人类并不擅长造药，AI 将包揽所有药物？近日，AI 制药公司 Isomorphic Labs 的总裁 Max Jaderberg 在英国一场活动上表示，未来所有药物都会由 AI 设计出来，唯一的悬念在于这一未来究竟会以多快的速度到来。
他提到，Isomorphic Labs 目前仍处于药物研发的临床前阶段。按照既定计划，公司预计将在 2026 年年底启动首次临床试验，届时，其 AI 设计的候选药物将开始在真实患者身上接受安全性和有效性的检验。
Isomorphic Labs 是一家备受关注的 AI 制药公司，也是谷歌母公司 Alphabet 旗下的子公司。2021 年，诺奖得主 Demis Hassabis 从 DeepMind 分拆创立了这家公司，总部位于英国伦敦。“Isomorphic”意为“同构”，这一名称也体现了公司的理念：生物学与信息科学之间可能存在某种深层联系。
2026 年 5 月，Isomorphic Labs 完成了高达 21 亿美元的 B 轮融资，创下当时 AI 制药领域单轮融资的最高纪录。Hassabis 兼任该公司的 CEO，Alphabet 则为其提供主要资金支持。Isomorphic Labs 与 DeepMind 有着深厚的渊源，它的成立也是为了将 DeepMind 在 AI 领域的研究成果进一步应用于药物研发。
图 | AI 药物研发过程（来源：Isomorphic Labs）
在此次公开交流中，Jaderberg 进一步阐述了 Isomorphic Labs 对未来药物研发的展望。他认为，AI 最终能够用于开发所有药物，而他不希望这一过程自然地持续 20 年甚至 50 年，而是希望主动推动这一目标更快实现。
目前，Isomorphic Labs 的主攻方向集中在癌症、免疫系统疾病和炎症等领域。除了推进自家的药物研发项目，公司也在利用 AI 技术支持其他生物制药企业的研发工作，逐渐形成自主研发与对外合作并行的商业模式。
一方面，他们使用AI 模型推进自身的药物研发项目；另一方面，也将这些底层模型应用于合作项目，支持包括礼来、诺华等企业在内的全球知名生物制药公司，为其药物研发提供算法和计算支持。这种既自己研发药物、又向其他药企提供技术的模式，让 Isomorphic Labs 能够在更多实际项目中验证和应用自己的 AI 技术。
支撑这一模式的核心技术，是一套名为 IsoDDE 的统一药物设计引擎。这套系统在 2026 年 2 月正式对外披露，试图解决 AlphaFold 在药物研发应用中尚未完全覆盖的问题。
图 | IsoDDE（来源：Isomorphic Labs）
AlphaFold 擅长预测蛋白质的三维结构，但药物设计需要的远不止于此。一个候选分子不仅要能结合靶点，还要结合得足够牢固，同时避开可能引发副作用的脱靶蛋白，而 IsoDDE 的设计思路，就是将这些环节纳入统一的预测体系。
根据 Isomorphic Labs 发布的技术报告，IsoDDE 在几个关键指标上展现出优于 AlphaFold 3 的表现。
在专门测试模型对全新蛋白质-配体系统泛化能力的 Runs N’ Poses 基准上，面对训练数据中几乎未曾出现的困难体系，IsoDDE 的准确率超过了 AlphaFold 3 的两倍。这意味着，当药物研发遇到那些科学界尚未充分理解的靶点时，IsoDDE 仍有可能作出相对准确的预测，减少对既有实验数据的依赖。
对于抗体这类复杂生物药，IsoDDE 在抗原-抗体结合界面的高精度预测上也优于 AlphaFold 3，尤其是在抗体上变异程度较高、预测难度较大的 CDR-H3 环区域，展现出了一定的预测能力。
另一项更贴近药物设计实际需求的能力，是结合亲和力的预测。传统上，判断一个小分子与靶点结合的强弱，要么依赖计算量大、耗时较长的物理模拟方法，要么需要借助实验解析的晶体结构。而 Isomorphic Labs 声称，IsoDDE 能够在不需要晶体结构的情况下，以远快于传统物理模拟的速度给出亲和力预测，准确度达到与部分高精度方法相当的水平。
图 | IsoDDE（来源：Isomorphic Labs）
此外，这套引擎还能仅凭氨基酸序列，识别蛋白质上此前未被发现的潜在结合口袋，包括那些在未结合配体时处于隐藏状态的位点。找到一个适合药物结合的口袋，是药物发现的重要步骤，IsoDDE 也试图将这一过程纳入计算流程。
Jaderberg 在本次交流中还介绍了一个更具体的应用场景。目前，他们正在利用 IsoDDE 精确设计分子，希望在保证药效的同时，尽可能降低患者所需的药物剂量，从而减少高浓度药物在血液中蓄积可能引发的不良反应。相比传统药物研发中先找到有效分子、再逐步优化安全性的路径，这种方式希望在设计阶段就将安全性纳入考虑。
Jaderberg 的终极设想是，未来科学家在设计药物时，甚至不需要走进实验室，就能够在计算机中准确预测分子之间的相互作用。不过，这个设想目前仍处于探索阶段。IsoDDE 的基准数据主要由公司自行发布，尚需独立验证，而从计算预测到真实患者体内的药效，中间仍有大量实验和临床验证工作需要完成。
谈及为何将癌症、免疫系统疾病以及炎症作为公司的主攻方向时，Jaderberg 表示，传统药物研发在很大程度上仍然依赖反复试错，人类在过去几十年里，其实只是摘取了那些长在低处的果实。
他认为，尽管现代医药已经取得了令人瞩目的成就，但人类对于如何创造新药，仍然缺乏足够深入的理解，在药物设计方面还有很大的探索空间。而 AI 的介入，有望改变这种依赖大量试错的研发方式。
当前，Isomorphic Labs 正处于临床前研究的关键阶段。这意味着，他们不仅要证明 AI 能够预测复杂的分子结构，还要进一步证明这些由 AI 参与设计的分子，在真实生物体中能够发挥预期作用，并具有足够的安全性。
传统药物研发有时就像在巨大的草堆里寻找一根针，而 Isomorphic Labs 希望通过 AI 的预测和生成能力，加快寻找有效候选分子的过程，让数字生物学逐步走向实际应用。
过去，科学家研究复杂的生命现象，常常需要通过大量实验逐步理解其中的机制。如今，研究人员开始尝试利用预测和生成模型，在计算机中模拟分子之间的相互作用，相当于建立一个虚拟的生物学实验室，提前预测候选分子的行为，从而减少部分实验筛选和试错工作。
带领这家公司的 Jaderberg 有着较为丰富的学术研究经历。他早年就读于英国牛津大学，学习工程科学，随后继续在牛津大学深造，获得计算机视觉与机器学习方向的博士学位，研究领域涵盖文本识别、神经网络和大规模图像识别等方向。
图 | Max Jaderberg（来源：Isomorphic Labs）
在加入 Isomorphic Labs 之前，Jaderberg 曾在 DeepMind 工作七年多，领导开放式学习团队。他参与过多个重要的 AI 研究项目，包括在《星际争霸 II》中击败人类职业选手的 AlphaStar 系统，以及让智能体在复杂多人游戏中学习合作与竞争的夺旗游戏研究。
2022 年，Jaderberg 加入 Isomorphic Labs，担任首席 AI 官，并于 2026 年 1 月升任总裁。目前，他领导着一个由药物发现专家和机器学习专家组成的跨学科团队，希望利用 AI 建模复杂的生物现象、设计新分子并预测药物表现，最终开发出能够治疗重大疾病的创新药物。
除了此前提到的单轮融资，Isomorphic Labs 迄今已从包括 Alphabet 在内的投资者那里筹集了约 27 亿美元资金。近期，公司还在就新一轮融资进行谈判，预计估值可能达到 400 亿美元甚至更高。
不过，对于公司的实际发展阶段，Jaderberg 也有着清醒的认识。在此次交流中，他借用棒球比赛中的术语，形容 Isomorphic Labs 目前仍然处于“第一局”，距离真正取得突破还有很长一段路要走。
按照此前的计划，公司预计将在 2026 年年底启动首次临床试验。如今已经进入 11 月，这一目标也越来越近。对于 Isomorphic Labs 而言，接下来的临床试验将成为重要的检验节点：此前通过算法预测和分子设计取得的成果，究竟能否在真实患者身上得到验证，也将逐渐有答案。
参考资料：
https://www.bloomberg.com/news/articles/2026-11-02/isomorphic-labs-president-says-ai-will-design-all-drugs-one-day
https://www.youtube.com/watch?v=L4WasMCAC7A
https://www.isomorphiclabs.com/
https://www.linkedin.com/in/maxjaderberg/
运营/排版：何晨龙
注：封面由 AI 辅助生成
