上週，兩條AI製藥新聞在24小時內先後引爆輿論場。先是Anthropic釋出早期藥物研發成果：依託Claude大模型，幾乎在無人工干預的情況下，自主設計出14個臨床靶點的蛋白結合劑，全部實驗資料公開，合作的外部平台Twist Bioscience股價單日飆升22%。次日，全球mRNA巨頭Moderna與默沙東聯合宣佈，其個性化mRNA癌症疫苗intesmeran autogene在針對高危黑色素瘤的全球III期臨床試驗中達到主要終點，Moderna因此單日股價翻倍。有媒體甚至將其定義為“人類歷史上第一次用AI治癒癌症”，引發大量關注。

然而，業內冷靜觀察認為，這兩項進展距離“AI自主科研”“治癒癌症”等宏大目標仍有相當距離，AI在其中的真實角色或許並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針對靶點設計結合蛋白，再交由外部實驗室進行溼實驗驗證。實驗資料亮眼：依託Claude Science工作台，幾乎無需人工干預，自主設計出14個臨床靶點的蛋白結合劑，15個靶點成功14個，整體命中率22.6%至35.1%，遠超行業典型水平；其中RBX1靶點命中率達40%，碾壓同期競賽人類參與者的3.7%。全部1320個設計由Twist Bioscience與Adaptyv Bio兩家外部實驗室獨立驗證。

但香港中文大學助理教授劉聖超指出，這並非“從0到1”的範式革命。從靶點結構出發用生成式模型設計結合蛋白，學術界早有先例：2022年David Baker團隊在Nature發表相關工作，2023年RFdiffusion和ProteinMPNN相繼問世，構成今天大多數AI蛋白設計工具鏈的基礎。劉聖超本人早在2022年就通過ProteinDT和ChatDrug專案驗證了這一思路的可行性，只是當時缺乏溼實驗驗證。

因此，Anthropic的突破更多在於工程資源、強大基模型以及調動兩家外部實驗室完成規模化溼實驗驗證的能力，這是傳統學術團隊難以企及的。同時，Anthropic開源了prompt、設計模型和實驗資料，降低了行業試錯成本，但也意味著“AI設計蛋白結合劑”的方法論壁壘正在以月為單位降低。劉聖超將這類工作稱為“演算法1.0”，門檻低、見效快，但也容易跟風。他甚至推測，Anthropic高調發布1.0成果，或許意在“帶歪競爭對手”，將其資源引向已無太多壁壘的舊路。

再看Moderna。III期臨床資料過硬：1137名患者，無復發生存期和遠處無轉移生存期雙達標，成為首個III期成功的個體化新抗原療法。但劉聖超認為，AI在此案例中並非全新演算法，真正起決定性作用的是演算法之外的部分——Moderna和默沙東將蛋白質摺疊、結合力預測與免疫反應模擬三個模組整合，篩選最具殺傷力的抗原，這套工具基本是大模型發明之前的演算法，但通過了臨床測試，更接近落地。

錦波生物首席架構師張驥也指出，AI+任何領域都有加速空間，但加速依賴過去積累的專有資料，而資料是“偏科”的。Moderna的成功更多證明其mRNA平台、LNP遞送、大規模生產、臨床開發和監管路徑的厚度，AI只是做了區域性定製。

兩件事放在一起，一個共同疑惑浮現：演算法本身的突破性可能沒有外界渲染的那麼核心。劉聖超解釋，AI製藥甚至所有AI for Science賽道，AI的泛化能力有待提高，只能做好一兩件細分事情，如同考試“偏科”。在設計序列、預測靜態結構等環節AI表現越來越強，但在表達、摺疊、穩定性、免疫原性、毒理、臨床等環節仍有很大進步空間。Anthropic的實驗也證明，從binder到成藥，中間隔著大量AI難以切入的環節。張驥以膠原蛋白為例說明，AlphaFold等靜態技術難以處理動態結構，AI目前對相互作用的理解也有限。

這種偏科的根源在於AI4S連“考什麼”都未搞清楚。沒有公正客觀的評測集，就無法系統性地知道AI的強弱，大家都只在刷自己擅長的題目。

在投資人看來，演算法的壁壘也沒有市場想象的那麼高。長期深耕biotech賽道的投資人阿東表示，他們更傾向於既有前沿模型、又能把管線做出結果、鏈條相對完整的公司，“演算法只是鏈條裡很窄的一段，真正決定成敗的是從設計到成藥的完整能力。”在開源時代，“只做演算法”的模式尤其危險，因為演算法之外的部分還承擔著驗證演算法可靠性的角色。

儘管演算法分量存疑，但相關敘事仍帶動了一級市場追捧，甚至引發AI+生命科學投資的FOMO情緒。投資人阿偉透露，他們曾看過虛擬細胞、AI蛋白生成等專案，但因融資節奏太快、額度緊缺而錯過，“標的層面融資節奏極快，基本上兩個月就一輪。”這種熱情可能更多建立在“不能錯過”的焦慮上。

資料也在印證這一情緒：EvolutionaryScale曾以約13.5億美元估值融資，最終被CZI收購；Isomorphic Labs估值25億至30億美元，但依賴Alphabet的獨家授權；Xaira拿了10億美元種子輪，但它是全棧平台加管線，不是純模型公司——純模型公司的獨立商業模式正經歷壓力測試。

回看這兩條新聞，AI的發展提升了所有人的期望值，但現實是AI在製藥領域要走的路還很遠，那些需要長期投入的環節反而被淹沒在演算法的喧囂裡。AI製藥的估值錨點究竟應設在哪裡，真正的答案仍需時間證明。