122
2AI 会发明下一款药吗？从五种路线到 Lab in the Loop 的闭环豪赌
嘉宾：小橙｜《生物解码 BioDecoder》主播
过去几十年，人们不断尝试把计算带入药物发现：从早期的定量构效关系和专家系统，到深度学习、生成式模型、生物学基础模型，再到今天被频繁讨论的 Lab in the Loop。
但 AI Drug Discovery 并不是一条单一的技术路线。不同公司对于“药物发现究竟是什么问题”有着截然不同的判断：有人把它看作化学问题，有人相信数据规模，有人坚持物理规律，有人试图在巨大的分子空间中进行生成与搜索，也有人认为，关键不是训练出一个全知全能的模型，而是让模型和真实实验持续交换信息，在一轮轮反馈中完成闭环优化。
这一期，八爪鱼 Bioctopus 邀请《生物解码 BioDecoder》的主播小橙，一起回顾 AI 制药的发展脉络，梳理其中的主要技术流派，并把视角从模型本身推进到实验室、机器人、组织结构和商业制度。
我们也讨论了更现实的问题：当实验中的许多判断仍然依赖研究人员的经验，当传统药企的数据散落在不同部门和系统里，当所谓的“自动闭环”仍然需要大量人工参与，Lab in the Loop 距离真正自主运行的 AI Scientist，究竟还有多远？
本期你会听到
概念框架梳理
一款药从靶点发现、先导化合物优化到临床上市，要经历什么？
AI Drug Discovery 并不是新概念：从 QSAR、专家系统到深度学习，从AlphaFold到生成式 AI
药物发现的五种路线：化学、数据、物理、生成搜索与闭环学习
Lab in the Loop 到底是什么，怎样才算真正形成“闭环”
从 ENIAC、集成电路到 GPU：如何理解自动化实验室的发展阶段
行业版图与代表玩家
LabGenius：通过实验闭环，同时优化抗体的效力、选择性等多个目标。
Genentech Prescient Design：在传统药企既有研发流程中引入 AI 与机器人。
Lila Sciences 与 Periodic Labs：直接押注 AI Scientist 和自动化科学发现平台。
Insilico Medicine：作为 AI 制药的代表性公司，展示其临床研发进展与阶段性成果。
Schrödinger 与 BenevolentAI：分别从物理建模和生物知识图谱切入药物发现。
科技公司、传统药企与初创企业：Amazon、NVIDIA 等基础设施提供者，以及药企和 TechBio 公司，在 AI 制药生态中承担不同角色。
Bottom-up 与 Top-down：围绕具体任务逐步跑通闭环，与从通用科学平台出发的两种发展路径。
中美产业生态：软件、资本、硬件、供应链和实验执行能力塑造了不同的发展模式。
AI 与药物专利：随着 AI 在分子设计中承担更多工作，现有发明人认定与专利制度面临新的挑战。
时间轴
AI for Drug Discovery 与 Lab in the Loop 关系
传统药物发现流程回顾（临床前 / 临床 / 上市）
AI for Drug Discovery 简史 （1960s - 现在）
AI 制药五大流派：化学派 / 数据派 / 物理派 / 生成搜索派 / 闭环优化派
深入 Lab in the Loop：人类参与度光谱与 AI Scientist 终极形态
类比计算机硬件四个时代：从 ENIAC 到 GPU 看 Lab in the Loop 发展阶段
公司案例：Lab Genius——抗体优化的标杆闭环
公司案例：Genentech 与 Aviv Regev 的 AI 转型之路
公司案例：Lila Sciences 与 Periodic Labs 的全自动 AI 科学家豪赌
市场参与者全景总结：科技大厂 / 传统药企 / 初创公司三分类
中国 AI 制药的独特优势，与专利法对 AI 发明的挑战
本期提及
QSAR、专家系统、知识图谱、生成式模型、AlphaFold、生物学基础模型、Virtual Cell、Digital Twin、主动学习、闭环优化、实验室自动化、多智能体系统、AI Scientist、LabGenius、Genentech、Prescient Design、Lila Sciences、Periodic Labs、Amazon BioDiscovery、Insilico Medicine、BenevolentAI，Schrödinger
关于嘉宾
小橙是《生物解码 BioDecoder》的主播，长期关注生物医药、药物研发、产业趋势，以及新技术如何改变生命科学研究和商业化路径。
关于八爪鱼 Bioctopus
八爪鱼 Bioctopus 是一档关注生命科学、计算、生物技术与产业变化的播客。我们希望从不同触角进入复杂问题，把技术概念放回真实的科研、商业和社会语境中讨论。
本期内容仅用于科学与产业讨论，不构成医疗或投资建议。
