不会编程的人已经能靠AI写软件了，那么不懂药的研究员，能不能靠AI设计药物？网红研究机构Citrini Research给这个问题做了一次认真的实验。据财联社10月20日报道，该机构在周二公布的报告中披露，5名证券分析师在20万美元预算内，借助Anthropic的内部研究模型设计了一批可能用于对抗蝎毒的小型结合蛋白，并送往真实实验室验证。送检的211个设计中，最终有17个达到与目标毒素结合的标准。这个结果超出了团队自己的预期：实验开始前，他们并不确信自己能设计出任何一个真正结合毒素的蛋白质。
这场实验的出发点朴素得近乎大胆：既然缺乏编程经验的人可以借助AI开发软件，那么缺乏药物研发训练的证券分析师，能否用类似方式设计出候选药物？团队共5人，其中3人完全没有科学背景，另外两人也只有少量相关知识，预算设定为20万美元。选题上，他们瞄准了蝎毒，目标是设计能够附着于目标毒素的小型结合蛋白，为开发解毒疗法提供起点，这个方向既避开了需要完整药理验证的长周期管线，又有清晰的验证标准，蛋白与毒素结不结合，实验说了算。值得注意的是实验的合规安排：由于云端直接调用模型会触发生物安全限制，整个项目在Anthropic的协助下进行，公司对生物滥用风险的防火墙没有因为合作方身份而放松。外行做药这件事听着像行为艺术，但从预算设定、目标拆解到安全边界，这次实验的设计都相当严谨，这也是报告发布后引发广泛讨论的原因。蝎毒也并非随手挑选的题目，蛇虫咬伤在部分热带地区仍是常见的公共卫生威胁，抗毒蛋白一旦走通后续路径，社会价值与商业空间都真实存在。
设计端与实验端的速度差，是整份报告最有戏剧性的部分。今年8月，团队向Claude提交了一份约35页的提示词，随后发生的事情超出常规认知：模型在一夜之间启动了超过300个子智能体，调用超过300块并行运行的GPU，自主完成了蛋白质设计、评分与筛选的全部计算环节。团队将这个过程描述为把一年的工作压缩到短短几天。然而计算里的速度没有延续到实验室：DNA合成、蛋白质生产与纯化、获取可用毒素、建立实验对照，每一个环节都要排队等待，团队随后用了约两个月时间等待并分析实验结果。这组对照给出了一幅清晰的生产力地图：AI已经把设计端的瓶颈打穿，分子从想法到序列只要一夜；但把序列变成真实蛋白、再验证它是否起效，仍然是一条以月为单位计时的物理流水线。两个世界的时钟差，恰恰构成了理解这场实验全部价值的钥匙。预算的分配结构同样有参考价值，大头花在合成与湿实验环节，模型调用费用只占小头，这个比例本身就是当下AI药物研发现实成本的缩影。
结果本身需要放在正确的标尺上读。送交Twist Bioscience进行合成等工作的211个设计中，17个达到了与毒素结合的标准，约8%的成功率对团队而言是超预期的惊喜，毕竟他们的起点是一群没有实验室经验的分析师。但报告对边界的表述相当克制：实验尚未测试这些蛋白质能否真正阻止毒素发挥作用，更没有证明它们在人体内的安全性与有效性，从能结合到能治病之间，还隔着药效、药代、毒理等一整条临床前链条。换句话说，这次尝试展示的是AI辅助早期分子设计的潜力，而不是一款新药的诞生。这个克制本身反而增加了报告的可信度，相比动辄宣布颠覆行业的叙事，一份清楚标注自己只走了第一步的研究文档，对产业判断更有参考价值。对科研工作者，17个命中也再次印证了近两年蛋白质设计领域的共识：生成式模型的候选产出质量已经跨过可用线，真正稀缺的是把候选送进湿实验验证的通道与预算。
正是设计端与实验端的速度差，让这家研究机构得出了它的核心投资判断：当AI显著缩短从研究想法到实验方案的时间，候选分子的供给将大幅增加，而验证它们的现实条件不会同步扩张，行业的瓶颈将从设计端转移到检测能力、实验资源与执行环节。按照这个逻辑，合同研究组织CRO可能成为生物学领域类似云基础设施的存在，细胞、检测实验、试剂与患者样本，则是支撑研究运行的关键投入品。报告点名了三个方向的代表：提供药物研发服务与实验动物的Charles River，覆盖筛选检测工具的Revvity，以及实验室自动化厂商Tecan。这层判断还叠加了周期因素，疫情时期的繁荣消退后，生命科学行业经历了漫长的融资困难，估值与关注度都处在低位，一个被冷落的行业同时迎来周期修复与AI带来的新增需求，是经典的逆向投资剧本。报告里的另一句话值得记下：AI不必攻克癌症，也能产生巨大影响。当然需要提醒的是，Citrini的立场是投资者，这份地图的逻辑自洽与实际兑现之间仍有距离；但对科研侧的启示同样清晰，干湿闭环的价值从未像今天这样直白，设计端越快，湿实验的调度能力就越值钱。