今年1月，在舊金山舉行的摩根大通醫療健康大會（JPM）上，AI製藥工具領域迎來轉折點：四筆大型交易集中宣佈，而成立僅兩年的Chai Discovery（估值40億美元）成為核心參與者。這家由OpenAI支援的公司，在夏季又接連宣佈與禮來、諾華、argenx的合作，並擴充套件了與禮來的既有專案。聯合創始人Matt McPartlon與產品負責人Neil Patil在最新播客中首次完整講述了這一歷程。

對於非製藥行業人士，JPM大會是每年1月佔據舊金山一週的製藥交易盛會，數百場邊會密集舉行，是行業年度風向標。而“工具交易”成為新現象：以往，AI製藥公司往往最終轉向自研藥物管線，因為說服藥企使用工具需要證明其有效性，而證明需要好的靶點及臨床驗證。若擁有這些，通過里程碑付款（biobucks）出售特定靶點比向多家公司推銷跨組合工具更容易。直到今年1月，這種“自研或合作”的模式仍是唯一可行路徑。

什麼改變了？簡言之，工具質量提升到讓藥物設計團隊信任的程度。這種信任解鎖了規模化發現的能力：更快地將更多、更好的候選分子送入實驗室和動物試驗，更充分的毒性篩選、更優的遞送方式，從而讓進入臨床的候選藥物成功率更高。工具還解鎖了新能力：例如設計能精確觸發特定分子級聯的抗體，或設計雙特異性抗體（同時結合兩種不同蛋白），這些在傳統實驗室方法下極難或不可能實現。模型質量的躍升，使得原本做不到的事情成為可能，這是質變而非單純的效率提升。

McPartlon在播客中坦言，他本人也花了一段時間才相信這一論點：“在與Chai成立前的數月裡，我與Josh討論——能否超越小鼠，能否做到小鼠做不到的事，以及在此之上能疊加多少層互動。”在結構/結合領域，各家都有切入點，但Chai指向不同的解鎖方式：直接獲得好的分子（意味著減少後續實驗室工作），從而加快迭代速度。這把科學變成工程：設計系統以減少摩擦，逐步逼近一次性將分子推向臨床。這一論點並非全新，a16z在2020年就曾闡述過類似觀點，但變化在於結構模型演變為結合模型（預測分子間結合親和力），結合模型解鎖了設計能力，且持續改進。Chai觀察到，對於工程問題，最好的產品往往勝出，而好的技術是必要非充分條件。

為此，Chai大力投資合作伙伴關係，從藥企端學習。產品負責人Neil Patil表示：“與這麼多夥伴緊密合作，我們真正瞭解到研究中什麼有用。我們不是憑空做研究，而是基於夥伴們自然提出的需求進行有依據的研究。”這帶來了更好的使用者體驗，例如分子編輯器更像CAD或圖形設計軟體，而非聊天機器人。自6月以來，Chai已宣佈三筆重大交易：禮來、諾華、argenx，外加禮來專案的擴充套件。

播客中還討論了蛋白質token具有最高下游價值、模型改進帶來的抽象層次提升、製藥/風投/研究皆為組合最佳化、更好技術如何改變整體組合，以及專注簡潔如何帶來規模等話題。值得注意的是，里程碑式許可協議中的“biobucks”價值——如“17億美元交易”的標題數字，幾乎全部取決於達成目標，通常僅2-5%為預付款，其餘需藥物通過各關卡才支付，而多數藥物未能通過。