11月，arXiv上出现了一篇题为PharmAgents2的论文，作者署名二十五人。它提出的不是又一个分子生成模型，而是一套把药物发现从头到尾跑一遍的自主系统。团队把它称为虚拟制药公司的原型，这个说法比"AI辅助研发"野心大得多。
药物发现真正难的地方不在生成分子，而在连续决策。选定哪个靶点、走哪种抑制机制、先做哪一批化合物、结果不符合预期时改哪一步，这些判断串起来决定项目成败。论文的切入点正是这条决策链，而不是单点的生成质量。
系统发布的同时，团队推出了PharmAgents-Bench v0.1。评测集包含121道题，分布在九类决策场景里，另外还有三个端到端任务。评分方式不是简单的对错，而是由专家预先写好的过程评分标准，看系统在每一步的判断是否站得住。
这个评测设计值得单独说。药物发现的结果要等实验，周期以月计，用它来评测模型太慢；只看最终答案又会让模型学会猜。过程评分是折中方案，把"决策是否合理"拆成可核对的条目，比如有没有考虑脱靶风险、有没有为失败预留备选路线。
团队称系统在多数决策类别上超过对照基线，并在三个端到端任务上拿到最高的过程分。这类自建评测天然有偏向，题目由团队自己出，标准由团队自己写。它的价值不在于排名，而在于把"AI能不能做科研决策"这个问题拆成了可讨论的细项。
系统的第一块组件叫Paper2Skill，做的是从公开文献里提取可迁移的科研决策知识，再和专家手工编写的技能放在一起，供研究决策调用。这里的关键词是可迁移，也就是把"某类靶点该先看什么"这种经验从具体案例里抽出来。
第二块叫Self-Scaling Discovery，用并行智能体扩大探索面。这些智能体继承同一份研究上下文与决策能力，在不同靶点、不同科学假设、不同发现策略上同时开跑。规模化探索的意义在于，药物发现的搜索空间太大，单线程试错根本走不完。
两块拼起来形成的是一个循环：技能告诉系统该怎么判断，并行探索提供足够多的候选路径，过程中的结果再回流去修正判断。这个循环不需要人逐步指挥，人负责的是设定目标与验收标准，这与传统CADD软件的使用方式有本质区别。
第一个真实研究围绕LpxH展开。这个靶点与革兰阴性菌的外膜合成有关，是抗菌药研发里被关注的方向。系统做的事是先提出一个假设，认为蛋白上存在一个此前未被报道的别构位点，然后针对这个位点去筛化合物。
结果是筛出了一个新型抑制剂骨架，后续实验确认了它的抑制活性与结合能力。这条链条的完整度是重点：从提出位点假设，到筛出分子，再到实验验证，三步都由系统主导，人负责执行实验。过去的AI制药流程里，位点通常由人指定，系统只做后面的筛选。
别构位点这条路本身有它的逻辑。正构位点往往高度保守，容易做出广谱但也容易撞上耐药；别构位点多样性更高，能找到选择性更好的分子。风险是验证难度大，位点是否真实存在、结合是否产生功能抑制，都要靠实验一项项排除。
第二个研究换了思路。JAK1是一个成熟靶点，正构位点上的竞争已经非常拥挤，系统没有去猜新位点，而是把优先级放在共价抑制策略上，然后提名了一批化合物，实验测出了活性。
这一步体现的是决策能力而非生成能力。共价抑制意味着分子要与靶点形成共价键，好处是效力强、耐药窗口宽，坏处是选择性难做、脱靶毒性风险高。选这条路需要对靶点结构、氨基酸残基环境与现有临床数据都有判断，不是靠采样能碰出来的。选错的代价也很实在，一条走不通的机制路线可能烧掉半年的化合物合成工时。
两个案例放在一起看，系统的价值不在某一种策略更强，而在它能根据靶点的具体情况换路线。一个靶点去猜新位点，另一个靶点走成熟机制，这种"因靶制宜"的选择恰恰是人做科研时最费时间的部分。
第三个研究方向相反。起点是一个已知有生物活性的分子，但它的作用靶点并不完全清楚。系统在蛋白组尺度上探索候选靶点，提出一个新的结合靶点，随后的实验确认了两者的相互作用。
这种反向找靶在药物研发里叫机制研究，价值在于解释"为什么有效"。很多候选药物在表型筛选里表现良好，却说不清作用机制，后续开发就会卡在安全性评估上。能快速给出可验证的靶点假设，等于把一段盲人摸象的过程缩短了。反向找靶还能顺手排除一类风险，如果发现分子同时结合几个同源蛋白，选择性上的麻烦就会提前暴露。
三个案例的共同点是都落到实验台上。论文明确写到，自主研究产生的发现随后得到了人工执行实验的支持。这句话的分量比任何分数都重，因为它是这套系统第一次在真实科研流程里留下可核对的痕迹，而不只是在基准上跑分。
已经成立的部分是决策闭环。系统能自己提假设、自己排优先级、自己筛化合物，并在结果回来之后调整下一步。这套能力在三个案例里被验证过，虽然样本量很小，但方向是清楚的。
没有成立的部分是闭环的另一半，实验。合成、纯化、表征、动物实验，这些环节仍然要靠人和实验室，论文里的验证全部由人工执行。所谓虚拟制药公司，目前是"决策虚拟化，执行物理化"，中间的接口还是人在跑。
更现实的判断是把它看成研发流程里的一个加速层。它不会替代化学家，但会把"值得试的方向"从几个变成几十个，把失败提前暴露在便宜的计算阶段。对一家真正做药的公司，这意味着早期探索的试错成本下降，而试错成本恰恰是新药研发最贵的一块。