今年1月，在旧金山举行的摩根大通医疗健康大会（JPM）上，AI制药工具领域迎来转折点：四笔大型交易集中宣布，而成立仅两年的Chai Discovery（估值40亿美元）成为核心参与者。这家由OpenAI支持的公司，在夏季又接连宣布与礼来、诺华、argenx的合作，并扩展了与礼来的既有项目。联合创始人Matt McPartlon与产品负责人Neil Patil在最新播客中首次完整讲述了这一历程。

对于非制药行业人士，JPM大会是每年1月占据旧金山一周的制药交易盛会，数百场边会密集举行，是行业年度风向标。而“工具交易”成为新现象：以往，AI制药公司往往最终转向自研药物管线，因为说服药企使用工具需要证明其有效性，而证明需要好的靶点及临床验证。若拥有这些，通过里程碑付款（biobucks）出售特定靶点比向多家公司推销跨组合工具更容易。直到今年1月，这种“自研或合作”的模式仍是唯一可行路径。

什么改变了？简言之，工具质量提升到让药物设计团队信任的程度。这种信任解锁了规模化发现的能力：更快地将更多、更好的候选分子送入实验室和动物试验，更充分的毒性筛选、更优的递送方式，从而让进入临床的候选药物成功率更高。工具还解锁了新能力：例如设计能精确触发特定分子级联的抗体，或设计双特异性抗体（同时结合两种不同蛋白），这些在传统实验室方法下极难或不可能实现。模型质量的跃升，使得原本做不到的事情成为可能，这是质变而非单纯的效率提升。

McPartlon在播客中坦言，他本人也花了一段时间才相信这一论点：“在与Chai成立前的数月里，我与Josh讨论——能否超越小鼠，能否做到小鼠做不到的事，以及在此之上能叠加多少层交互。”在结构/结合领域，各家都有切入点，但Chai指向不同的解锁方式：直接获得好的分子（意味着减少后续实验室工作），从而加快迭代速度。这把科学变成工程：设计系统以减少摩擦，逐步逼近一次性将分子推向临床。这一论点并非全新，a16z在2020年就曾阐述过类似观点，但变化在于结构模型演变为结合模型（预测分子间结合亲和力），结合模型解锁了设计能力，且持续改进。Chai观察到，对于工程问题，最好的产品往往胜出，而好的技术是必要非充分条件。

为此，Chai大力投资合作伙伴关系，从药企端学习。产品负责人Neil Patil表示：“与这么多伙伴紧密合作，我们真正了解到研究中什么有用。我们不是凭空做研究，而是基于伙伴们自然提出的需求进行有依据的研究。”这带来了更好的用户体验，例如分子编辑器更像CAD或图形设计软件，而非聊天机器人。自6月以来，Chai已宣布三笔重大交易：礼来、诺华、argenx，外加礼来项目的扩展。

播客中还讨论了蛋白质token具有最高下游价值、模型改进带来的抽象层次提升、制药/风投/研究皆为组合优化、更好技术如何改变整体组合，以及专注简洁如何带来规模等话题。值得注意的是，里程碑式许可协议中的“biobucks”价值——如“17亿美元交易”的标题数字，几乎全部取决于达成目标，通常仅2-5%为预付款，其余需药物通过各关卡才支付，而多数药物未能通过。