本文来自微信公众号： 医曜 ，作者：曜叔
2026年5月12日，伦敦，谷歌母公司Alphabet旗下专注于AI药物研发的子公司Isomorphic Labs，宣布完成21亿美元B轮融资，约合人民币143亿元。
Thrive Capital领投，Alphabet、GV跟投，新进者包括阿布扎比MGX、新加坡淡马锡、英国主权AI基金。一年前A轮不过6亿美元，B轮直接翻了三倍多，创下AI制药单轮融资纪录。
Isomorphic Labs由Google DeepMind于2021年分拆成立，CEO德米斯·哈萨比斯（Demis Hassabis）同时执掌DeepMind。
这家公司的地基是AlphaFold，一个2020年横空出世的蛋白质结构预测模型，被誉为一举破解了“生物学50年难题”。2024年，哈萨比斯与同事约翰·江珀（John Jumper）因此摘得诺贝尔化学奖。
诺奖是科学界的终极盖章，这21亿美元则是资本投下的同一张票，面额大得多。
这笔钱将烧向三个方向：继续开发AI药物设计引擎IsoDDE，加速内部临床前管线，在全球范围内扩编AI、工程与药物设计团队。翻译成一句话：砸钱换速度，赌一个尚未被验证的未来。
01
从辅助工具到基础设施
AI进药物发现，不是2026年才开始的。
早在上世纪80年代，计算机辅助药物设计已是科学家的常规武器。但CADD依赖人类预设的规则，能力边界始终有限。AI带来的变化，不是替代它，是重新定义了“计算”在药物发现中的角色。
2010年前后，机器学习开始渗入药物研发，主要集中在虚拟筛选、ADMET预测等点上。2016年，深度学习将分子生成、活性预测等环节的能力推到新的高度。
真正的质变发生在AlphaFold出现之后：它证明了深度学习可以解决生物学中最棘手的结构预测问题，精度直逼实验水平。药物发现的第一个关口，理解靶点蛋白的三维结构，被AI以极低成本、极高速度攻了下来。
此后，行业加速演进。
2026年初，礼来与英伟达宣布投资10亿美元建立AI药物发现联合实验室。2026年4月16日，OpenAI推出专为生物学和药物发现打造的GPT-Rosalind，直接闯入制药赛道。
这是典型的生物制药新代际基础设施竞争。AI制药在2026年，已经从“可选的辅助工具”跨过了“必选的核心生产力”那条线。
02
IsoDDE的野心与盲区
AlphaFold解决的是“静态结构预测”：给一段氨基酸序列，输出一个三维结构。但药物设计要的东西远比这多。分子不只要结合，还要结合得够强；不只要对靶点有效，还要对“脱靶”无害。
AlphaFold能啃下第一块，后面几块不在它的射程之内。Isomorphic Labs的回应则是IsoDDE：一套药物设计引擎。
这套系统在挑战性基准测试中，预测蛋白质-配体结构的准确率是AlphaFold 3的两倍多。它能预测结合亲和力，即药物与靶点的结合强度，准确度与此前黄金标准的物理模拟方法相当，速度快了几个数量级。
它还能仅凭氨基酸序列识别药物结合口袋，包括科学界十余年未曾察觉的隐藏口袋。药物发现中“发现靶点、设计分子、预测活性”的前半程，Isomorphic Labs试图在一套系统里全部跑通。
但技术瓶颈同样刺眼。
当前，AI在全新蛋白质体系上的泛化能力仍然不足，一旦遇到训练数据中未见过的生物系统，预测准确性会显著滑坡。蛋白质-配体相互作用的物理规律极其复杂，AI模型至今难以完整捕捉其动态特征。
更致命的是，所有AI模型都受限于训练数据的偏差——已知的药物-靶点相互作用数据严重偏斜，大量潜在靶点缺乏高质量标注。模型再好，喂进去的都是同一本缺页的教科书。
03
“药物发现=一项可计算的工程问题”
21亿美元是一笔极其昂贵的赌注。
截至2026年5月，全球尚无一款AI设计的药物真正进入临床阶段，更遑论成功上市。
即便是Isomorphic Labs本身，也尚未将任何AI设计的分子推进到临床试验。
哈萨比斯曾在2025年预测“年底前将有候选药物进入临床”，事后修正为“临床前研究”。据彭博社报道，今年1月在达沃斯世界经济论坛期间，他已将首个临床试验时间表从2025年底推迟至2026年底。
这算不上失败，但它的确在替市场校准预期：AI制药的最后一公里，比所有人最初想象的更长。
行业内其他玩家的处境更触目伤怀。
Recursion Pharmaceuticals较2021年上市高点已跌去近90%，市值约19至20亿美元，几乎回到中等规模生物科技公司的估值。英伟达在2026年2月已完全清仓其持有的RXRX股份。英国BenevolentAI在2024年底宣布从阿姆斯特丹泛欧交易所退市，并进行大规模裁员和成本削减。
高泡沫之后是高回报何时出现，迄今没人拿得出答案。
21亿美元能做许多事。它可以支付一整条临床开发链的绝大部分开支，也可以直接买下几家中型Biotech。但Isomorphic Labs选择将这笔钱全部押在一个极其昂贵的底层假设上：药物发现可以被转化为可计算的工程问题。
潜台词是：只要模型足够好、数据足够多、算力足够强，设计有效药物可以像设计芯片一样通勤自动化。
这个假设如果成立，21亿不过是一张入场券。如果不成立，它将是AI时代最昂贵的一次哲学试错。
04
冲进去，或被关在外面
如果Isomorphic Labs成功，药物发现将从“筛选”转向“设计”，这将是一场伟大的范式革命。
当前药物开发的平均周期是12到15年，平均成本超过20亿美元。90%的候选药物在临床试验中折戟。如果AI能将研发效率提升哪怕几个百分点，每年为全球产业节省的都将达数百亿美元量级。
但Isomorphic Labs选择的路径与传统制药公司截然相反。
传统药企的药物发现依赖科学家经验和海量实验，是湿实验室的苦活累活；Isomorphic Labs的方法论是一套纯数字化的“设计-预测-验证”循环。
AI在硅基空间里设计分子，预测活性、毒性、药代特性，选定最优候选，再由少量湿实验室验证。这条路径若能跑通，药物发现的“湿实验”部分将被系统性压缩。哈萨比斯所说的“AI优先的药物设计”，实质正在于此。
资本市场看到了可能性，但历史从不轻易让渡答案。
一百年前，化学家Paul Ehrlich提出“魔法子弹”概念，预示精准靶向药物的时代——这个时代等了四分之三个世纪才真正成熟。三十年前，基因治疗令资本疯狂涌入，一次严重不良事件就让整个行业倒退了十年。AI制药才刚走完最初的狂热期，距离真正的临床大规模验证还隔着漫长距离。
这21亿美元，赌的是一个尚未被证明的假设：AI能从“预测蛋白质结构”一路进化到“设计一切有效药物”；赌的是药物发现的复杂性可以被还原为可计算的工程问题。
科学史上，这种豪赌赢过，人类基因组计划最终兑现了整个生物技术产业的黄金时代。也输过，AI的几次寒冬埋葬了无数雄心勃勃的实验室。最终定局的不是资金规模，而是真实世界的疗效数据。
Isomorphic Labs赌的是，药物发现的范式革命正在发生。21亿美元，是购买这场革命的入场券。
对中国的创新药企而言，这笔融资真正值得关注的不是金额，而是一套截然不同的研发哲学正在成形：当全球最顶尖的AI实验室开始用工程化思维解决药物发现，还在用线性思维追赶的后来者，面临的将不是竞争，是代际淘汰。
范式革命的窗口只开一次，冲进去，或被关在外面，时间不会等人。