「药界ChatGPT」Chai-2横空出世：零样本抗体设计？这波AI直接“开挂”了！

TL;DR：

还在质疑AI生物制药「纸上谈兵」？「药界ChatGPT」Chai-2直接甩出王炸，把抗体设计成功率从0.1%拉到逆天的20%！这不止是技术奇迹，更是范式革命：以后想「炼」新药，你可能不再是苦读生物学博士的“打工人”，而是动动嘴的「分子提示词工程师」！这波，AI是真的要“开挂”了。

还在质疑AI生物制药「纸上谈兵」？觉得AI在实验室里就只能“跑个分”、搞点“花里胡哨”的预测？那你就大错特错了！最近，一家名叫Chai Discovery的AI初创公司，带着他们的“核弹级”模型Chai-2横空出世，直接把抗体设计成功率从不足0.1%提升到了令人咋舌的16%，甚至在某些测试中飙升至20%！更炸裂的是，人家还是零样本生成！这简直是给整个生物医药界来了个“降维打击”，宣告「药界ChatGPT」时代正式来临！

这款能「凭空」生成新抗体的Chai-2，不仅是技术的巅峰之作，更是一场彻彻底底的范式革命。它预示着一个大胆的未来：未来的「药神」，或许不再是那些在实验室里埋头苦干的生物学博士，而是动动手指、敲敲键盘就能让AI“变”出新分子的**「分子提示词工程师」**。

话说这背后，还有一位眼光独到的华人女投资人郭睿（Sarah Guo）的深度揭秘。她在自己的博客节目「No Priors」(零先验)中，和Chai Discovery的联合创始人Josh Meier、Jack Dent畅聊了AI+生物医药的颠覆性趋势。他们不约而同地认为，这不仅是效率的狂飙，更是科学方法论的彻底改写——告别传统的实验室试错，迈向AI主导生成的全新生物科技纪元。

十年磨一剑：两个哈佛室友的“硬核”约定

这个「药界ChatGPT」的诞生，背后是一段有点“八卦”又励志的故事。主人公是Chai Discovery的联合创始人Josh Meier和Jack Dent，他俩可不是什么泛泛之辈，在哈佛大学念书时就是同窗兼室友，都主修计算机科学，Josh还额外兼修了化学，这配置，简直是为AI+生物医药量身定制的“天选之子”啊！

毕业后，虽然两人各自奔赴前程——Jack Dent在支付巨头Stripe做到了核心工程与产品负责人，成了不折不扣的“大厂高管”；Josh则专注于他的科学研究。但神奇的是，他们保持着每隔三到六个月就“唠嗑”一次的频率，交流最前沿的技术洞察。正是这种深度交流，让Jack突然“醍醐灌顶”：原来Josh在做的，不是什么小打小闹的“玩具”，而是在改写整个行业的游戏规则！

Jack说：「一旦知道未来人类能『以原子级精度』设计分子，就再也无法忽视这种机会。相比之下，其他项目都显得不那么重要。」

这话说得，简直是“人间清醒”本清！放弃“铁饭碗”去啃药物设计这块“硬骨头”，可见这机会在他眼中到底有多香。

那么问题来了，为啥偏偏是现在？过去十年，AI药物设计多少有点“雷声大雨点小”，真正在市面上能看到的药寥寥无几。Josh对此也深思熟虑过：

Josh表示：「过去，我们也心动过，但当时技术离产品化还太远，不是创业的好时机。但你不能等技术成熟再创业，那时机会窗口可能早没了。最佳时机就那么一到两年，机不可失，时不待我。」

这份**“胆大心细”**的判断，来源于两个核心“押注”：

• 结构预测技术的大突破：特别是谷歌在2022年推出的AlphaFold 2¹²，基本上解决了困扰生物界几十年的蛋白质折叠难题。这就像给AI制药铺好了高速公路，但AlphaFold也并非“万能”，它更像是一个“预言家”，擅长预测蛋白质的结构，却无法直接“生成”或处理分子间复杂的相互作用——而这，恰恰是药物设计的“灵魂”所在。
• 扩散模型和LLM的崛起：Chai团队预判，生成式AI（比如扩散模型和大型语言模型）的突破，能把结构预测从“看图识字”带到“妙笔生花”的新境界。过去，模型只能预测蛋白质的一种“姿态”，就像早期的图像模型只能识别不能生成。现在，他们要让AI真正“动起来”，自己“画”出分子。

更重要的是，Chai的野心不只是做个“实验室玩具”，他们要打造一个可移植、通用的AI平台。他们的愿景很明确：让生物学，从充满偶然性的“科学”探索，真正变成可控、可规模化的**“工程”**实践。

这AI药神，到底怎么「炼」成的？

要搞清楚Chai-2的“魔法”，得先从“拼图”的第一块说起：结构预测。

Chai团队一开始就没走寻常路，他们自己动手，丰衣足食，先打造了自家的预测引擎Chai-1，而且还大手笔地开源了³⁴！Chai-1就像一个“原子级的显微镜”，能让研究人员清楚地看到蛋白质在三维空间中每一个原子的精确排布。毕竟，如果你连“锁”长啥样都看不清，又怎么能设计出完美适配的“钥匙”呢？

有了“显微镜”，下一步就是“操刀”了。Chai-2登场，它干的事情就是去“移动”这些原子，改变序列，然后观察这些改变能带来什么“惊喜”。

想象一下这个过程：你给Chai-2下个指令，比如“这是目标靶点，我想要你生成一个能跟它完美结合的分子！” 然后，Chai-2就开始“脑洞大开”，它不仅能生成蛋白质序列，还能同时生成它的3D结构，最关键的是，这个结构还能精准地和目标靶点结合！

直白地说，AlphaFold这类结构预测模型，就像是图像领域的ImageNet⁵。它要从蛋白质序列中预测出三维结构，这有点像图像的“分类任务”：给你一张图，告诉我这是啥。

而Chai-2这种分子设计，则更像是生成式任务，它就是生物界的Midjourney⁵！它不是让你“认”已有的分子，而是基于已有的原子布局，**生成与之互补、全新的原子排列。**这不就是那个经典的“锁与钥匙”比喻吗？蛋白质靶点是锁，而Chai-2的任务，就是用生成模型设计出那把“天生一对”的钥匙分子！而且，Chai-1的预测误差，通常小于一个原子，这“精度”，简直是强迫症患者的福音！

更让人“拍大腿”的是，Chai-2竟然也涌现出了类似大语言模型的**「零样本」能力**！这意味着它不是简单地“套模板”，而是真正理解了蛋白质之间相互作用的底层规律，能够把这些规律泛化到前所未见的全新领域。

在论文的补充材料中，研究团队专门排除了训练集中相似度超过70%的序列⁶⁷，确保模型对测试靶点和结合配体是“闻所未闻”的。结果呢？模型的成功率几乎没有下降，表现依然稳定！这不就相当于一个学霸，没见过这道题，但凭着扎实的基本功，也能轻松“秒解”吗？

这才是真正的「零样本」生成，直接把抗体设计的成功率从0.1%飙升到20%！几个月前，大家还在“做梦”AI能一步到位生成可用抗体，现在，它真的做到了。Chai团队认为，这种革命性的突破，上一次还是在20世纪70年代。

别问，问就是「分子提示词工程师」的时代！

Chai团队的一个“大胆预言”听起来有点“凡尔赛”：未来最强的抗体工程师，很可能不再是传统生物学博士，而是那个能“点石成金”的**「分子提示词工程师」**。

Josh解释说：「Chai-2不只是一个模型，而是潜力巨大的工具。 但是要释放潜力，需要精心设计提示词（prompting）。」

想想看，短短一年内，他们就把抗体设计成功率从不足0.1%提升到接近20%。如果把时间线拉长到未来25年，为什么不能提高到50%，甚至接近100%呢？最近，他们在迷你蛋白（mini-protein）方面的成果简直是“神操作”：在五个不同的靶点上测试，所有靶点都成功了，70%的设计方案在实验中奏效，并具有极强的结合能力！

一旦这种能力普及开来，我们就真的进入了**「分子计算机辅助设计」**的时代。就像机械工程有SolidWorks，创意设计有Photoshop一样，生物学也将拥有自己一整套完整的软件工具套件！在原子和分子的层面进行设计、编程，并理解它们之间的相互作用，这影响之深远，简直让人“细思极恐”又“心潮澎湃”。

当然，AI要真正改写生物医药，还有很长的路要走。目前AI设计的抗体虽然惊艳，但还需要大量实验验证，比如毒性、药代动力学、制造成本等等。所以，Chai团队正在扩大团队，目标很明确：

• 把AI输出的「抗体初稿」转化为真正的「候选药物」。
• 直接「零样本」生成完整药物候选分子。

Chai团队还提出了一个**“灵魂拷问”：AI药物设计的真正门槛在哪儿？答案有点出乎意料，不是技术本身，而是观念和流程的惯性**。那些在行业里摸爬滚打30多年的抗体工程师，已经习惯了一套固定的药物发现流程。现在突然冒出个“新玩法”，这本身就是个需要“改造”的系统性问题。

然而，有趣的是，最兴奋的往往就是这些“老炮儿”们。毕竟，他们现在的工作又繁琐，回馈周期又长，问题还特别难解决。能有AI这个“神队友”帮他们“搬砖”，把更多精力放在系统设计、架构设计这些更有价值的事情上，谁会不乐意呢？

AI正在让“药物设计”这件事，从过去那个靠运气、拼资源的“玄学”探索，彻底转向**“可复制、可放大”的工程流程**。过去十年，AI在生物领域一直被质疑为“纸上谈兵”，但从Chai-2开始，它或许真的要进入临床、进入实验室，成为每一个生物工程师的“标配”工具了。

生物，不再只是“发现”；它开始走向**“制造”**。这才是AI给这个世界带来的最深刻变革之一。

引用

• AI药物设计
• Chai-2
• 零样本生成
• 分子提示词工程师
• 科技与狠活儿