ARTICLE · 1241007
人类的长生梦,这次被AI推近了?
国际顶级期刊发表了一项研究。一款由AI参与研发的新药，在临床试验中测出了让人意外的结果。受试者的生物学年龄，竟然出现了下降。部分模型计算的下降幅度，接近6岁。
人类追求了几千年的长生不老，难道真的要被AI攻破了？
这不是什么都市传说，也不是商家营销噱头。这是实打实发表在《自然·生物技术》上的临床研究结果。今天我们就来拆开讲透这件事，从研究本身说到背后的科技变革，看看AI到底在怎样改变我们的认知边界。
先说清研究真相
很多人看到“年轻6岁”就激动了，说不老药已经研发成功。先别急，我们来拆解研究的真实情况。
这次研究的药物叫Rentosertib，它最初的研发目标，根本不是延缓衰老。而是治疗一种严重的肺部疾病——特发性肺纤维化。这种疾病会让肺组织逐渐变硬，患者呼吸越来越困难，现有治疗手段非常有限。
研究过程是这样的：团队一共分析了42名患者的血液样本，检测了超过2800种蛋白质。然后用6套不同的生物学年龄预测模型，对用药前后的样本进行评估。
什么是生物学年龄？简单说，它不是你身份证上的出生年龄，而是你的细胞和身体组织实际的老化程度。比如果经常熬夜抽烟的人，实际生理老化速度会比身份证年龄更快。
结果让研究人员都惊讶了。6套独立模型，全部捕捉到了明确的年轻化信号。在用药第4周，信号就已经非常明显。其中60毫克每日一次组，部分模型计算出生物年龄下降约2.7到3.5岁，最大降幅达到了近6岁。更值得关注的是，30毫克每日两次组，部分蛋白质的变化方向，竟然和正常衰老的方向完全相反。
是不是觉得很神奇？那是不是说，吃了这个药就能年轻六岁？
当然不是。目前这个研究还有非常明确的局限性。首先，样本量很小，只有42名患者完成了完整的纵向检测。其次，观察时间只有12周，属于短期试验结果。更关键的一点，科学家现在还不能完全确定：这些年轻化信号，到底是来自人体衰老机制的真正改变，还是因为肺部疾病好转带来的身体状态改善。
所以现在说“已经制出不老药”，完全是夸大其词。但即便如此，这项研究依然值得我们认真关注。因为它的意义，根本不止于“年轻化信号”本身，而是它背后，AI已经深度参与到了新药研发最核心的环节。
AI怎么改写药物研发规则
过去我们总说，AI是科学家的辅助工具，帮着整理整理数据算算结果。这一次不一样，AI直接参与了新药研发最关键的两步：找靶点，设计分子。
我们先说说，传统研发新药到底有多难。人体内有数万个基因，十几万种蛋白质，无数条信号通路。你要研发一种新药，第一步得先搞清楚：你到底要干预哪个靶点，才能解决问题。这就像你在一个没有地图的大城市里，找一个藏在楼里的特定房间。
找到靶点之后，第二步更难。你得从几乎无穷无尽的化学分子组合里，找到一种既能对靶点起效，又安全、稳定、适合做成药物的分子。化学分子的可能组合，比整个宇宙里的原子数量还多。传统研发方式，全靠科学家一点点试，平均一款新药从靶点发现到上市，要花10到15年，平均投入超过十亿美元，最终能成功上市的还不到10%。
打个比方，传统研发就像你蒙着眼睛在星空里找星星。先得找到正确的那颗，再找到一条能飞到它的路。太难了。
而这一次AI做了什么？AI帮助科学家发现并且筛选出了一个和肺纤维化有关，同时还涉及衰老生物学机制的潜在靶点，之后又用生成式AI，从头设计出了全新的候选药物分子。
整个过程，从发现靶点到确定临床前候选药物，只用了大约18个月。
注意，这不是说18个月就造出了能上市的新药，而是AI把药物研发里最耗时最不确定的那一段路，一下子缩短了几倍。
你想想，这个效率提升是什么概念。传统研发，光是找到合适的靶点，可能就要三五年。现在AI把整个前期时间压缩了一半还多，每年能为全球节约超过500亿美元的筛选和临床试验费用。
放到现在，已经有超过160个AI设计的药物进入了临床阶段。在靶点识别环节，AI的速度比人工快100倍以上。过去找一个肝癌新靶点，传统方法需要6到12个月，AI结合蛋白质结构预测，只用30天就能确定。在分子设计环节，AI能把设计时间缩短70%，成功率提升10倍。
这技术有没有缺点？当然有。
AI找到的靶点和设计的分子，依然需要科学家做真实实验验证，最终能成功上市的依然是少数。但不可否认的是，AI已经把药物研发的整体效率，推上了一个新台阶。
不只是新药，更是科研革命
这件事背后，其实藏着一场更大的科技变革，叫做AI for Science，也就是人工智能驱动科学发现。
你可能还记得AlphaFold，几年前它横空出世，解决了生物学半个世纪的难题：精准预测蛋白质的三维结构。现在它已经开放了超过2亿个蛋白质预测结构，供全球科学家免费使用，直接加速了几乎所有生物医学领域的研究。
现在AI的触角，早就不只是预测蛋白质结构了。它开始参与设计药物分子，寻找新型储能材料，帮助研究可控核聚变，甚至帮数学家发现新的定理。
这些事情看起来各不相同，但背后有一个共同的特点：科学研究的协作模式，已经变了。
过去的科学研究，更多是“作坊式”的。一个实验室，几个研究人员，一点点摸索，从提出假说到验证结论，全流程都靠人一步步推进。遇到复杂问题，光整理数据就要花掉几年时间，很多有潜力的方向，根本来不及深入研究。
现在不一样了，新的协作模式已经成型：AI帮科学家提出假设，预测结果，筛选最优方案，再由科学家去做真实实验验证。
AI擅长处理海量数据，能在很短时间内，从亿万种可能性里筛选出最有希望的几个方向，把科学家从繁琐的试错工作里解放出来，让他们能把精力放在更需要创造力的部分。
这种变化，不只是效率提升那么简单，它是整个科研范式的革命。就像当年望远镜改变了天文学，显微镜改变了生物学，AI现在成了科学家的新“超级工具”，帮我们看到过去根本看不到的规律，摸到过去根本摸不到的方向。
根据统计，2019年到2023年，全球AI for Science领域的论文发表量，年均增长率达到了27.2%，是当前科学界增长最快的方向之一。除了生物医药，它已经在很多领域落地出成果：
在材料领域，AI可以精准预测材料结构和性能的关系，把新型电池材料的研发周期缩短一半，成本降低三分之一。 在核聚变研究中，AI帮助科学家更好地控制等离子体，让稳定可控的聚变发电离我们更近一步。 在数学领域，AI已经帮助数学家发现了全新的几何定理，找到了矩阵乘法的最快计算方式，刷新了人类保持几十年的记录。
现在你再看这次AI发现年轻化信号的研究，它其实就是这个大变革里，一个最新的标志性成果。
AI的终极价值，不止效率
我们今天聊AI，总在讨论一个问题：AI会不会抢走人类的工作？AI会不会超越人类的智能？
但很多人可能没想过，AI真正能改变世界的价值，也许根本不只是替人类干多少现成的活，而是帮助人类攻克多少过去束手无策的难题。
癌症、阿尔茨海默病、衰老、清洁能源、气候变化……这些都是人类研究了几十年，甚至上百年，依然没有彻底解决的难题。这些难题卡住了太多人的命运，也挡住了人类文明往前走的脚步。
如果AI能够帮助科学家加快突破速度，把原本需要十几年才能走完的研发路，压缩到三五年甚至更短，改变的就不只是某个行业的效率，而是无数人的命运。
提高生产力，是让人类把已经会做的事情做得更快。而推动科学发现，是让人类有机会做到过去根本做不到的事情。
举个简单的例子，阿尔茨海默病，困扰了全世界几千万家庭。几十年来，无数药企投入数千亿美元研发新药，失败了一次又一次。很多靶点都是最近几年，AI帮助科学家重新梳理才发现新的可能性。如果AI能帮人类提前十年攻克这个病，你想想，这能改变多少家庭的生活？
回到这次的年轻化信号研究，即便它现在还不成熟，即便它最终可能只是一个偶然的副作用，但它依然给我们打开了一扇新的门。它让我们看到，AI真的能帮人类在衰老研究这个老大难领域，找到新的方向。
当然，我们也必须客观看待AI的局限性。AI不是魔法，它不会凭空变出答案，它所有的发现都基于人类已经积累的科学数据，它提出的所有假设，最终都必须经过真实实验的检验。现在AI for Science依然处于发展早期，还有很多问题需要解决，很多边界需要探索。
但不可否认的是，一个全新的时代已经拉开了序幕。过去是人类用科学创造了AI，今天AI已经开始反过来，帮助人类创造新的科学。这种互相成就的正向循环，才是最值得我们期待的地方。
说到底，所有的科技进步，最终都要落到人的身上。AI帮我们更快攻克一个难题，就能让更多人少受一点病痛的折磨，就能让我们的生活多一分保障，就能让人类文明往前走一步。
看似遥远的黑科技，最终都会落到日常的烟火里。所有对前沿科技的探索，本质上都是对人类更好生活的追求。
