Demis Hassabis及其诺贝尔奖团队创办的Isomorphic Labs近日成功完成6亿美元融资，标志着以AlphaFold 3为核心的AI药物设计引擎正加速从基础科学突破走向临床应用。这不仅预示着药物研发效率的质变，更开启了利用人工智能全面理解生命分子互作用，从而攻克人类顽疾的全新时代。
在人工智能领域，少有人能像德米斯·哈萨比斯（Demis Hassabis）这样，将远大的愿景一步步变为现实。这位被“互联网之父”蒂姆·伯纳斯·李赞誉为“地球上最聪明的人”，从围棋程序AlphaGo的横空出世，到破解蛋白质折叠半世纪难题的AlphaFold，再到因此荣获2024年诺贝尔化学奖，他的职业生涯轨迹清晰地指向一个核心目标：利用AI探索智能的极限，并将其力量应用于人类面临的最复杂挑战。如今，他的新篇章——Isomorphic Labs，一家专注于AI药物研发的初创公司——再次成为焦点，宣布获得6亿美元融资，由Thrive Capital领投，GV和Alphabet参投，旨在进一步推动其下一代AI药物设计引擎进入临床阶段。123
AlphaFold 3：AI驱动的生命科学新范式
理解生命活动的关键，往往在于解析生物分子（尤其是蛋白质）的结构与相互作用。传统上，这依赖于耗时耗力的实验方法，如X射线晶体学和冷冻电子显微镜。然而，随着AI技术的飞速发展，这一领域正经历着一场范式变革。
DeepMind在2020年发布的AlphaFold 2，凭借深度学习算法，实现了从氨基酸序列准确预测蛋白质三维结构的突破，震惊了生物学界。这项成就不仅解决了困扰学界半个世纪的难题，更荣获了包括生命科学突破奖在内的多项殊荣，并在疟疾疫苗、癌症靶向治疗等领域得到广泛应用。
2024年，哈萨比斯团队与谷歌DeepMind联合发布的AlphaFold 3，则实现了技术的又一次跨越式进步，将分子结构预测能力推向了前所未有的高度。其核心改进包括：
- Evoformer核心模块的进化： AlphaFold 3的核心Evoformer模块，灵感来源于Transformer模型，能够更高效地处理输入分子信息，捕捉分子间复杂的进化关系和相互作用模式，为精准预测奠定基础。
- 扩散网络生成分子3D结构： 引入了类似AI图像生成技术的扩散网络，模型能从模糊的原子云状态逐步优化，迭代生成能量最低、最符合物理规律的精确3D结构。这一创新让模型能够“创造”出高精度的分子结构。
- 从单一蛋白质到全类别生物分子： 相较于AlphaFold 2仅聚焦蛋白质，AlphaFold 3的预测范围扩展至DNA、RNA、配体等全类别生物分子，实现了对细胞内更广泛分子种类结构和相互作用的分析。这意味着它能更好地理解生物体内的多分子协同机制，这对于药物设计至关重要。
- 分子相互作用预测精度突破： 在蛋白质与其他分子的相互作用预测上，AlphaFold 3的精度较传统方法提升至少50%，在某些关键场景甚至翻倍。这使得科学家能更准确地理解药物与靶点结合的方式，加速了药物分子的筛选与设计。
如果说AlphaFold 3是AI制药领域的基础科学突破，那么Isomorphic Labs的AI药物设计引擎，则是在此基础上构建的产业应用典范。
Isomorphic Labs：从基础突破到产业深耕
Isomorphic Labs成立于2021年，是谷歌DeepMind剥离出的子公司，旨在将AlphaFold的强大能力转化为实际的药物研发成果。其核心在于一个统一的AI药物设计引擎，融合了AlphaFold 3、扩散模型和多任务强化学习框架等前沿AI技术，形成了一个有机协同的整体架构。
Max Jaderberg，Isomorphic Labs的首席AI官，曾指出，药物研发的本质是在近乎无限的分子空间（约10^60种可能性）中寻找最优解。Isomorphic Labs的目标，正是通过AI技术，实现对药物分子更高效的筛选和设计，将传统上耗时5-10年的药物发现周期，大幅缩短至1-2年甚至更短，从而实现药物研发效率的质的飞跃。
Isomorphic Labs的AI药物设计引擎展现出三大核心优势：
- 技术层面： 凭借AlphaFold 3对所有生命分子结构和相互作用的高精度预测能力，引擎能准确解析药物与靶点的结合模式，为药物设计提供更精准的分子结构信息。这使得研发人员能够基于对分子机制的深入理解来设计药物，显著提升药物设计的成功率。
- 效率层面： 引擎替代了大量人工实验和数据处理，能够高效识别有潜力的药物候选分子，从而缩短药物发现的周期，降低研发成本，加速创新药物的推出，最终为患者更快地提供有效治疗方案。
- 应用层面： 传统药物研发受限于技术瓶颈，对疾病领域和药物类型往往有所限制。而Isomorphic Labs的引擎因兼容全类别生物分子，可同时探索肿瘤、免疫病、罕见病等多个领域，以及小分子、生物制剂等多种药物形式。它对配体结合、复合体稳定性等药物设计关键维度具备强大的预测力，极大拓展了药物研发的边界。
这些优势在Isomorphic Labs近期的战略合作中得到了验证。2024年初，公司先后与诺华（Novartis）和礼来（Eli Lilly）达成战略合作，分别获得3750万美元与4500万美元的预付款，共同开展AI辅助药物研发，聚焦于高难度靶点。仅一年后，诺华便宣布扩大合作范围，进一步证实了Isomorphic Labs的AI技术在探索传统方法无法触及的新化学空间方面的巨大潜力。
AI制药的未来图景与挑战
AI在生物制药领域扮演的角色正日益重要。根据《2025年AI制药市场分析及未来发展趋势报告》，全球AI制药市场规模预计到2025年将达到200亿美元，年复合增长率超过30%。全球已有上百家初创公司和大型制药企业投入重金进行研发。
Max Jaderberg预言，未来十年将是药物研发的变革期，生物学领域正迎来“GPT-3时刻”——AI模型将从被动模拟转向主动创造，催生具备自主探索能力的“科学智能体”。其中，AI与蛋白质的结合，随着靶向药物和合成生物学的流行，正受到前所未有的重视。以AlphaFold 3为代表的动态结构模拟技术，使得药物设计不再局限于静态分子结构，而是能聚焦蛋白质在溶液中的真实运动状态及其与药物的相互作用，显著提升候选药物的有效性。
值得注意的是，AI驱动的蛋白质预测数据库和设计工具正在成为新药研发的重要基础设施。谷歌公开了约2亿个蛋白质结构模型，Meta的ESM-Fold软件免费提供了超6亿个蛋白质三维结构数据。RoseTTA Fold、AlphaFold 3以及国际蛋白质数据库PDB的全新服务，都为相关研究提供了强大助力。在实际应用中，AI已取得显著成果，例如斯坦福医学院与麦克马斯特大学研究人员开发的SyntheMol模型成功设计出抑制超级细菌的分子；英矽智能利用其AI平台识别了罕见肺部疾病的全新药物靶点。
然而，AI制药的发展并非坦途。尽管技术突破带来了巨大希望，但实际落地仍需跨越数据质量、监管审批、以及行业协作模式等多重障碍。数据作为AI训练的基石，其规模、多样性和标注质量直接影响模型性能；监管机构对于AI辅助设计的新药审批流程和标准尚在探索中；而制药公司与AI科技公司之间的深度融合与协作模式，也仍在磨合之中。
尽管挑战犹存，但不可否认的是，AI正从医药研发的辅助工具转变为核心驱动力，其影响已几乎覆盖从药物靶点发现到临床研究的全链条环节。Isomorphic Labs凭借其强大的AI药物设计引擎，无疑正站在这场深刻变革的前沿，推动人类快速研发各类新药、攻克疑难疾病的愿景逐渐变为现实。