个更令人不安的方向:如果数据是护城河,那么这道护城河属于过去二十年一直在积累患者数据的公司,而不属于过去五年一直在积累GPU的公司。

以下从正反两个方向摆出论据,因为本周两边的说法都有人在讲。

老牌药企胜出。 Regeneron拥有三百万份与数十年健康记录相关联的测序基因组,以及100个经过验证的保护性突变,其中50个已经是药物项目。这花了十三年时间,无法用钱买到。BMS拥有自己的AI超级计算机。礼来正把价值十亿美元的研究历史作为平台出租。BioCentury的梳理说得最精辟:整个技术栈中真正能做出差异化的中间层在于,"药企或生物科技公司即便使用的是别人也能接触到的同一个平台或模型,也能真正做出差异化",因为"限制因素并非模型或平台的可获得性,而更多是数据以及它们所进行的检测类型,而这类东西不见得会以同样的速度改变。"而当被直接问及平台准入是否能拉平小公司与大公司之间的差距时:"我不确定,比如说,一家小型生物科技公司接入这个模型,是否就能让它与使用Claude Science的大型药企站到同一水平线上。"

这个论点还有一个更糟的二阶版本,对小玩家更不利。这不仅关乎数据量,也关乎算力资本。BioCentury指出,大型药企能够达成算力层面的合作交易,比如BMS与NVIDIA的合作,"相比之下,小型生物科技公司也许只能接触到平台本身。"而运行智能体的成本如今已成为一项实实在在的支出:NVIDIA的Kimberly Powell指出,"每当一个智能体在等待、思考下一步该做什么的时候,它都在消耗token。"BioCentury将其类比为科技行业已经发生过的现象:"我们曾经见过这种'token狂飙'的概念,对吧,持续了一段时间。每个人都只想尽可能快地行动,鼓励所有员工尽情使用token。而现在他们开始收手了,因为人们发现,天哪,这真的很贵。"纳德拉在Masters of Scale节目中也表达了同样的观点,他警告说"人们可能会疯狂地以低效方式花费大量token",并指出"谁能想明白如何更高效地用token去实现真正重要的成果,谁就会占据优势。"算力成本纪律正在成为药物发现领域的一个竞争变量,而这有利于资产负债表雄厚的一方。

挑战者胜出。 反方的论点是,老牌药企拥有的数据是错的一类,而本周真正有意思的成果恰恰来自小团队。Scape Bio只是哥本哈根的几个人,却刚刚在《自然》发表论文,攻克了三种获批抗体都无法激活的十一个受体。Manas研发出的化学成果,是全世界最顶尖的计算化学家都从未见过的。一位从种子轮就持有Chai Discovery股份的投资者,将其蛋白质基础模型形容为"卓越"。这些成果没有一个需要三百万份基因组数据。它们需要的是一个明确、精心选定的问题,以及对它的一种良好表示方式。

还有一个确实存在的论点是,老牌药企的数据优势并没有看上去那么大。Baras本人就承认,作为早期测序领域的领跑者,"随着成本下降,这正变得越来越不算什么战略优势。"人类群体遗传学能告诉你哪些靶点值得追求,但对于如何设计出能命中这些靶点的分子,它几乎什么都说明不了——而这恰恰是AI原生公司真正发力的地方。Regeneron自己的肝脏案例正好证明了这一点:遗传学挑选出了靶点,但药物本身来自与Alnylam的合作。靶点选择和分子设计是两门不同的生意,而纯AI公司大多身处后者。

还有一个尴尬的第三种可能性,AlphaFold的这条新闻正是引出了它:前沿AI实验室可能会通吃整条链条。 Anthropic目前年化营收达470亿美元,并已开始自己的临床前项目。OpenAI正在打造GPT Rosalind,BioCentury将其描述为"GPT 5.5,但在化学方面注入了科学信息,并用额外的数据集来训练该模型,使其在科学领域变得更专精。"谷歌正把自己的科学人才整合进Gemini,把药物项目整合进Isomorphic Labs。这些机构的资本成本,比整个公开上市的AI药物发现板块加起来还要低,而它们刚刚开始与自己的客户展开竞争。

我们的结论。 老实说,纯AI药物发现公司正被两端同时挤压,而本周的进展让这一局面变得更糟而非更好。在它们上方,拥有不可替代的患者数据和购买算力资本的老牌制药公司正在内部自建这种能力。在它们身旁,资本成本远低于它们的前沿AI实验室正沿着技术栈向下移动,进入药物开发本身。纯AI公司对中间层的主张——即它们独特地把计算能力与生物学洞察结合在一起——恰恰正是这两个"邻居"如今都在挑战的说法。

有一项资产,老牌药企确实无法快速复制,也正是上周和本周都被反复提及的同一样东西:阴性数据。 BioCentury直言不讳地指出,"你需要阴性数据。而这不是[Claude] Science或蛋白质数据库中能找到的东西,不是你能通过连接器直接调取的东西。那是需要经验积累和公司自有专有数据才能获得的东西。"知道什么失败了、为什么失败,不会出现在任何公开数据库中,因为没有人会发表失败案例。一家拥有十年自身失败实验积累的公司,拥有任何模型都无法下载到的东西。这一点,而非模型质量,才是专业公司仍然保留的最强论据。

还有一点让担心这一切会让专业知识变得多余的读者感到安心。当被问及一位拥有多年经验的博士是否仍具优势时,BioCentury给出的答案毫不犹豫:是的,"因为你必须能够知道自己该问什么,也该知道自己不该问什么。所以你需要围绕科学的背景知识和经验,来引导这个智能体。"给出的类比是编程:"有人说,哦,以后没人会自己写代码了。但眼下,[Claude] code最有效的使用者,恰恰是那些懂得如何编程的人。"

Stocks in play

我们跟踪的三只股票均在同一天——8月5日——公布第二季度财报。Recursion在开盘前公布,Schrodinger在收盘后公布,礼来也在当天公布。以下所有内容都是在静默期内围绕财报展开的提前布局。

Schrodinger(SDGR),15.35美元,本周上涨1.5%。 三只股票中唯一一只有真正产品事件的公司。7月27日,Schrodinger推出了Bunsen的早期访问版本,该公司将其描述为"其全新的智能体AI联合科学家,能够帮助研究人员理解科学目标、制定计算策略、执行复杂的分子发现工作流并解读结果。"

这一定位是刻意为之的,值得原文引用,因为它正是这份周报数周以来一直跟踪的"物理加AI,而非用AI取代物理"这一论点的精确体现:"通过将AI与基于物理的模拟相结合,Bunsen让研究人员能够以更大规模发挥自身专长……与那些只能检索和总结现有科学信息的通用型AI系统不同,Bunsen经过优化,专门用于执行Schrodinger经过验证的计算方法,并借助该公司数十年基于物理的分子发现专长。"

这句话的后半部分才是商业上真正有意思的地方:"Bunsen让经验丰富、但并非计算化学家的药物猎手也能使用这些先进的计算方法。"Schrodinger一直以来的结构性难题在于,其软件需要计算化学家来操作,这就限制了任何一个客户内部潜在用户群的规模上限。如果一层自然语言界面真的能消除这一限制,就能提升每个客户账户下的坐席数量。CEO Ramy Farid将其定位为消除发现周期中的摩擦、扩大平台用户基础。全面商业发布的目标定在2026年年底前。

它同时携手重量级基础设施合作伙伴一同亮相。作为与NVIDIA和谷歌云合作的一部分,双方"将共同打造一套联合工程设计的全栈AI平台,支持Bunsen的早期客户",其中包括谷歌云的弹性算力,以及与NVIDIA BioNeMo智能体工具包和NVIDIA RTX PRO 6000 Blackwell服务器版GPU的集成。NVIDIA数字生物学总监Anthony Costa公开就这套技术栈发表了评论。

有两点需要谨慎看待。首先,这只是早期访问,不是营收,全面发布还有五个月,8月5日的财报电话会将是首次听到有关早期采用情况的信息。其次,也更耐人寻味的是:在我们梳理的所有播客中,没有一档讨论过Bunsen。 对于一家其叙事高度依赖被视为AI领导者的公司来说,在整个行业从业者都在讨论Regeneron的基因组和DeepMind重组的同一周推出智能体产品,却完全没有获得任何关注,这本身就是一个关于话语权/关注度的数据点。

关于本次财报的背景:市场普遍预期每股亏损约0.41美元,营收约4720万美元。5月季度给出的全年指引维持不变:软件年度合同价值为2.18亿至2.28亿美元(较2025年增长10%–15%),药物发现营收为5500万至6500万美元。华尔街目标价大多集中在十几美元后段到二十多美元中段。

Recursion(RXRX),3.03美元,本周上涨0.7%,仍接近其52周低点2.77美元。 真正意义上空空如也的一周。没有实质性的公司公告,没有分析师评级变动或目标价调整,也没有播客报道。该股目前已连续三周在3.01美元至3.03美元区间内基本持平,而其在过去一年内曾高见7.18美元。

它唯一的露面场合,是CEO Najat Khan在7月23日的美国科学峰会上,谈及罗氏/基因泰克神经科学联盟。她描述该合作产生了一万亿个iPSC来源的神经细胞,大致相当于十二个人脑的细胞总量,这些细胞在一间自主实验室中培育,用于开展一项全基因组敲除研究,系统性地逐一敲除全部两万个人类基因。她将这一产出归功于Recursion位于盐湖城的超级计算机BioHive。

这有两种解读方式,而它们对你如何为8月5日布局都很重要。宽容的解读是,这正是上周几期节目所主张的真正护城河所在的那种数据工厂,而Recursion是极少数完全拥有这样一座工厂的上市公司之一。请注意与Regeneron的对称之处:两万个基因,正是Baras所说的行业迄今为止只涉足了其中10%时所用的同一个分母。怀疑的解读是,Recursion多年来一直在描述听起来令人印象深刻的规模,而股价却已跌去一半以上,大会上的评论并不等于一笔交易、一个里程碑或营收。一万亿个细胞是投入,投资者等待的是产出。

关于持股情况也值得一提:贝莱德提交了一份修订后的被动持股披露,持股比例为8.5%,约合4454万股A类股票。

礼来(LLY),1155.27美元,本周下跌2.6%,仅周四单日就下跌4.5%。 礼来度过了迄今为止最忙碌的一周,而其中几乎没有一件事与AI有关。这里需要区分两件事:本周期间发生了什么,以及周四发生了什么。

本周期间,头条新闻是retatrutide——礼来的三重激素减肥药——在7月23日公布了两项三期试验的顶线结果。两项试验均达到了主要终点。在TRIUMPH-2试验(2型糖尿病合并肥胖)中,接受4毫克、9毫克和12毫克剂量的患者在80周时分别平均减重29.8磅、45.4磅和49.6磅,血糖降幅最高达1.6%。在TRIUMPH-3试验(伴有已确诊心血管疾病的重度肥胖)中,患者在80周时平均减重最高达55.8磅。最高剂量组的次要心血管指标表现强劲:甘油三酯下降37.0%,非高密度脂蛋白胆固醇下降16.5%,收缩压下降9.3毫米汞柱,腰围减少7.5英寸,高敏C反应蛋白(一种炎症标志物)下降51.2%。

真正影响股价的是那些注意事项。在硬性心血管事件方面,结果并不干净:在更宽泛的五项复合指标上,retatrutide组发生44起事件,安慰剂组发生52起(风险比0.82,提示有获益),但在更狭窄的三项复合指标上,分别为27起对23起(风险比1.12,提示无获益)。礼来指出此类事件"在retatrutide组和安慰剂组中发生的频率都低于预期",这是统计效力不足结果的标准解释,但也让心血管方面的结论悬而未决。高剂量下的耐受性是一个真实问题:在TRIUMPH-2中9毫克剂量组因不良事件而停药的比例达到11.6%,在TRIUMPH-3中12毫克剂量组达到13.5%,而安慰剂组仅为约4.8%–4.9%。递交申报的时间也延后了:礼来计划在2027年第一季度提交美国获批申请,较此前预期的2026年末有所推迟,原因是需要完成生产数据资料包。其他报道还指出,峰值减重幅度不及此前TRIUMPH-4试验中观察到的28.7%。BMO对这一数据整体的获益-风险表现及潜在的同类最佳疗效持正面看法。

第二个压力点来自商业层面。Foundayo(orforglipron)——礼来于2026年4月获批的小分子GLP-1口服药——上市表现平淡,周处方量已连续五周停滞不前。高盛将其对Foundayo第二季度销售额的预估下调至4000万美元,而市场普遍预期接近1亿美元,并将该药2026年美国营收预估从11亿美元下调至7.55亿美元。尽管如此,高盛依然维持"买入"评级和1283美元的目标价,理由是Mounjaro在国际市场的强劲销售,以及可能上调的业绩指引,足以抵消这一疲软开局。7月下旬其他机构的目标价也在上调:摩根大通上调至1400美元,瑞银上调至1425美元,伯恩斯坦上调至1385美元,Truist上调至1370美元,美国银行上调至1334美元。

关于周四4.5%的下跌,我们没有确凿的单一驱动因素,也不打算编造一个。我们能说的是,该股本周一度冲高至1210美元,随后在单个交易日内回吐的涨幅超过了此前的涨幅——就在一份财报公布前的六天,而市场对一款关键新上市药物的普遍预期可能需要下调60%。这是一种布局比消息更重要的局面。

本周礼来的其他动态,均与AI无关:与合同制造商Resilience达成一项7.5亿美元的联合投资,用于扩大美国产能,升级俄亥俄州的工厂以提高礼来KwikPen注射装置的产量,并创造400个就业岗位,这是整个行业应对品牌药100%关税威胁——除非企业将生产迁回本土或降价——的广泛举措之一。诺和诺德在新泽西州联邦法院依据《兰哈姆法》起诉礼来,指控礼来的Zepbound和Mounjaro电视广告存在误导,理由是这些广告引用了较早的SURMOUNT-5数据,将礼来最高剂量与诺和诺德较低剂量进行比较,却忽略了诺和诺德新近获批的7.2毫克剂型;礼来表示其广告基于直接的科学证据,将全力抗辩。礼来神经科学部门一位前执行医学总监在印第安纳州南区联邦法院提起了歧视和报复诉讼。回顾来看,礼来以63亿美元收购Centessa的交易已于本季度完成交割,其中包含最高15亿美元的或有价值权,由此获得了一系列针对睡眠障碍的食欲素2型受体激动剂研发管线,该交易的溢出效应促使Piper Sandler于7月28日将Alkermes的目标价从43美元上调至65美元,并指出Alkermes股价自Centessa交易宣布以来已上涨76%。

Read-throughs

对NVIDIA(NVDA)而言。 本周的材料中,NVIDIA出现的频次超过任何一家纯AI生物科技公司,而且从未以竞争对手的身份出现,始终是那个收过路费的角色。它提供"科学家可以使用的工作台工具和模型,以及运行这些工具和模型所需的基础设施与算力。"BMS扩建了一套DGX超级算力集群。礼来运行着1016块Blackwell Ultra GPU。Schrodinger的新产品与NVIDIA的BioNeMo智能体工具包在RTX PRO 6000 Blackwell服务器上联合工程化交付。BioCentury预计还会有更多算力层面的交易。无论"数据与模型"这场辩论最终谁胜出,NVIDIA都两边通吃,而且正在兴起的token成本纪律,可以说会推动客户购买更高效的算力,而不是减少算力购买。

对Alphabet(GOOGL)而言。 同一周内出现了两个相互矛盾的信号。AlphaFold团队的解散说明,科学上的登月式项目在内部优先级上已经败给了核心模型业务。与此同时,谷歌云是Schrodinger推出Bunsen所依托的两大基础设施合作伙伴之一,Isomorphic Labs也正在吸纳部分AlphaFold的人才。一个前后一致的解读是,Alphabet正在整合:科研人才归入Gemini,药物项目归入Isomorphic,商业化的生物学业务归入云服务合同。这或许是一门组织得更好的生意。但对于那些部分因为突破性科学的可选性而看好Alphabet的人来说,这是一个更糟的故事。

对CRO(合同研究机构)和临床试验基础设施这一整个板块而言。 FDA试点计划遭到的批评,不利于那些最激进的"AI用于试验"叙事。当前的实际标准——工具必须"符合用途要求",且必须有"另一端负责任的人类"——排除了目前被兜售的几乎所有试验自动化方案中那种完全自主的版本,也保留了合同研究机构所出售的那层人力服务。与此同时,Craig Lipset在The Digital Health Roundtable节目中的论点则指向另一个方向,从更长的时间维度来看:如果AI真的能把开发成本降得足够低,让非营利组织和患者基金会也能作为药物申办方,那么这就会扩大试验客户的数量,即便同时压缩了单次试验的支出。与这门生意的地域分布也相关的是:FDA对中国临床数据的限制,似乎是一种回流本土的政策,这会同时推高美国的试验数量和成本。

对Certara(CERT)以及模拟软件这一群体而言。 Schrodinger的做法提供了一个模板:把经过验证的、基于物理的模拟包裹进一个自然语言智能体,以触达非专业用户。任何销售有陡峭学习曲线的技术性科学软件的公司,如今都面临客户提出的同一个问题:你的智能体层在哪里?对于能够可信交付的公司而言,这是一个机会;对于做不到的公司而言,这是一个威胁,因为客户的替代方案是自己在一个通用平台之上搭建这层中间件——而BioCentury明确指出,这正是各家公司如今能够做出差异化的地方。

对基因编辑相关标的而言。 那项经AlphaFold重新设计的Cas9成果——脱靶编辑从28%降至5%,发表于《自然》——提醒我们,AI在基因编辑领域的近期贡献,或许更多在于改进工具,而非挑选靶点。来自镰状细胞病讨论的临床视角也指向同一方向:更好的编辑靶点,对组合编辑效果的预测,以及为预处理方案中找到一种比白消安更安全的替代药物。这些都是不那么光鲜、但每一项都能实实在在为目前需要9到12个月才能招募到50名患者的试验降低风险的改进。

对私募AI生物科技公司的估值,以及由此对公开可比公司而言。 资金仍在持续涌入。Chai Discovery和Etched完成了将估值推至数十亿美元级别的融资轮,并明确将自己与各自领域内的上市龙头企业进行比较(thefly, 7月23日),紧接着的下一周,Atoms又获得了17亿美元的融资,Etched也完成了新一轮融资(thefly, 7月30日)。Dimension正在以一支五人团队向科学与算力投入16.5亿美元。Menlo已投资了大约八家药物发现模型公司,包括Xaira和Vilya。对公开市场投资者而言,这套算术令人不安:Chai Discovery的私募估值已达数十亿美元,而Schrodinger的整个市值只有11亿美元,Recursion的市值也只有16亿美元。要么是私募估值错了,要么是公开市场的纯AI公司被低估了,又或者,更有可能的是,市场正在做出一个真实的区分:拥有一个前沿蛋白质模型,和拥有一门附带AI叙事的传统软件业务,是两码事。

对"AI设计药物"说法的一点提醒。 This Week in Startups(7月22日)节目的一位嘉宾表示,一款AI设计的药物已经进入三期监管审查阶段。我们特别标注这一点,因为它很重要,也因为它与上周Thibault Geoui给出的现实检验相矛盾——他曾主张,尚无一款真正意义上由AI设计的药物获批,而人们常常引用的那一两个例子,其实是重新利用的现有药物。进入三期审查与获得批准是截然不同的里程碑,我们也未能独立核实所指的究竟是哪种化合物。请视为未经核实、值得持续关注的信息。

What changed vs last week

上周的框架成立了,随后又被反转。 7月23日那期报道了一种趋同现象:三个独立声音都表示AI模型已不再是瓶颈,合适的数据才是。我们当时留下的关键悬念是:价值究竟会归于数据工厂的所有者,还是基于物理的方法会彻底绕开数据问题,把护城河重新转移回建模洞察上。

本周,数据工厂这一论点并未被推翻,而是得到了印证——却被转交到了错误的人手中。BioCentury独立地几乎逐字重申了这一点,"限制因素并非模型或平台的可获得性,而更多是数据以及它们所进行的检测类型",这已是连续第四周出现这种趋同。但本周展示出最庞大数据工厂的公司,是Regeneron、百时美施贵宝和礼来,而不是Xaira、Lila或A-Alpha。如果数据就是护城河,那么老牌药企领先的程度,比这套叙事此前所允许承认的还要大。

"阴性数据"这一点,在两周内已被三个独立信源提出。 上周A-Alpha Bio主张蛋白质数据库既太小,又缺失阴性结果。本周BioCentury未经引导便主动提出了这一点:"你需要阴性数据。而这不是[Claude] Science或蛋白质数据库里能找到的东西。"这正从一个有趣的观察,晋升为该行业中最经得起时间考验的具体论断。

Anthropic的角色发生了类别上的转变。 上周,Anthropic以赋能者的形象出现——Claude Science,能在浏览器里调用AlphaFold和Evo2,能从IDT下单,资本成本低意味着"射门机会最多。"本周,它则以其自身客户潜在竞争对手的身份出现,正在罕见病和被忽视疾病领域开发临床前项目。这是一家性质截然不同的公司,出现在你的供应链之中。

John Jumper那条线索朝一个出人意料的方向得到了解答。 上周我们曾报道过一个未经证实、并已标注为未确认的说法,称Anthropic从DeepMind挖走了John Jumper,并将其解读为大型AI实验室正转向物理学和分子科学。本周的新闻是,AlphaFold团队四分之一的成员已经离职,其余人员被拆分到Gemini和Isomorphic Labs,这与高层人员离职的情形相符,并重新定义了这个故事。与其说是"AI实验室正在进军分子科学",不如说是"DeepMind不再为其分子科学团队辩护,人才因此四散。"我们仍未能独立核实Jumper被挖走一事。

物理路线与数据路线之争,如今有了一款商业产品。 上周Cythera的Woody Sherman主张采用基于物理的表示方式,而非语言模型。本周,Schrodinger推出了一款正是基于这一前提打造的产品,并明确将自己与"只能检索和总结现有科学信息的通用型AI系统"区分开来。这一论点如今附带了一次面向付费客户的实测,全面发布定于年底前完成。

Insilico从被点名的例子变成了缺席。 上周,Insilico曾被作为尚无获批AI药物的标杆型"技术+生物学"公司加以讨论。本周,它没有出现在任何新一期节目中。

Token经济学是新出现的话题。 此前任何一期报道都未涉及这一点。本周有两场独立的对话——BioCentury关于生物制药预算的讨论,以及纳德拉在Masters of Scale节目中的发言——都将运行AI智能体的成本视为一个战略变量,而非一个可以忽略的舍入误差。预计这将成为评估这些公司时反复出现的一项支出条目。

股价几乎纹丝不动,而这本身就是故事所在。 Recursion连续三周分别报收3.02美元、3.01美元、3.03美元,始终徘徊在52周低点附近。Schrodinger收复了上周3%的跌幅。礼来则回吐了retatrutide带来的涨幅,还不止于此。AI药物发现叙事中的任何一件事——无论是AlphaFold的重组、Anthropic进军药物开发,还是Schrodinger的产品发布——都没有推动这些股票朝任何方向变动。市场并没有逐周交易这一主题,它在等待8月5日。

下周的关键悬念。 既然前沿AI实验室正在进军药物开发,而制药业老牌企业也在内部自建AI能力,留给上市纯AI公司的又是什么?留意8月5日的财报,那里才有唯一重要的答案:Schrodinger的软件年度合同价值,是否仍在按指引中的10%–15%的速度复合增长,以及Recursion是否已将其庞大的数据生成能力,转化为一项合作、一个里程碑,或一项临床结果?