三家最强AI公司,怎么都在抢生物学家?

点击上方↑“泰思学术 ”看看有多少位朋友关注

讲真，这几天科技圈的朋友们怕是都没睡好觉。

6 月 19 日，咱的端午节假期第一天：AlphaFold 的核心缔造者、2024年诺贝尔化学奖得主John Jumper，在 X 上宣布了一个重磅消息：他要离开待了快九年的 Google DeepMind，加入 Anthropic（生物方向）。

DeepMind 的 CEO Demis Hassabis 随后公开回复，感谢了 Jumper 对 AlphaFold 和 AI for Science 的贡献。合作九年、共享诺奖，这大概是科技圈最体面的一次告别了。

但这件事真正炸场的，还要从两天前说起，另一位大神 Noam Shazeer 宣布离开谷歌，去了 OpenAI（通用大模型）。Shazeer 是 Transformer 架构奠基论文《Attention Is All You Need》的共同作者之一。谷歌在 2024 年花了大约 27 亿美元，—通过一笔授权和人才回流交易把他请回了谷歌，结果不到两年，人又走了。

不到 72 小时，谷歌一个花了 27 亿美元买回来也没留住，一个处了九年感情也没留住。

但如果你只盯着“谷歌又流失人才”这个角度看，可能就错过真正的大事了——AI 公司们，正在疯狂押注同一个方向：生命科学。

John Jumper 是谁？

1985年出生在美国阿肯色州小石城，一个普通的南方小城。本科拿了数学和物理双学位，之后在芝加哥大学一路读到博士，研究理论化学。

彼时的Jumper，简历上最亮眼的部分，不是对神经网络的掌握，而是对蛋白质物理的理解。但 DeepMind 的创始人 Hassabis 做了一个谁都没想到的决定：让这个毕业才 6 个月、连深度学习都要干中学的新人，直接领导AlphaFold团队。

Hassabis 赌的是：解蛋白质折叠这道题，懂蛋白质比懂 AI 更重要。

接下来几年发生的事，只能用“离谱”来形容——

• 2018 年，AlphaFold 在蛋白质结构预测竞赛 CASP 上首次亮相，碾压传统方法。

• 2020 年，AlphaFold 2 横空出世，困扰生物学家50年的蛋白质折叠问题，被一个AI模型直接“解了”。

• 2021 年，Jumper 带队算出了几乎所有人类蛋白质的 3D 结构，最终实现了约 100 万个物种、近 2 亿种蛋白质的结构预测。

2024 年 5 月，AlphaFold 3 发布，不只预测蛋白质了，DNA、RNA、小分子药物之间的相互作用，全能算。

五个月后，Jumper 和 Hassabis 一起站上了诺贝尔化学奖的领奖台。

那年 Jumper 才 39 岁，是 70 年来最年轻的化学诺奖得主。

Jumper 选择 Anthropic，不是一时冲动。在生命科学这个方向，动作最为密集、布局最早的就是它了。

2025年10月，Anthropic 推出 Claude for Life Sciences，把Claude嵌入生命科学工作流，覆盖文献综述、实验设计、数据分析、临床与监管文档等任务。2026 年 1 月又推出 Claude for Healthcare，把重点从药企和研究机构扩展到医疗服务、支付方和临床场景。

4 月，Anthropic 又干了一件更狠的事：以大约 4 亿美元的全股票价格，收购了一家叫 Coefficient Bio 的 AI 生物技术公司，核心成员来自 Genentech 的计算生物学团队 Prescient Design。

这家公司成立才几个月，团队不到 10 个人。4 亿美元买不到 10 个人，可以说是贵得离谱，但 Anthropic 缺的，正是这批人手里的药物研发经验。

相关报道还提到，Anthropic 正在招聘生物学家、建设湿实验能力，并试图把 AI 与实验验证闭环连接起来。

诺华 CEO 也加入了 Anthropic 的董事会，据说是第一个进入前沿 AI 实验室管理层的制药公司高管。6 月 9 日发布的Claude Fable 5，直接把生命科学能力当核心卖点来宣传。十天之后，Jumper 就来了。

OpenAI 走的路线不太一样。

今年 4 月 16 日，他们发布了 GPT-Rosalind，一个专门面向生命科学研究的推理模型，目标是支持生物学、药物发现和转化医学研究。它可以帮助研究者做证据综合、假设生成、实验设计，也可以通过 Codex 接入生命科学工具和数据库。

目前，GPT-Rosalind 已经和 Amgen、Moderna、Thermo Fisher等头部药企达成合作。OpenAI 基金会更是直接表态：未来一年在生命科学方向的投入不低于 10 亿美元。

DeepMind 和它孵化出的 Isomorphic Labs 走的是第三条路：拆出一家独立的 AI 药物发现公司，直接做临床管线。

2026 年 2 月，Isomorphic Labs 展示了自己的 Drug Design Engine，也就是 IsoDDE。Nature 报道称，外部科学家把它称为接近“AlphaFold 4”级别的进展。它不再只是预测蛋白质结构，而是面向药物发现中的蛋白-配体相互作用、抗体结构、结合位点等更贴近产业应用的问题。

三家公司，三条路径，终点却出奇地一致。

中国也没闲着。

据长江证券报告，2026 年 Q1 中国生物医药投融资金额达 25 亿美元，同比增长 117.1%。猎聘数据显示，AI 制药、计算生物学等新赛道与互联网、IT行业正在争抢算法与数据人才，AI 药物研发算法+生物学复合型人才的平均跳槽周期仅 1.8 年。

字节跳动的 AI 制药团队也在加速产业化。AI 制药平台Anew Labs已经发布分子结构预测模型 Protenix，并在今年 4 月首次披露：全球第一个用小分子同时阻断了 IL-17 家族的三个二聚体，攻克了一个被制药行业几十年来称为"不可成药"的靶点。

但字节的经历也说明了这个赛道的特殊之处：核心成员顾全全、萧文之等相继离职创业，本质上反映了一个深层矛盾：大厂的组织架构里，很难长出一支能打通 AI 和生物所有环节的队伍。

说白了，会写 AI 代码的人一抓一把，懂蛋白质的人也不少，但同时会这两样的人，才是 AI 公司愿意砸天价去抢的稀缺物种。

最直接的推动力是：AI 设计的药物开始在人体试验中拿出结果了。2025 年 6 月，英矽智能的 rentosertib 在特发性肺纤维化的 IIa 期临床试验中获得积极结果，论文发表在《Nature Medicine》上。

Rentosertib 是一个 TNIK 抑制剂，其靶点发现和分子设计都使用了生成式 AI。无论最终它能否走到上市，这至少把“AI 能否真正发现药物”从一个理论问题推进到了临床证据层面。

而 FDA 在 2025 年 4 月宣布逐步取消单克隆抗体动物实验要求、鼓励 AI 计算模型替代，则从监管层面打开了两年前不存在的通道。

而且，生物学的商业天花板极其惊人。

传统药物研发遵循"双十定律"：耗时10年，投入10亿美元，成功率不到10%。BCG 的模型认为，AI 有机会把临床前发现时间缩短 30% 到 50%，成本降低 25% 到 50%。全球AI制药市场规模在2025年约为24.1亿美元，麦肯锡估算，生成式 AI 每年可能为制药和医疗产品行业释放 600 亿到 1,100 亿美元价值；

换句话说，AI在聊天、画画、写代码上的商业空间，和制药比起来，只是冰山一角。

不过，这个故事其实不像表面看起来那么顺。AI 药物发现的临床记录其实仍然很少。Recursion 仍没有获批药物，2025 年还收缩了部分管线。BenevolentAI 的候选药物在特应性皮炎临床试验中失败后，公司从阿姆斯特丹退市并被收购。Exscientia 早期的 AI 药物项目也曾在临床后终止。

也就是说，AI 药物发现已经越过了“完全没有临床证据”的阶段，但还远没有到“确定能系统性提高成功率”的阶段。

从这个角度看，生命科学不只是 AI 的下一个大市场。它正在变成前沿 AI 的硬核考场，谁能在这里跑通闭环，谁就证明了自己的模型不只是在屏幕上有用，而是能在真实世界里产生可验证的结果。

至于这场争斗最后能开出什么花来，咱们就搬好小板凳，慢慢看吧。