ARTICLE · 1154299
18岁天才少年30天手搓湿实验室!炮轰AI制药全是泡沫:我们直接给虫子喂药
推特上的生物科技圈，刚刚传出一条震动整个行业的消息。
画面里，是一座整整 8000 平方英尺（约 743 平方米）、闪烁着冷冽银光的现代化高通量湿实验室。
机械臂不知疲倦地抓取微孔板，排气管道在头顶纵横交错，数以千计的化学试剂正在快速分装。
▲ 联合创始人 Navvye Anand 发帖宣布 30 天建成高通量湿实验室
发帖的年轻人叫 Navvye Anand，他的创业搭档叫 Tyler Rose。
在绝大多数同龄人还在大学课堂里为期末考试发愁时，这两个刚满 20 岁的少年，却对外平静地宣布：
这座实验室，从画第一张图纸到正式通电运转，他们只用了 30 天。
不仅如此，他们还顺手向整个 AI 制药行业开了一炮：
别再坐办公室里画那些虚无缥缈的分子 3D 图了！AI 所谓的“超强预测”，在真实的生物学面前全都是幻觉。
他们选择了一条所有人意想不到的极恶路线，不做人药，做农药；直接给害虫喂药！
并且，他们已经造出了能在实验室里瞬间杀死草地贪夜蛾的全新化合物。
算力、工程狂想与真实生物世界之间的激烈碰撞，就此拉开序幕。
01降维打击：两个辍学少年的“反骨”
要理解这件事情有多离谱，先得看看这两个少年是谁。
▲ TechCrunch 报道：两位年轻人在说服保罗·格雷厄姆后调整模式，斩获 600 万美元种子轮
Anand 曾就读于顶尖名校加州理工学院数学方向，后来辍学创业；Rose 甚至在高中阶段就果断放弃了常规升学。
两人在 2023 年的一个暑期科研项目里相遇，一拍即合。
2025 年底，他们拿着自研的模型架构去敲开了硅谷教父 保罗·格雷厄姆（Paul Graham） 的大门。随后，顶尖风投 General Catalyst、A Capital 以及 SV Angel 迅速跟投，直接砸下 600 万美元种子轮。
手握巨款，换作普通的 AI 医疗初创团队，剧本通常是这样的：
租个高级写字楼，买上几百张英伟达 GPU，疯狂训练蛋白质模型，然后发表一篇漂亮的论文，声称自己找到了攻克癌症或老年痴呆的“潜在候选药物”。
但 Anand 和 Rose 敏锐地发现了一个残酷的行业骗局：
绝大多数所谓的 AI 制药团队，在进入临床试验前，根本拿不到药物在活体目标身上的真实反馈。
人体太复杂了一个分子在电脑模拟里天衣无缝，在试管里结合完美，但一旦吃进活人体内，可能会被肝脏降解、可能根本穿不过细胞膜、更可能产生未知的致命毒性。
从模型生成一个分子，到最终在人体临床试验中验证它到底有没有用，往往要熬上 整整十年，耗费数十亿美元。
“人类的疾病需要等十年临床，但害虫不用。”
他们把目光投向了全球农业的噩梦，草地贪夜蛾（Fall Armyworm）。
这种原产美洲的害虫胃口极大、迁飞极快，一头幼虫就能啃光几株玉米，每年在全球造成高达 130 亿美元 的作物损失。
为了对付害虫，全世界农民用的农药量已经是 2000 年的 两倍，但害虫的耐药性演化速度，远远把人类传统的化学合成甩在身后。
少年的逻辑极其凶悍：
如果拿农药作为靶场，靶生物就是害虫本身！
根本不需要等待漫长的人体伦理审批，分子合成出来，直接在实验室滴在害虫身上，72 小时内，就能亲眼看着它被杀死，还是活蹦乱跳。
真理不用等十年，物理世界当场交卷
02怒撕外包黑幕：30天手搓一座“生命代码工厂”
然而，当他们准备大干一场时，现实先狠狠泼了一盆冷水。
做实验离不开合同研究组织（CRO），简单说，就是生物界的代工厂。
团队向全球近 40 家知名外包实验室发出了标准报价单，希望能帮他们合成并测试几百个候选分子。
▲ Bindwell 官方披露的 CRO 询价漏斗：39 家联系，仅 15 家给出符合规格的方案
结果让他们目瞪口呆：
做一组活体昆虫测试，外包商给出的排期交付中位数是 10 个月，要价近 30 万美元！
如果拿着 600 万美元的融资找外包，测上几百个分子，预算就会彻底见底。与此同时，AI 模型每周都在迭代，谁也耗不起长达大半年的漫长等待。
“最大的农业外包机构告诉我，他们需要花整整一年，才能交付我们一周所需要的数据量。”
不能等，那就自己建
当时不满 20 岁的 Tyler Rose 做了一个极其硬核的决定：自学 AutoCAD。
▲ Bindwell 官方博客记录：9 月 3 日动工、10 月 1 日完工，配备自动化机械臂每周可测试 120 个化合物
他们没有去找收费昂贵的外部实验室设计院，而是自己在电脑前画出了整整 8000 平方英尺实验室的每一根水管、电缆走线和暖通管道。
施工始于 9 月 3 日，10 月 1 日完工，整个过程堪称极限工程拆解：
- 拒绝传统地面开槽
：传统实验室为了排水和走线，需要在混凝土水泥地面上开槽回填，光等水泥干透就要好几周。他们索性把所有强弱电和水管全从天花板往下挂，墙面全部使用预制防火镁板直接拼装。 - 压差防御
：把培养昆虫和细胞的区域做成正压（里面的风往外吹，灰尘进不来）；把存放和合成高毒性、高活性化学物质的区域做成负压（外面的风往里吸，有毒气体通过活性炭直排室外），彻底杜绝超高活性分子的交叉污染。
更离谱的操作还在后面
高通量实验的核心设备叫微孔板读板机（Plate Reader），用来发射特定波长的光，读取成百上千个微孔里细胞是死是活。
商业大厂的读板机，动辄要价几万甚至十几万美元，交货期按月计算。
两个年轻人转头钻进车库，利用现成的光学元件和开源微控制器，仅花了约 150 美元（约合人民币 1000 多元）的物料成本，用两周时间硬生生手搓出了一台读板机原型！
▲ 团队自制的 150 美元读板机，与顶尖商业仪器 Varioskan ALF 对照，相关系数 R² 达到 0.996
当他们把自制仪器与工业级标杆，赛默飞世尔（Thermo Scientific）的顶级光谱仪放在一起做吸光度对照时，散点图上划出了一条近乎完美的直线：
相关系数 $R^2 \approx 0.996$！
他们把原本需要数百万美元、耗时一两年的工程，硬生生压缩到了几十万美元、30 天交工。
现在，这座实验室每周可以低延迟测试 120 个全新化合物。从模型吐出检查点，到物理拿到害虫体内的杀灭数据，只需要 72 小时。
03撕下皇帝的新衣：“结构好看”根本不等于“能杀虫”
在过去几年里，AI 蛋白质界几乎被一种狂热的氛围笼罩：
AlphaFold 的横空出世，让无数人觉得生物学已经被彻底解决。大家在电脑屏幕上看着色彩绚丽的 3D 蛋白质螺旋折叠，评分指标一亮，就举杯欢庆。
但在 Rowan 科学计算平台的长篇访谈中，Navvye Anand 一针见血地撕下了这层“皇帝的新衣”：
所有人都被模型的预测分数给骗了
很多人在做预测时，疯狂追求 AlphaFold-Multimer 的界面置信度分数（iPTM），以为分数越高，小分子和靶标蛋白结合得就越紧。
但欧洲顶尖的自动化生物平台 Adaptyv Bio 用成千上万次真实湿实验测定后，发现了一个冰冷的事实：
所谓的模型置信度高分，与真实的物理结合亲和力，几乎毫无相关性（basically no correlation）！
在计算机里看起来贴合得完美的拼图，在真实的试管里，可能连一丝微弱的结合信号都测不出来。
“结构合理充其量是结合的必要门槛，远不能保证充分结合。” Anand 解释道
正是看穿了这一点，Bindwell 彻底放弃了“唯 3D 结构论”，构建了一套极其激进的技术体系：
- Atomwell（统一全原子扩散模型）
：团队跳出了传统手工绘制药效团的旧框架，直接打造了一个拥有 1.5 亿参数 的跨模态模型。该模型在超过 500 亿 Token 的蛋白质 FASTA 序列和小分子 SMILES 字符混合语料上进行预训练。它采用的是类似生图 AI 的离散去噪扩散架构（D3PM），直接把小分子和受体大分子当作统一语言，通过类似“图像局部重绘”的方式，在靶点口袋里直接无中生有，生成全新分子骨架。 - Foldwell（极速折叠引擎）
：为了突破计算瓶颈，他们爆改了开源扩散网络，在保证全原子精度的前提下，推理速度达到了 DeepMind AlphaFold 3 的整整 4 倍，支撑每天数千次的高频靶标空间扫描。 - Pairwell（广义不确定性量化）
：这是物理闭环的核心。模型在给亲和力打分的同时，会诚实地吐出自身的认知不确定性。模型越不确定的盲区，越说明那里蕴藏着未知的化学空间。系统会立刻将这些“不确定样本”生成实验清单，自动下发给湿实验室。
用真实的物理实验去填补模型的盲区，再用进化后的模型指导下一次合成。
整个系统化身为一台吞噬物理数据、吐出致命分子的高速运转机器，直接在物理现实中检验算法。
04舆论风暴：“苦涩教训”还是盲目狂妄？
当 Anand 在推特上提出“‘苦涩教训’（The Bitter Lesson）正在降临生物学”时，立刻在学术界与工业界引发了激烈争论。
▲ 业内研究者 antibody_42 尖锐质问：认为“苦涩教训”会发生在生物学，是对信息论的极度无知
“苦涩教训”是强化学习大师理查德·萨顿（Richard Sutton）著名的论断：
在 AI 发展的 70 年历史中，任何试图把人类专家知识手动写进算法的尝试，长期来看都会被简单粗暴的“通用算法 + 算力扩展”碾得粉碎。
Anand 搬出这一理论，无异于向传统生物学家宣战：别再靠你们几十年的老经验去猜分子了，海量数据加上扩展定律，算力终将终结一切。
这条言论随即招来大量专业人士的激烈质疑。
神经退行性疾病领域的学者 Kate M. Van Pelt 博士直接引用推文反唇相讥：
“拿杀死害虫的农药去跟攻克人类疾病的复杂药物对比，验证速度当然能快上几个数量级！”
▲ Kate M. Van Pelt 博士发推冷嘲：杀死害虫和人体靶向验证难度根本不在一个次元
有匿名的药物化学家冷冷地嘲讽道：“不过就是买了点二手仪器、插上电源罢了，这叫什么科学创新？”
更有学者指出：杀虫只是最简单的第一步。草地贪夜蛾死了，那蜜蜂会不会死？土壤里的蚯蚓会不会绝种？农药渗入地下水后，对哺乳动物有没有长期蓄积毒性？EPA（美国环保署）厚达数百页的安全测试指南，岂是区区 72 小时的体外毒性能够掩盖的？
面对质疑，Tyler Rose 极为冷静地在评论区回应：
他们在实验室里按照 EPA 指南，同步搭建了全套的非靶标生物毒性测试面板。 从蜜蜂到人体细胞，每一轮先导化合物都在接受严苛的脱靶筛查。
而投资界则给出了截然相反的狂热赞许。
SV Angel 官方合伙人直接站台发声：
“硅谷里有成千上万的人坐在空调房里空谈‘AI for Bio’，但这几个年轻人，愿意挽起袖子去铺设管道、亲手试验害虫，脚踏实地搭起一座高规格湿实验室。”
05终局之战：人类与演化的赛跑
这究竟是一场年轻人的商业秀，还是生物学范式转移的前夜？
无论你站在哪一边，都无法忽视他们正在面对的冰冷现实：
大自然从来不在乎人类的论文写得多优雅。在田间地头，草地贪夜蛾每一次产卵、每一个基因突变，都在以残酷的自然选择对抗着现有的化学农药。
人类过去三十年研发新农药的周期越来越长，而害虫进化出耐药性的周期却越来越短。
按照传统的研发范式，我们注定要输掉这场与大自然进化的赛跑。
在这座仅用 30 天建成的实验室深处，荧光显微镜正不知疲倦地扫过一行行微孔板。
无需经历繁冗的人工报批和耗时数月的漫长排期，代码在云端生成分子结构，机械臂在物理世界注满试剂，72 小时后，数据重新回流进扩散模型。
这两个年轻人或许狂妄，或许低估了真实生态系统的凶险。
但他们至少做对了一件事：
生物学的终极秘密，永远不会自动浮现在显卡的荧光屏上；它必须在试管碰撞的声响与真实生命的生灭之间，被一寸一寸地丈量出来。