刺破AI制药＂魔法棒＂幻觉:告别分子狂欢,回归疾病研发本质

AI制药90%的失败根源不在“造分子”而在“选靶点”。行业在分子的精装修上卷生卷死，却逃避了最该做的疾病机制研究；资本追逐叙事而非科学，药企上AI多是FOMO。真正的护城河是“因果数据+实验+临床”闭环，而隐性壁垒是组织能力。

8月初，两篇相隔几天的文章同时刷了屏。一篇是insitro创始人Daphne Koller在a16z写的长文《Drug Discovery Has No Magic Wands》，另一篇是《Nature Reviews Drug Discovery》上16位专家联署的综述。两拨人，一个判断：AI方法令人鼓舞，但产生临床相关影响的证据，迄今令人失望地有限。

我在医药行业待了20年，见过太多技术热潮起落。这句话不是唱衰——但它戳破了一个行业心照不宣的幻觉。

一、90%的失败在"选锁"，可整个行业偏偏在"配钥匙"上内卷

药物研发可以拆成三步：从疾病到机制、从机制到药物、从药物到患者。过去十年AI最耀眼的进展，几乎全挤在第二步——分子设计。AlphaFold、生成式模型，给定一个靶点就能帮你搜更大的化学空间，效率提升是真的。

但超过90%进入临床的药物最终失败，绝大多数不是分子设计有问题，是它瞄准的机制从一开始就错了。Koller的比方很直白：我们配钥匙的手艺不错，但那些钥匙大多打不开正确的锁。你配得再快，也提高不了识别正确锁孔的能力。

更值得警惕的是资源的走向。现在全球38个靶点，每个身后堆着50多个在研项目；而行业每年推进的新靶点，从2015年大约100个掉到了2024年的大约30个。

这就引出一个我反复在想的问题：为什么行业明知90%的失败在第一步，却把绝大部分钱和聪明人砸进第二步？

我的判断是，这不是技术选择，是人性选择。分子设计有即时正反馈——今天跑个模型、明天出个候选分子，PPT上能讲、董事会能看、估值能涨。而疾病机制研究是慢变量，可能十年都出不了一个新靶点，而且大概率失败。在一个被季度财报和融资节奏驱赶的行业里，谁愿意去盖那栋看不见地基的大楼？于是所有人都在锁已经确认、甚至已经锁死的门上，比谁配的钥匙更精致。这不是创新，这是集体逃避。

配钥匙的手艺越精，打不开的锁却越来越多。

二、数据鸿沟的本质：AI在放大已知，而不是发现未知

行业常说"我们有海量数据"。但问题恰恰在这——绝大多数数据是观测性的，告诉你细胞"是什么样"，而药物是一种干预，你需要知道关掉一个基因之后细胞"会变成什么样"。前者是关联，后者是因果。而因果数据，是最稀缺的那一类。粗略估算，从现有数据到建立完整的生物学因果模型，中间还差大约三个数量级。

我更担心的是另一件事：AI正在高效地把人类的"已知"放大成"伪共识"。

一个基因变异在患者里高频出现，一种蛋白水平和疾病严重程度同步变化，模型学得很开心，给你一个看起来无比扎实的"疾病假设"。但药物研发最终要做的是一次真实干预——抑制这个通路，病人的病程真的会变吗？未必。一个处于疾病下游的生物标志物，可能跟真正的原因毫无关系。我们现在最不缺的，是用算力把错误的因果讲得更像真的。阿尔茨海默、ALS这类连小鼠都造不出模型的病，靠计算模拟来预测人体响应，这本身就是一种傲慢。

我们缺的从来不是数据量，而是能回答“因果”的那一类数据。

三、中美两条路，我们别又在应用层重复内卷

美国走底层平台生态，算力、基础数据、临床验证体系都是几十年堆出来的，短期内复制不了。但中国也别急着在"应用落地"四个字里自我安慰。

我见过太多这样的故事：同一个成熟靶点，十家公司各做一个AI版本，管线上多了一串分子，新闻稿上多了一个"AI驱动"，但疾病机制零产出。这跟当年仿制药、me-too扎堆有什么区别？只是把"化学修饰"换成了"算法优化"。

真正值得下注的，是海外巨头算力军备赛覆盖不到的地方：依托本土多中心临床资源建立垂直疾病的因果数据壁垒、抗体/寡核苷酸/细胞治疗这些传统小分子AI工具够不着的新模态、以及把AI发现的靶点更快推进到人体的本土化转化能力。这些才是弯道，不是那条别人已经跑了十年的直道。

四、护城河在闭环，但隐性壁垒是组织能力

Koller和那16位专家提出的新评估思路很清晰：模型价值不该看实验室跑分，而该看能不能提高临床成功率、覆盖多少未满足需求的疾病。翻译成商业语言——未来AI制药的核心竞争力，是"预测—扰动实验—临床反馈"的完整闭环。

但我想说得更直白一点：闭环难建，不是难在技术，难在组织。

对资本，我的提醒是：你们过去几年追捧的"虚拟筛选命中率""SOTA榜单"，和II期临床成功率之间相关性极低。一个残酷的事实是，至今没有一款AI设计的药物拿到FDA批准。资本追逐的从来不是科学，是叙事——而叙事是会退潮的。

对药企，我见过的真实情况是：很多公司上AI不是因为想清楚了，而是怕被时代抛下。于是买工具、建团队、发新闻稿，但研发组织还是那套"模型说行就行"的逻辑，关键湿实验能省就省。我见过太多体外数据漂亮得一塌糊涂、进了人体试验全军覆没的案例。AI不会替你承担临床失败的责任，但会比你更快地把一个错误假设推向临床——这是加速，不是进步。

写在最后

泡沫在出清，价值在重估。手里握着自有数据闭环和真实临床资产的平台，正在拿回主导权。

但我想留一句话给所有人：技术突破和科学突破，从来不是同一件事。在搞清楚哪把锁对应哪种病之前，再快的配钥匙速度，也只是更快地制造一堆打不开门的精美金属片。

回放上线

近期，E药经理人、微解药《AI半月谈》特邀再鼎医药全球研发首席运营官阎水忠博士，中科计算技术西部研究院教授、图灵-达尔文实验室副主任、哲源科技联合创始人赵宇教授与栏目主理人张蕊一起探讨【刺破AI 制药“魔法棒”幻觉：告别分子狂欢，回归疾病研发本质】话题直播，欢迎关注。

二审| 李芳晨

三审| 李静芝