AI制药的"数据瓶颈"：Vivodyne要用机器人实验室打破僵局
AI将彻底治愈癌症的说法，正在从愿景变成行业笑话。
这句话并非来自批评者，而是Anthropic CEO Dario Amodei本人在X平台上亲笔写下的——"真正管用的，其实是治愈癌症本身。"言下之意：当下那些AI即将攻克癌症的宣言，可信度已越来越低，更像是陈词滥调。
这不是孤例。Sam Altman长期将治愈癌症列为OpenAI追逐AGI的核心理由之一；Google DeepMind CEO Demis Hassabis去年也曾在CBS节目中表示，AI或能在十年内治愈一切疾病。然而现实给出的答案要冷淡得多。
AI制药：光环褪去后的真实瓶颈
少数AI设计的药物确实已进入人体试验阶段，其中一款推进到了三期临床，但整体进展远未达到宣传中的预期。Nobel奖得主AlphaFold在理解生命基本构件方面堪称突破，但至今尚未真正产出一款新药。以AlphaFold为基础成立的Isomorphic Labs，首批试验原本计划2025年启动，目前推迟至今年年底。公司在二月发表的文章中坦言：真正的药物发现需要"在广泛生化属性和相互作用范围内高度精确的预测模型"。
Vivodyne CEO兼联合创始人Andrei Georgescu认为，整个领域需要一次"清醒的自我审视"——现有模型缺乏捕捉人体生物学复杂性的足够数据。这一困境在制药行业早有印证：90%在动物试验中有效的药物，最终无法获得人类用药监督&管理批准。
Vivodyne的破局思路：让机器人养真实人体组织
Vivodyne于2021年从宾夕法尼亚大学脱离孵化，Georgescu在那里获得了生物工程博士学位。与其继续依赖动物试验或单细胞/蛋白质研究，Vivodyne选择了一条更接近人体的路径。
公司搭建了一套名为HIVE的模块化机器人实验室，可同时培养20种人体组织，并自主进行给药和监测。关键数据印证了这条路线的潜力：
- 肝脏细胞预测毒性——与人体试验吻合度达94%
- 气道组织——与真实人体组织行为匹配度达96%
- 骨髓——在20种化疗药物测试中实现100%一致性
上周，Vivodyne在旧金山郊外正式启用了其称为"全球最大人体数据中心"的设施。Georgescu透露，团队目前的实验通量已经两倍于全美所有动物试验的总量。公司目前两轮融资共筹得近8000万美元，均由Khosla Ventures领投，但尚未公开合作药企名单。
数据困境的根源：大模型不懂"因果"
Georgescu指出了更深层的结构性问题——当前AI模型所训练的数据，大多是静态的细胞快照，而非追踪细胞如何从A状态演变为B状态的动态过程。也就是说，模型知道"这是细胞状态A"和"这是细胞状态B"，却从未学到"细胞状态B其实是细胞状态A受到刺激后的结果"。
上月发表于Nature Methods的一项研究也佐证了这一判断：现有的生成式AI模型在训练细胞数据时，并不存在明确的数据规模定律。这意味着简单堆砌数据量，并不能自动带来能力提升。
Vivodyne的HIVE设备则不同——它追踪着数十万个持续进行的实验：让患病组织暴露于特定刺激下，观察其如何一步步发生变化。Georgescu认为，这种实时追踪的因果数据，才是真正能训练出理解人体生物学的AI模型的燃料。
为什么这件事关乎未来
这一路径的意义不止于加速当前药物研发。对于需要靶向多条信号通路、远超现有药物设计逻辑的复杂疾病，传统的实验筛选方式已经力不从心。
"如果要做联合疗法，需要搜索的空间将爆炸式增长——靠纯实验根本不可行，"Georgescu在接受TechCrunch采访时表示，"你必须能够说：'我想要这个效果，那我应该施加什么因？'在人体生物学中建立因果关系，是这一切的基础。"
评论