AI 藥物研發的技術突破
2025 年 3 月 31 日，谷歌 DeepMind 分拆公司 Isomorphic Labs 宣布完成首輪外部融資 6 億美元，由 Thrive Capital 領投，Alphabet 跟投。這一事件標誌著 AI 技術正式進入藥物研發的核心戰場。
Isomorphic Labs 的核心技術源自於 2024 年發布的革命性 AI 模型 AlphaFold 3，其能精確預測蛋白質、小分子、核酸等生命分子的三維結構及其相互作用，精度達到原子級別。
與傳統藥物研發相比，Isomorphic 的技術可將 10 年的研發周期縮短至 1 至 2 年，並有望將成本降低 90%。例如，在 2024 年與諾華合作時，該公司僅用 9 個月便設計出針對某癌症靶點的小分子候選藥物，而傳統方法通常需要 4 至 5 年。這一突破依賴於其「生成式 AI 引擎」，能夠同時優化分子活性、安全性和合成路徑，從而避免實驗室試錯帶來的資源浪費。
融資背景與戰略布局
此次融資是 Isomorphic Labs 首次引入外部資本，資金將用於三大方向：
技術迭代
開發下一代集成化 AI 模型，覆蓋藥物發現全流程（包括靶點驗證、分子設計和毒性預測）。
臨床推進
推動內部腫瘤學和免疫學管線進入臨床試驗，首個 AI 設計藥物計劃於 2025 年底啟動 I 期臨床試驗。
算力升級
與英偉達合作構建高性能計算平臺，支持每秒數億次分子模擬運算。
投資者對 Isomorphic 的信心源於其已驗證的商業化能力。2024 年，該公司分別與禮來和諾華簽署了價值 17 億美元和 12 億美元的合作協議，針對阿爾茨海默病等複雜疾病研發療法。此外，其技術亦吸引了傳統藥企之外的關注——摩根士丹利預測，AI 制藥市場規模到 2030 年有望突破 1000 億美元。
AI 制藥的行業影響與挑戰
Isomorphic Labs 的突破進展正在改寫藥物研發規則：
-
降低研發門檻：中小型生物技術公司可利用 AI 平臺快速驗證藥物概念，無需依賴大型藥企的實驗室資源。
-
解決「不可成藥」靶點：傳統方法難以攻克的蛋白質折疊異常疾病（例如帕金森病）或將迎來新的治療方法。
-
供應鏈革新：AI 的預測能力結合區塊鏈技術，可優化醫藥原材料採購和臨床試驗管理。
然而，AI 制藥仍面臨重大挑戰：
-
數據壁壘：80% 的醫療數據因隱私問題無法共享，限制了模型的泛化能力。
-
監管審查：美國 FDA 尚未明確 AI 設計藥物的審批標準，可能延緩商業化進程。
-
技術依賴風險：過度依賴單一 AI 模型可能導致系統性誤差，必須建立多算法驗證機制。
未來展望：從藥物研發到「數字生物學」
Isomorphic Labs 的長期目標遠超藥物發現。CEO Demis Hassabis 提出「數字生物學」願景，計劃整合基因編輯（如 CRISPR）、合成生物學與 AI，構建生命科學的「底層操作系統」。例如，其正在開發的平臺可模擬細胞代謝網絡，協助科學家設計人工酶或微生物燃料。
這一願景與區塊鏈技術的結合可能催生新的應用場景：
去中心化知識產權
透過智能合約自動分配藥物專利收益；
真實世界數據（RWD）貨幣化
患者可以安全地貢獻數據並獲得代幣激勵；
抗衰研究
AI 預測人體衰老標誌物，結合 DeFi 機制為長壽研究募資。
投資者可通過 JuCoin 研究院追蹤 AI 與區塊鏈融合的前沿項目。
Neason Oliver
