药物研发中最耗时的环节，往往不是做实验本身，而是决定”该试什么”。微软研究院日前推出实验性AI研究系统Project Quine，把这个问题交给了一个覆盖基因组、蛋白质、化学、RNA、细胞状态和生物成像的多模态”世界模型”，并与哈佛大学、麻省理工学院共建的布罗德研究所合作，在胰腺癌研究中用一场周末实验验证了它的价值。
什么是生物学”世界模型”
传统AI制药工具通常只针对单一数据类型训练，比如只看蛋白质序列，或者只看分子结构。Quine的不同在于，它同时学习多种模态的生物学数据，让不同信息之间能相互辅助预测：看到基因突变，可以联动推断蛋白质结构变化，再结合化学信息预判某个化合物对细胞状态的影响。
在具体科研流程中，研究人员提出问题后，Quine会结合科学文献和科研工具做计算分析，生成研究方案和实验设计，再把预测结果交给真实实验验证；实验产生的新数据又会返回模型继续训练，推动下一轮分析。这套”问题提出—模型推理—实验验证—结果反馈”的闭环，让AI从单纯的辅助分析，走向了主动参与科研发现。
一个周末的胰腺癌筛选实验
微软披露的一项案例显示，Quine对数千种化合物改变胰腺癌细胞状态的潜力进行了预测和排序，排名靠前的候选化合物进入湿实验验证，其中排名最高的化合物产生了最大的预期变化。从缩小搜索范围到完成实验室验证，整个过程只花了一个周末，按传统流程这需要数月实验工作和大量研究成本。
更意外的是，Quine还预测了一个此前被研究团队忽略的新细胞状态。这种”系统级推理”能力，意味着模型不只是拟合数据，而是开始像科学家一样思考因果链条。微软同步启动了Quine Fellows研究者项目，并计划逐步把系统整合进Microsoft Discovery平台。官方强调，Quine目前定位是实验性研究助手，距离临床决策仍有较大距离。
AI4S：科技巨头集体下场的新战场
Quine背后是AI for Science（AI4S）的浪潮，近一个月巨头密集加码。9月23日，Anthropic宣布成立生命科学研究团队和实验室，Claude在分析超20万个逆转录酶序列后，最终发现一种经湿实验初步验证的新型酶系统ART；9月16日，诺和诺德宣布与Anthropic合作，将Claude Science用于药物研发的科学推理。
OpenAI在今年4月推出面向生命科学的GPT-Rosalind，覆盖药物化学、基因组学、定量生物学等任务，9月11日宣布结束研究预览、向符合条件的机构开放。英伟达则选择从算力和基础设施切入，1月与礼来共建AI创新实验室，五年内计划共同投入最多10亿美元；谷歌系的Isomorphic Labs继续押注AI药物设计，依托AlphaFold技术积累与诺华、礼来、强生等药企合作。
AI制药从概念走向产品化
产业端的信号同样明显。截至2026年6月，中国已上市134款三类人工智能医学影像辅助诊断软件，医学影像已形成一定的产品获批基础；AI医疗正由单一算法工具，向覆盖诊疗、健康管理、医院运营和药物研发的体系化应用演进。券商研判指出，大模型进入药企已经落地，CADD等计算研发平台的商业模式也已跑通，但公开披露的经常性收入规模仍相对有限。
行业分析认为，AI4S推动的”干湿闭环”——AI先做计算筛选、再进湿实验验证——确定性放大了CRO外包需求，同时研发降本增效会提升药企的外包意愿。微软Quine这类系统的价值，不在于替代实验室，而在于把科学家从”大海捞针”中解放出来，让他们把时间花在真正值得验证的假设上。AI制药的故事讲了多年，这一次，巨头们开始用真金白银和真实实验结果投票了。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
