夜雨聆风最近读了一篇很有意思文章，摘选并注解如下，原文请参考：https://liangchang.substack.com/p/i-asked-2-ai-agent-teams-to-run-20
导语
在生物医药这个动辄“百亿美金砸不出一个响动”的终极高风险行业，一个决策的失误就能让巨头瞬间跌落神坛。如果把今天最顶尖的 AI 智能体（Agents）组装成“虚拟高管团队”，送回那些决定巨头命运的董事会时刻，它们能比人类做得更好吗？
最近，Liang's AIxBIO foundry开展了一项跨越时空的“盲测”实验：让 Anthropic 的 Claude 和 OpenAI 的 GPT/Codex 团队独立推演 20 个制药巨头的重大战略决策。
实验的结果如下：在 90% 的案例中，两个相互独立的 AI 团队做出了完全相同的战略选择。它们彼此之间高度共识，却在面对复杂的现实时暴露了致命的短板。
01. 终极盲测：给 AI 戴上“时间锁”
为了保证绝对公平，作者对 AI 团队施加了严格的“时间锁”：只能调用决策发生前的公开数据（如学术论文、财报、临床试验登记信息等），严禁“开天眼”偷看未来的实际结局。在这 20 个生死决策中，包含 10 个历史回顾案例（已有明确结果），以及 10 个前瞻性案例（发生在 2023 晚期至 2025 年之间，成败要到 2027-2031 年才能揭晓）。通过这场博弈，作者试图清了 AI 决策的底色，总结出了AI决策的底层规律。
02. 规律一：共识的下限极高，AI 是完美的“老实人”
在历史案例中，只要正确的路径符合当时的主流专家共识，AI 的表现就堪称封神。
- 案例：诺和诺德（Novo Nordisk）砸钱肥胖症（2016年）
- 行业背景：
当时的减肥药市场被戏称为“商业荒漠”，研发难度大、安全性风险高，大厂纷纷退缩。
- AI 的抉择：
两个 AI 团队在看完司美格鲁肽二期临床中 12%–15% 的惊人减重幅度后，冷酷地指出：这是行业“质的飞跃”，支持公司砸下十几亿美金开启 STEP 三期临床。
- 现实结局：
如今 Wegovy 风靡全球，减肥药市场暴涨，成为全球制药史上的神话。
洞察： AI 没有任何人类高管的“沉没成本谬误”、内部政治斗争或短期财务指标压力。在客观整合现有证据、推导合乎逻辑的“主流最优解”时，AI 能够提供极高水准的决策下限。
03. 规律二：特立独行的上限极低，AI 永远不会“豪赌”
然而，一旦行业迎来了需要逆向思维（Contrarian Bet），或者在缺乏直接证据时进行“信念一跃”的时刻，AI 就露怯了。这里有一个长达 22 个月的“时空打脸”：
- 时空 A（2012年）：BMS的 CheckMate-026 惨败
- 商业决策：
BMS 在设计抗癌神药 O 药的一线肺癌临床试验时，面临两个选择：全人群方案，赢了就能独吞万亿市场；还是通过 PD-L1 指标只筛选部分患者（富集筛选方案，更稳妥但市场会变小）。
- AI 与人类的集体翻车：
当时全行业关于该标记物的数据极其稀少。AI 智能体冷酷地算了一笔账：“数据太薄，不值得为它缩窄市场。” 最终 AI 顺应了当时的行业偏见，支持了全人群方案。这与真实历史中 BMS 管理层犯下的致命错误一模一样——试验最终惨败，一线肺癌的江山拱手让人。
- 时空 B（2014年）：默沙东的逆袭
- 转机：
22 个月后，相同的 AI 团队去推演默沙东对 K 药的决策，此时 AI 却 180 度大转弯，坚定地选择了“只筛选 PD-L1 极高表达患者”的富集策略。为什么？
- 残酷的真相：
不是 AI 变聪明了，而是过去的 22 个月里，人类科学家疯狂做实验，把证据库喂饱了。数据变厚了，富集策略成了“新共识”。
洞察： AI 本质上是一个共识推理者。它只能在证据基础发生变化后，随之翻转决策；而真正伟大的人类破局者，是在证据尚未形成的迷雾中，凭借偏执去创造证据。AI 永远给不了你对抗共识的勇气。
04. 规律三：框架压倒模型，别再迷信最新的大模型了
实验中一个颠覆认知的发现是：尽管 Claude 和 GPT 拥有不同的参数和技术，但在“最终采取什么行动”上，两者的吻合度高达 90%。这意味着，智能体角色扮演的架构（比如强制加入合规、商业竞争等视角的相互辩论）、提示词流程的设计，比你调用具体哪一个版本的 LLM 要重要得多。想让 AI 帮你做决策，花精力升级工作流框架，远比傻傻等待下一个模型更新要有价值。
05. 盲测未来：10 个前瞻性当前案例的大博弈
为了彻底打消“AI 只是在训练数据里读过答案”的质疑，作者让升级版的 7 人 AI 高管团队（加入了 CFO 和专门抬杠的特立独行董事）对当下的 10 个悬而未决的真实制药巨头决策进行了盲测推演（篇幅限制本文只摘取4个）：
- 诺和诺德竞标 Metsera：
AI 敏锐识别出长效 GLP-1（每月注射一次）的威胁，支持拦截，但精准算到了美国 FTC 的反垄断红线（现实中诺和诺德确实因反垄断压力被迫退出竞标）。
- 阿斯利康与第一三共的 Dato-DXd 申报：
面对临床数据中部分人群的致命毒性风险，AI 强烈警告不要贪大，建议主动缩窄申报范围以“保护整体管线叙事”（现实中两家巨头硬闯全人群全 label 碰壁，最终不得不像 AI 建议的那样妥协缩窄标签）。
- 艾伯维（AbbVie）对 emraclidine 的暴雷止损：
面对 87 亿美元买来的精神病新药二期临床意外溃败，AI 展现了极其冷酷的商业止损逻辑：立即叫停所有单药三期临床，及时计提资产减值，并迅速转产开拓辅助治疗或其他精神病领域（现实中艾伯维的做法与 AI 的 salvaging 挽救方案高度吻合）。
- BridgeBio 后来者的蚕食定价：
面对辉瑞长期垄断且高昂的心衰药，AI 精准建议采取 “Parity-minus”（略低于平价，约 9% 折扣） 的市场准入策略，既学到了高端定位又给医保医院更换处方的财务激励（现实中该药精准以该价格上市，首季利润轻松打爆华尔街预期）。
结语：商业世界不需要完美的传声筒
AI 高管在 90% 的案例中达成一致，这恰恰证明了它的局限——当全行业的共识都在走向悬崖时，AI 也会充满逻辑、极其理智地陪着人类一起走向毁灭。
对于企业来说，AI 是一个完美的“降噪器”和“纠偏镜”，它能强制逼你的团队看清冷酷的数据事实，剔除掉自大和办公室政治。但面对未知的、反直觉的、需要颠覆规则的未来，那临门一脚的“惊天一跃”，依然需要人类高管自己带上无畏的勇气。因为 AI 的字典里只有概率，而商业的奇迹，往往诞生于信念。
