将药物设计时间从数年压缩到小时 过去需要数月甚至数年才能完成的药物研发，现在只需要 24 小时的计算加上几周的实验室测试，以后我们可能可以像定制西服一样定制我们每个人所需的药物。 在最近的一次深度访谈中，Chai 的联合创始人 ，前openai员工Josh Meyer 分享了他们的最新进展。 Josh Meyer 很早就意识到，既然大语言模型能够理解英语和法语，它们也理应能理解*真正的自然语言—-DNA 和蛋白质序列。这促使他投身于 AI 制药 随着模型能力提升，AI 设计药物的速度和质量正在以指数级提升。仅仅一年前，计算机设计抗体在实验室的成功率还只有 0.1%（千分之一或万分之一） 而他们最新的Chai 3成功率不仅接近30%，更重要的是实现了分子质量的飞跃：过去 AI 生成的分子还需要大量人工优化，而 Chai 3 生成的分子已经将各种属性拉满，甚至无需修改即可直接进入后续环节 。Meyer 将此称为Zero-shot（零样本）”药物筛选。 在微观层面，Chai 的模型像“原子级显微镜”一样精准。与几年前 AlphaFold 预测抗体-抗原复合物仅有约 3% 的准确率相比，Chai 的模型提升了一个数量级 。在冷冻电子显微镜下，AI 预测的结构与真实物理结构的误差**小于一个原子的直径** 。 医药巨头礼来在内部对 Chai 的模型进行了极限压力测试（应用在大量的真实项目中）。礼来提供的真实反馈（什么有效、什么无效）极大地帮助了 Chai 获得模型所需的数据及确立未来的研发路线图。 当被问及 Chai 会优先攻克哪种疾病时，Meyer回答：在分子层面，AI 模型并不关心它要治疗的是癌症还是免疫疾病。只要有明确的靶点，模型就可以并行开发无数个项目，大幅缩短寻找到对应药物的时间 。此外，由于 AI 设计的药物疗效更精准、更强（效应量更大），这甚至会让后续冗长、昂贵的临床试验变得更容易，因为效果显著的药物在统计学上更容易被证明有效 。 Chai 的商业模式非常清晰，且与顶级 AI 实验室如出一辙：**技术越好 -> 客户用得越多、创造的价值越大 -> 赚取更多资金购买算力 -> 训练出下一代更强的模型** 。 在制药这个极其庞大且愿意为“成功率和速度”买单的行业里，哪怕比竞争对手快一年，都能转化为数十亿美元的价值。 因此，在这一领域，大家更看重 AI 的“上限（能做出多好的药）”，而不是单纯的“降本（省下多少钱）” 。 Chai 的崛起再次验证了生物学已经正式成为计算机科学的一个分支领域。当 24 小时的计算可以取代过去数年的试错时，人类距离攻克那些曾被认为无法治愈的绝症，也许只差几次模型的迭代。(rick awsb ($people, $people))