全世界资金最充裕的 AI 药物设计公司，至今还没有治疗过一个病人

IsoDDE 在实验室测试中把 AlphaFold 3 的准确率提高了一倍，但 Isomorphic 第一个临床试验目标还要再等几周

11 月 2 日，Isomorphic Labs 总裁 Max Jaderberg 在伦敦 Bloomberg Tech 大会上对听众表示，人工智能终将设计出人类服用的每一种药物。这是这家由 Alphabet 支持的实验室，自五年前 CEO Demis Hassabis 创立它、提出 AI 能「解决所有疾病」这一命题以来，发表过的最宏大的公开主张。

Jaderberg 没有说的是，截至本周，Isomorphic Labs——背后有 27 亿美元的风险投资支持，与礼来、诺华和强生建立了合作关系，建立在获得诺贝尔奖的 AlphaFold 技术血统之上——至今还没有给任何一个病人用过它设计出的任何一种药物。

这个「愿景」与「临床现实」之间的落差，在 2026 年即将结束之际，构成了 AI 药物研发领域最关键的问题：一套明显优于五年前任何可用系统的计算系统，到底能不能在一个真实的人体身上产生证据。公司自己设定的、启动首个 I 期临床试验的截止日期，大约还有八周。

IsoDDE 如何把 AlphaFold 延伸成一台药物设计引擎

支撑 Isomorphic 临床野心的技术基础，是 IsoDDE——Isomorphic 药物设计引擎——于 2026 年 2 月 10 日以一份技术报告的形式发表。这个平台把 2024 年 5 月发表于《自然》的 AlphaFold 3，从「蛋白质结构预测」延伸成了一套端到端的药物设计流水线。这个区别是实质性的：AlphaFold 3 告诉你一个蛋白质的三维形状是什么样；IsoDDE 则要告诉你，什么分子会与它结合、结合得有多紧、结合在哪里。

IsoDDE 建立在四项相互衔接的能力之上。第一项是蛋白质-配体结构预测——建模一个小分子候选药物，如何在物理上嵌入目标蛋白的结合口袋，包括静态结构模型会漏掉的动态构象。第二项是抗体-抗原界面建模，把同样的几何推理延伸到生物药和免疫学靶点，这类靶点的结合几何涉及规模大得多的分子结构。第三项是结合亲和力估计：对分子结合其靶点的强度做数值预测，根据公司的技术报告，这一预测与实验测得的结合自由能数据之间的皮尔逊相关系数为 0.89，而 AlphaFold 3 为 0.72，传统的基于物理的对接软件为 0.55。第四项能力是可成药口袋识别——仅凭氨基酸序列，就能找出一个蛋白表面上药物切实可能结合的位置，包括那些在静态晶体结构中看不见的所谓「隐秘口袋」。

Isomorphic 认为最重要的，是泛化能力基准测试的结果。在一项衡量「对与训练数据序列相似度低于 20% 的蛋白质-配体对」预测准确率的测试中——这是衡量一个系统是否真正理解化学、而不只是识别化学的最严苛的实用标准——IsoDDE 达到了约 50% 的准确率，而 AlphaFold 3 只有约 23%。在 FoldBench 这项抗体-抗原结构预测任务上，它达到 75.58%，而 AlphaFold 3 为 47.90%。这些数字来自公司自报的评估，而不是独立的同行评审——IsoDDE 尚未在任何期刊上发表——在评估「哪些已经过外部验证、哪些只是内部基准测试」时，这一区别很重要。

一个以「天」而不是「年」为单位运转的生成式设计循环

2026 年 9 月，Isomorphic 发表了一篇介绍文章，记录了一次自动化药物设计实验，意在实际展示这个平台的生成式循环。从一个生物学靶点出发，这套系统生成候选分子，按预测的结合力和选择性标准给它们打分，挑出最有希望的那些，送去合成，再拿回体外活性数据——每一轮设计迭代全程只需要两到四天。

那次实验里，有一个候选分子对目标靶点表现出了可测量的活性。这是一次有意义的展示：一条完全自动化的流水线，完成了一次设计循环，中间每一步都不需要人类化学家做决策。但它不是一种药物，甚至都算不上一个临床前候选药物。体外活性——一个分子在细胞培养中表现出某种可检测的作用——只是通往一个研发流程的入口，而这个流程通常要花费 20 亿美元、耗时十二到十五年，而且九成以上会在到达病人之前失败。

9 月这次实验还清楚地说明了一件事，那就是 IsoDDE 公开文档里没有涉及的内容：完整的 ADMET 分析。ADMET 指的是吸收、分布、代谢、排泄和毒性——这五个药代动力学维度，淘汰了绝大多数本来看起来很有希望、却在早期实验室工作和临床试验之间倒下的候选药物。IsoDDE 的技术报告涉及结构、结合亲和力、口袋识别和抗体界面，但 Isomorphic 的这个平台是否系统性地处理 ADMET 预测，目前尚未披露。

一个已经推迟过一次的截止日期

Isomorphic 宣称的目标，是在 2026 年年底之前提交首个新药临床试验申请，并启动首次人体 I 期安全性测试。这个截止日期，现在只剩不到两个月了。

最初的目标是 2025 年年底。2026 年 1 月 20 日，在达沃斯世界经济论坛上，Hassabis 承认这个目标已经推迟了十二个月。Isomorphic 至今没有公开过具体的临床候选药物名称，也没有确认预计何时给第一个病人用药。

制药研发的时间表上，向来布满了被推迟的既定里程碑。Isomorphic 拥有至少 27 亿美元的资本，以及三项重大的制药合作，而这些合作背后的估值逻辑，直接与这些项目能否走进临床挂钩。彭博社在 2026 年 10 月报道称，这家公司正在洽谈一轮新融资，估值达 400 亿美元或更高——如果年底这个截止日期再次落空，这个数字将完全得不到任何临床证据的支撑。

英矽智能率先走到了 III 期

目前为 AI 设计药物设立临床基准的公司，并不是 Isomorphic Labs，而是英矽智能（Insilico Medicine）。

英矽智能的 rentosertib——由其Pharma.AI平台设计、用于治疗特发性肺纤维化的一款小分子 TNIK 抑制剂——在 2026 年 7 月进入了 III 期临床试验，使其成为第一个在任何适应症上走到 III 期的 AI 设计药物。同一家公司的 ISM6331，一款用于治疗间皮瘤的候选药物，获得了美国食品药品监督管理局的快速通道资格认定，目前处于 I 期。英矽智能是靠一个把「AI 驱动的靶点识别」与「分子生成」结合在一起的平台，建立起自己的临床地位的——这是一个范围更广、商业化周期更长、但投入资本比 Isomorphic 少得多的路径。

Recursion Pharmaceuticals 在 2024 年收购了 Exscientia，目前有五到六个项目处于 I 期或 II 期临床。诺贝尔奖得主 David Baker 联合创立的 Xaira Therapeutics，初始资本 13 亿美元，正朝着蛋白质疗法的临床项目方向推进。整个行业里，处于临床开发阶段的 AI 辅助药物项目总数现在已经超过 170 个，不过其中大多数，是 AI 在传统制药工作流里为「靶点选择」或「早期筛选」提供帮助，而不是完全依靠计算生成分子本身。

Isomorphic 的竞争差异化，不在于临床经验的先后，而在于其基础模型能力的深度。目前没有任何其他药物研发机构，在这种规模上基于 AlphaFold 这条技术血统来构建，并配有 Alphabet 这种量级的研究基础设施，以及规模如此之大的制药合作关系，持续把专有数据反哺回这套系统。

计算层面的卓越，与临床层面的证明之间，仍有一道鸿沟

药物研发有一个生物学复杂性问题，目前还没有任何基础模型真正解决过。一个分子可以展示出理想的预测结合几何结构、强劲的计算亲和力，以及干净的 ADMET 预测结果，却仍然在病人身上失败——原因可能是训练数据分布里没出现过的脱靶相互作用、免疫原性反应、代谢转化成有毒的中间产物，或者仅仅是「细胞实验」与「活生生的人体系统」之间那种无法消除的差异。

大语言模型里被记录过的那种「过度自信」风险，同样适用于分子 AI：这些系统能产出自信、具体的数值结果——预测的毒性数值、渗透性估计——但这些结果反映的，可能只是训练数据分布里的某种模式，而不是一个全新化合物真实的行为。制药行业没办法以低成本发现这些错误：每一个走到 I 期的项目，在有任何疗效数据出现之前，就已经代表着数千万美元的研发成本。

与 Isomorphic 合作的那些大型制药公司，押的不是「AI 会取代药物化学」，而是「AI 能足够大幅度地缩小化学搜索空间，从而在找到一个可行的临床候选药物之前，减少需要合成的化合物数量」。这是一个有实际意义的价值主张。但它和「设计人类未来会服用的每一种药物」，完全不是同一件事。

八周时间，要把一个预测变成证据

Jaderberg 对 AI 在药物设计领域长期走向的预测究竟是否正确——放在几十年的尺度上，它很可能是对的——但眼下这道考验窄得多，也具体得多。到 2027 年 1 月，Isomorphic Labs 要么已经把自己设计的第一个 AI 分子用到了一个人类病人身上，要么就将连续第二年错过自己设定的目标。这个结果，将决定这家全世界资金最充裕的 AI 药物设计实验室，是否已经跨过了竞争对手率先跨过的那道临床门槛，也将决定那个 400 亿美元估值的故事，到底有没有任何生物学证据可以站得住。