上周，两条AI制药新闻在24小时内先后引爆舆论场。先是Anthropic发布早期药物研发成果：依托Claude大模型，几乎在无人工干预的情况下，自主设计出14个临床靶点的蛋白结合剂，全部实验数据公开，合作的外部平台Twist Bioscience股价单日飙升22%。次日，全球mRNA巨头Moderna与默沙东联合宣布，其个性化mRNA癌症疫苗intesmeran autogene在针对高危黑色素瘤的全球III期临床试验中达到主要终点，Moderna因此单日股价翻倍。有媒体甚至将其定义为“人类历史上第一次用AI治愈癌症”，引发大量关注。

然而，业内冷静观察认为，这两项进展距离“AI自主科研”“治愈癌症”等宏大目标仍有相当距离，AI在其中的真实角色或许并不像外界渲染的那般“神”。

先看Anthropic的工作。此次研究是用基模型针对靶点设计结合蛋白，再交由外部实验室进行湿实验验证。实验数据亮眼：依托Claude Science工作台，几乎无需人工干预，自主设计出14个临床靶点的蛋白结合剂，15个靶点成功14个，整体命中率22.6%至35.1%，远超行业典型水平；其中RBX1靶点命中率达40%，碾压同期竞赛人类参与者的3.7%。全部1320个设计由Twist Bioscience与Adaptyv Bio两家外部实验室独立验证。

但香港中文大学助理教授刘圣超指出，这并非“从0到1”的范式革命。从靶点结构出发用生成式模型设计结合蛋白，学术界早有先例：2022年David Baker团队在Nature发表相关工作，2023年RFdiffusion和ProteinMPNN相继问世，构成今天大多数AI蛋白设计工具链的基础。刘圣超本人早在2022年就通过ProteinDT和ChatDrug项目验证了这一思路的可行性，只是当时缺乏湿实验验证。

因此，Anthropic的突破更多在于工程资源、强大基模型以及调动两家外部实验室完成规模化湿实验验证的能力，这是传统学术团队难以企及的。同时，Anthropic开源了prompt、设计模型和实验数据，降低了行业试错成本，但也意味着“AI设计蛋白结合剂”的方法论壁垒正在以月为单位降低。刘圣超将这类工作称为“算法1.0”，门槛低、见效快，但也容易跟风。他甚至推测，Anthropic高调发布1.0成果，或许意在“带歪竞争对手”，将其资源引向已无太多壁垒的旧路。

再看Moderna。III期临床数据过硬：1137名患者，无复发生存期和远处无转移生存期双达标，成为首个III期成功的个体化新抗原疗法。但刘圣超认为，AI在此案例中并非全新算法，真正起决定性作用的是算法之外的部分——Moderna和默沙东将蛋白质折叠、结合力预测与免疫反应模拟三个模块整合，筛选最具杀伤力的抗原，这套工具基本是大模型发明之前的算法，但通过了临床测试，更接近落地。

锦波生物首席架构师张骥也指出，AI+任何领域都有加速空间，但加速依赖过去积累的专有数据，而数据是“偏科”的。Moderna的成功更多证明其mRNA平台、LNP递送、大规模生产、临床开发和监管路径的厚度，AI只是做了局部定制。

两件事放在一起，一个共同疑惑浮现：算法本身的突破性可能没有外界渲染的那么核心。刘圣超解释，AI制药甚至所有AI for Science赛道，AI的泛化能力有待提高，只能做好一两件细分事情，如同考试“偏科”。在设计序列、预测静态结构等环节AI表现越来越强，但在表达、折叠、稳定性、免疫原性、毒理、临床等环节仍有很大进步空间。Anthropic的实验也证明，从binder到成药，中间隔着大量AI难以切入的环节。张骥以胶原蛋白为例说明，AlphaFold等静态技术难以处理动态结构，AI目前对相互作用的理解也有限。

这种偏科的根源在于AI4S连“考什么”都未搞清楚。没有公正客观的评测集，就无法系统性地知道AI的强弱，大家都只在刷自己擅长的题目。

在投资人看来，算法的壁垒也没有市场想象的那么高。长期深耕biotech赛道的投资人阿东表示，他们更倾向于既有前沿模型、又能把管线做出结果、链条相对完整的公司，“算法只是链条里很窄的一段，真正决定成败的是从设计到成药的完整能力。”在开源时代，“只做算法”的模式尤其危险，因为算法之外的部分还承担着验证算法可靠性的角色。

尽管算法分量存疑，但相关叙事仍带动了一级市场追捧，甚至引发AI+生命科学投资的FOMO情绪。投资人阿伟透露，他们曾看过虚拟细胞、AI蛋白生成等项目，但因融资节奏太快、额度紧缺而错过，“标的层面融资节奏极快，基本上两个月就一轮。”这种热情可能更多建立在“不能错过”的焦虑上。

数据也在印证这一情绪：EvolutionaryScale曾以约13.5亿美元估值融资，最终被CZI收购；Isomorphic Labs估值25亿至30亿美元，但依赖Alphabet的独家授权；Xaira拿了10亿美元种子轮，但它是全栈平台加管线，不是纯模型公司——纯模型公司的独立商业模式正经历压力测试。

回看这两条新闻，AI的发展提升了所有人的期望值，但现实是AI在制药领域要走的路还很远，那些需要长期投入的环节反而被淹没在算法的喧嚣里。AI制药的估值锚点究竟应设在哪里，真正的答案仍需时间证明。