上周，两条AI制药新闻在24小时内相继引爆舆论：Anthropic发布早期药物研发成果，依托Claude大模型几乎在无人工干预下自主设计出14个临床靶点的蛋白结合剂，合作方Twist Bioscience股价单日飙升22%；次日，Moderna与默沙东联合宣布其个性化mRNA癌症疫苗intesmeran autogene在针对高危黑色素瘤的全球III期临床试验中达到主要终点，Moderna股价单日翻倍。有媒体甚至称其为“人类历史上第一次用AI治愈癌症”，引发广泛关注。

然而，多位业内人士指出，这两项成果距离“AI自主科研”“治愈癌症”等宏大目标仍有相当距离，AI在其中的真实角色或许没有外界渲染得那么“神”。

Anthropic的突破：工程资源而非算法创新

Anthropic此次工作利用基模型针对靶点设计结合蛋白，并交由外部机构完成湿实验验证。实验数据显示，依托Claude Science工作台，团队自主设计了1320个蛋白结合剂，15个靶点成功14个，整体命中率22.6%至35.1%，远超行业典型水平；其中RBX1靶点命中率40%，碾压同期竞赛人类参与者的3.7%。全部设计由Twist Bioscience与Adaptyv Bio两家外部实验室独立验证。

但香港中文大学助理教授刘圣超向雷峰网指出，这类工作的核心方法论——从靶点结构出发用生成式模型设计结合蛋白——在学术界早有先例。2022年，华盛顿大学David Baker团队在《Nature》发表类似工作；2023年，RFdiffusion和ProteinMPNN相继发表，构成今天大多数AI蛋白设计工具链的基础。刘圣超本人早在2022年就通过ProteinDT和ChatDrug项目验证过这一思路，但当时缺乏湿实验验证。

刘圣超认为，Anthropic的突破更多在于其庞大的工程资源、强大的基模型，以及调动两家外部独立实验室完成规模化湿实验验证的能力——这是传统学术团队难以企及的。同时，Anthropic开源了prompt、设计模型和实验数据，降低了行业试错成本，但也意味着“AI设计蛋白结合剂”的方法论壁垒正以月为单位降低。

他甚至推测，Anthropic可能已意识到需做更深层的“算法2.0”工作，而此次高调放出“算法1.0”成果，或有意将竞争对手的精力“带歪”到壁垒不高的旧路上。

Moderna的III期成功：平台厚度而非算法新意

Moderna与默沙东的III期临床数据过硬：1137名患者，无复发生存期和远处无转移生存期双达标，成为首个III期成功的个体化新抗原疗法。但刘圣超指出，其使用的工具——蛋白质折叠、结合力预测与免疫反应模拟三个模块整合——基本都是大模型发明之前的算法，虽“老派”但更接近落地。

锦波生物首席架构师张骥认为，Moderna的成功更多证明其mRNA平台技术、LNP递送能力、大规模生产体系、临床开发网络和监管路径的厚度，AI只是在此基础上做了局部定制。

算法只是链条的一小部分

两件事放在一起，一个共同疑惑浮现：算法本身的突破性可能没有外界渲染的那么核心。张骥比喻，AI在制药领域如同“偏科生”——在设计序列、预测静态结构等环节表现强，但在表达、折叠、稳定性、免疫原性、毒理、临床等环节仍有很大进步空间。Anthropic的实验也证明，Claude设计的1320个蛋白中，验证的只是“能否结合”，而从binder到成药，中间隔着大量AI难以切入的环节。

张骥以锦波生物主攻的重组人源化胶原蛋白为例，指出AI目前难以预测动态结构，对相互作用的理解有限。“许多工作我们只知道结果不好，但哪里不好、怎么变好，不知道。”这种偏科的根源在于AI for Science连“考什么”都还没搞清楚——没有公正客观的评测集，就无法系统性地知道AI的强项与弱项。

市场仍愿为算法加价，但纯模型模式承压

尽管算法壁垒存疑，AI制药叙事仍带动一级市场追捧，甚至引发FOMO情绪。投资人阿伟透露，AI+生命科学项目融资节奏极快，“基本上两个月就一轮”，这种热情更多建立在“不能错过”的焦虑上。

数据也印证了这种情绪：EvolutionaryScale曾以约13.5亿美元估值融资，最终被CZI收购；Isomorphic Labs估值25亿至30亿美元，但依赖Alphabet独家授权；Xaira拿了10亿美元种子轮，但它是全栈平台加管线，而非纯模型公司——纯模型公司的独立商业模式正经历压力测试。

长期深耕biotech的投资人阿东表示，他们更倾向于既有前沿模型、又能把管线做出结果、链条相对完整的公司，“算法只是链条里很窄的一段，真正决定成败的是从设计到成药的完整能力。在开源时代，只做算法的模式尤其危险，因为验证环节缺失，算法再漂亮也只是空中楼阁。”

回看这两条新闻，AI的发展无疑提升了所有人的期望值，但现实是AI要走的路还很远，那些需要长期投入的环节反而被淹没在算法的喧嚣中。AI制药的估值锚点到底应设在哪里？真正的答案仍需时间证明。