生成式 AI 自主設計新藥：研發週期從數年縮至數月

把一堆結構看起來非常古怪的分子交給頂級藥物科學家，原本管理層都準備好聽他們挨個挑刺了。

但禮來（Eli Lilly）的科學家看完卻愣住了，他們的第一反應是：「挺有意思的，我們以前從沒想過分子還能這麼設計。」

這是禮來首席資訊與數字官 Diogo Rau 在內部做的一場測試。他們用生成式 AI 篩選數百萬個分子，AI 花五分鐘生成出的候選分子數量，相當於傳統溼實驗實驗室整整一年的合成量。

把「幻覺」變成造藥的超能力

傳統新藥研發說白了像一門古老手藝：做實驗、看資料、人工分析、再改方案。一套流程下來，失敗率高達 90%，單次臨床試驗成本就在 3000 萬到 3 億美元之間。

Nvidia 醫療副總裁 Kimberly Powell 認為，這個領域正在被類似 ChatGPT 的邏輯重寫。AlphaFold 證明了 Transformer 架構可以從胺基酸序列直接預測蛋白質結構，現在行業正直接在計算機裡用數字模型模擬生物化學反應。

大模型最讓人頭疼的「幻覺」，在藥學研究裡反而成了最大賣點。自然界進化出的蛋白質非常有限，只要能用，自然界就不會繼續演化；但理論上潛在有治療效果的蛋白質多達 10 的 160 次方個。AI 可以憑空「腦補」出自然界根本沒有、但人類剛好需要的蛋白質結構。

根據 Powell 提到的安進（Amgen）發表在《自然》上的研究，AI 能把原本耗時數年的發現流程縮短到幾個月。傳統開發兩年後成功機率大概只有五五開，但在早期引入 AI 輔助後，成功率提高到了 90%。

從實驗室試錯到算力工程

高校和科技巨頭也在把這套流程變成標準基礎設施。德克薩斯大學奧斯汀分校最近直接採購了超大規格的 Nvidia 計算叢集，專門成立生成式 AI 中心。

該校正在做的一項乳腺癌蛋白藥物動物實驗裡，科學家需要改造人體內一種能餓死癌細胞的蛋白質。傳統改造既費時又容易讓蛋白質失活，但通過 AI 篩選最優突變方案，這種工程蛋白的產率直接翻了大約 7 倍。因為用的是人體自身蛋白質底本，患者後續發生嚴重過敏的風險也被大幅降低。

與此同時，Nvidia 已經把蛋白質預測和藥物化合物篩選打包成了醫療微服務，像工業設計軟體公司 Cadence 這類廠商，也開始把這些 AI 工具直接整合進分子設計平臺裡。

為什麼重要

這可能標誌著製藥行業徹底從「經驗科學」向「可計算工程」轉向。過去新藥研發的高門檻，本質上是被極高的試錯成本和漫長的人工週期卡死的。如果 AI 能把早期篩選週期從幾年壓到幾個月，甚至把成功率翻倍，未來抗癌藥、罕見病藥物的研發成本會有望出現斷崖式下跌。

對科技公司來說，算力巨頭正在從單純的賣卡方，演變成現代製藥不可或缺的基礎設施提供商。Nvidia 這一步做得很務實，它沒有自己挽起袖子去造藥，而是把生物計算做成微服務賣給藥企和軟體平臺，佔住了價值鏈最穩妥的一環。

但我們認為，現在說「完全由 AI 獨立設計新藥」可能還為時過早。AI 生成出的分子結構再驚豔、電腦模擬再完美，最後依然要面對活體實驗、體內毒性、複雜免疫反應這些未知關卡。電腦裡跑得通，絕不等於進入人體就能救命，真正的終局還是要看未來幾年進入人體臨床試驗的硬成績。