AI能设计分子之后,Chai和Isomorphic为何走向不同的路?

AI模型已经在结构预测、分子设计等任务上展示了能力。接下来，我们需要回答一个共同的问题：到底怎样把这些能力变成药物研发中的实际价值？

Chai Discovery与Isomorphic Labs应该是这个赛道最受人关注的其中两家公司，在这个问题上，两家公司正在通过两个不同的方式来“解题”：Chai开发分子设计模型和平台，希望把设计能力交给更多药企使用；Isomorphic，则在药企合作之外，同时推进自己的药物项目。

目前来看，两种选择没有到可以确认“谁对谁错”的阶段，但不同的选择也可以逐渐看到两家公司在资金分配、战略布局、团队建设上出现差异化。

Chai：把设计能力交到更多药企手里

Chai希望药企的研究人员能够这样设计分子：先提出目标，例如希望抗体与哪个靶点结合、具备哪些性质，再由系统生成设计，交给实验检验。它把这类能力组织成一套分子的计算机辅助设计系统，供不同研发团队使用。

图注：Chai-2对52个靶点开展设计与实验测试的官方展示。蓝框表示在不超过20个测试设计中，至少得到一个成功结合分子的靶点。这是结合实验结果，不等同于药物开发成功。

为什么选择建设这样的设计系统？联合创始人Joshua Meier在近期的红杉资本访谈中解释，团队一直希望为行业建设基础设施，也曾经历过同时开发AI模型和推进药物管线的工作。最后，他们选择通过广泛的药企合作发挥设计能力，并希望随着模型进步，把更多资金继续投入模型，将后续临床开发更多留给合作药企。

我理解，他们看中的是模型投入能够影响多个项目的机会。一家药企用系统研究某个靶点，另一家提出不同的分子要求；如果这些任务都能得到支持，一次模型改进就有机会帮助多个研发团队。Chai希望把公司的积累，集中到一套能够被反复使用的设计能力上。

广泛合作还有另一层作用。Meier认为，只围绕少数自有靶点工作，可能做出很好的分子，却未必知道模型在其他任务中表现如何。来自不同药企的要求，可以帮助团队发现能力的不足。——这意味着客户既是设计系统的使用者，也会影响产品下一步需要解决什么问题。

目前Chai已经在开展与多个药企的合作——与辉瑞合作包含AI平台与定制软件；与诺华合作涉及使用其模型和平台开展多个靶点的治疗性抗体发现。公司要把能力交到药企的研究人员手里，让他们能够用于自己的研发任务。

与此同时，Chai也在改变团队组成。访谈提到，随着模型变强，公司补充了产品人员和使用界面，内部科学团队也在持续使用模型。研究者怎样提出设计要求、理解输出、挑选实验方案，都成为产品需要处理的具体工作。

Isomorphic：把设计能力继续推进为药物项目

Isomorphic则同时推进药企合作和全资内部项目，2026年5月公布融资时，它把资金用途指向设计引擎、药物项目向临床推进，以及AI、药物设计和临床人才的建设，目前公开列出的伙伴包括诺华、礼来和强生。

Isomorphic 9月29日在其官网发布了一篇文章《Building a new path to make medicines with AI》，文章中提到，Isomorphic正在构建人工智能以帮助在分子层面理解健康与疾病状态，Isomorphic提出第一个战略方法就是建立一家垂直整合的公司，环节覆盖生成数据、训练模型、开发软件、建立实体基础设施，希望把潜在药物推进到患者身边。

这种方式是一个庞大的构想。Isomorphic如果要做自己的药，除了优化模型之外，还需要决定下一步做什么实验、怎样根据结果调整设计，以及哪些项目值得继续投入。模型能力由此与研发决策联系得更紧密，公司也需要能够执行这些决策的科学团队和设施，承担的工作会从模型研发进一步延伸到药物开发。

其中，数据是这套研发能力的基础之一。10月7日，Isomorphic宣布加入Biohub发起的Virtual Biology Initiative，共同建设用于支持生物学预测模型的开放数据资源。构建数据是一个庞大的工作，参与外部共建，也成为Isomorphic建设这套能力的一种方式。

两种选择，也有两种需要面对的难题

这两条路线各有吸引力，也会让公司面对不同的问题。以下是我基于它们公开战略的一些判断。

Chai可以把更多资源集中到模型和产品上，但合作越深入，如何获得足够的反馈就越重要。客户在真实项目中发现了什么问题，哪些设计在后续实验中失败，失败来自分子本身还是其他原因，这些信息都可能帮助公司改进设计能力。然而，合作项目的数据涉及客户的知识产权和使用权限，能够反馈多少、哪些可以用于下一代模型，需要具体安排。合作伙伴多，并不自动意味着公司能够获得完整的研发反馈。

Chai有自己的科学团队，也会在内部使用模型、生成数据，可以通过这些工作继续改进能力。[3] 但如果它希望更充分地理解模型在客户研发中的表现，就需要处理好合作中的反馈问题。同时，设计是否被继续推进、投入多少资源，更多由药企决定。它能够服务更多项目，也会受到客户研发决策的影响。

Isomorphic把更多工作留在内部，能够更直接地安排实验、追踪结果和调整项目，代价则是更大的资金与组织压力。模型训练、实验设施、药物项目和临床准备都有各自的投入要求。公司既要保持技术进步，也要决定哪些药物值得继续开发；即使模型设计得更好，项目仍然需要面对安全性、疗效和临床开发风险。

内部项目还会带来另一项取舍：为某个项目积累的能力，能在多大程度上用于其他项目？如果资源长期围绕少数管线安排，公司需要协调具体药物的推进与通用设计能力的建设。更多内部掌控意味着更多责任，也要求公司有足够的资金和管理能力支持这些工作。

这些取舍让我觉得，AI制药接下来的分化会越来越具体。Chai需要把广泛合作组织成持续改善产品的能力，Isomorphic需要把更庞大的投入组织成能够推进药物的研发能力。两家公司都在回答开头的问题，但必须解决的经营难题已经不同。

模型能力会打开机会，而公司能否把机会变成长期价值，还取决于它能否承担自己选择的那条路径所带来的成本、依赖和风险。这也正是观察这些公司时，模型表现之外值得继续关注的部分。

*本文由本人和Codex共同创作