宇宙探索者

德米斯·哈薩比斯坐在位于倫敦大學學院天文臺的弗萊望遠鏡前。圖片來源：

八歲那年，德米斯·哈薩比斯（Demis Hassabis）只能依稀瞥見星辰。

這位天賦驚人的孩子成長于20世紀80年代的北倫敦（North London），父母是頗具波西米亞氣質的文藝青年。透過城市朦朧的光靄，哈薩比斯偶爾能夠辨認出一個星座——獵戶座（Orion）。它得名于希臘神話中那位驍勇的獵人，千百年來始終是水手與農人的星空路標。四十年后的今天，獵戶座依然是他最愛的星群。這份眷戀，部分源于其與不朽傳說的連結：早在古埃及時期，人們就已經將這片星空奉若神明。

“首先，從地球仰望星空，我們看到的星辰圖案其實具有某種隨機性?！惫_比斯說道，“其次，不妨想想獵戶座的腰帶（Orion’s Belt）三星：那不過是三顆恰好構成特定幾何關系的恒星。但它們之所以產生意義，完全是因為我們正在運用人類的意識對其進行解讀?！?/p>

我與哈薩比斯的會面地點，距離他成長的地方不遠——就在倫敦大學學院天文臺（UCL Observatory）的旁邊，矗立在那里的望遠鏡已逾百年，至今仍然昂首指向蒼穹。這樣的所在，恰好適合談論“浩瀚”：不止是星辰的浩渺無垠，更是人類心智的遼闊深邃。

與哈薩比斯在此地對話，還有另外一層深意——他正是那位以人類意識探索數據海洋的先鋒。身為DeepMind聯合創始人的哈薩比斯，被譽為當代最重要的人工智能研究者與企業家之一。這家開創性的人工智能實驗室于2014年被谷歌（Google）收購。2016年，DeepMind研發的AlphaGo擊敗全球頭號圍棋高手，造就人工智能發展史上的里程碑事件—要知道，圍棋可是世界上最復雜的雙人策略博弈之一。十余年后的今天，作為谷歌核心人工智能業務的掌舵者，哈薩比斯正在引領這艘科技巨輪依托Gemini 3模型的優勢在激烈的競爭中破浪前行。

但他迄今為止最深遠的貢獻，或許在于AlphaFold 2的突破。這款由DeepMind于2020年發布的人工智能系統，可以根據DNA序列精準預測蛋白質的三維結構。AlphaFold 2堪稱一項具有劃時代意義的科學壯舉，為人類深入理解乃至最終攻克帕金森病（Parkinson's disease）、肌營養不良癥及某些癌癥等疾病打開了全新可能——這些疾病的根源均與蛋白質的錯誤折疊或功能失常密切相關。正是這一開創性成果，助力哈薩比斯與DeepMind的科學家約翰·江珀（John Jumper）共同摘得2024年諾貝爾化學獎（Nobel Prize in Chemistry）桂冠；同年，哈薩比斯獲授爵士勛銜。

在德米斯爵士看來，這一切皆彼此相連。自幼對星空的癡迷，如同一道隱線，引領他探索人工智能，在看似無序的世界中尋找秩序與意義。

“夜空，是一道始終凝視我們的永恒謎題?！彼f，“它時刻提醒著我們，世間還有更宏大的命題需要思考。我想，正是這片無垠將我引入‘浩瀚’之境。在那里，你必須從海量的數據中捕捉規律，或在無窮的可能性里，覓得那關鍵一步?！?/p>

近年來，哈薩比斯將他每周100小時工作時間中的相當一部分，傾注于破解世界級模式識別難題——藥物發現。2021年，在谷歌母公司Alphabet的支持和資助下，他創立了Isomorphic Labs。這家基于人工智能的藥物設計公司，致力于為一些最“不可成藥”的疾病開發突破性療法。正如那句擲地有聲的企業宣言所示，其目標宏大得近乎壯闊：要“攻克一切疾病”。

自創立以來，Isomorphic Labs一直低調前行，至今未將任何藥物推進至決定性的臨床試驗階段。但近期的動向表明，這一里程碑已經不再遙遠。支持者認為，一旦投入實戰，其技術路徑將展現獨特優勢。近日，這家新創企業首次向《財富》雜志敞開大門；記者歷時三天專訪了多位公司高管與科學家，與他們悉心探討這個堪稱人工智能領域最大機遇與挑戰的議題。

“一家傳統的生物科技公司窮盡整個生命周期，或許只能推出一兩種新藥。”哈薩比斯指出，“而我們正在試圖構建的是一套完整的系統、流程和技術體系，目標是每年開發數十種藥物。這個想法從目前看來確實有一些不可思議，但我相信，在未來的10年到20年內，如果能夠建立起一套猶如從干草堆中尋針的流程，我們終將找到攻克所有疾病的路徑?！?/p>

藥物發現，實則更像是在廣袤的艾奧瓦州尋覓一根針：這是一個將具有潛在治療價值的化合物置于無限生物學變量中進行測試的征程，始終伴隨著接連不斷的挫折與近乎絕望的失敗率。

盡管AlphaFold僅僅觸及這個宏大進程的一隅，它卻為打破既有困境帶來了希望——作為首批具有震撼力的例證之一，AlphaFold證明，人工智能有望將生物醫學中那些依賴蠻力攻堅、動輒數年的艱難探索，壓縮至分秒之間。基于此突破，哈薩比斯創立了Isomorphic Labs，其構想清晰而深刻：若能以AlphaFold為基石，構建一個完整的藥物設計引擎，未來將會怎樣？

這家應運而生的企業志在挑戰眾多同行折戟的領域，其突圍之道在于聚焦結構解析：通過人工智能對藥物與靶點的相互作用進行分子層面的精準預測，從而大幅削減藥物發現臨床前階段慣有的漫長試錯過程，最終將“攻克疾病”這個曾經被視為妄言的構想，推向可以實現的疆域。

自獨立運營以來，Isomorphic Labs最初從Alphabet獲得資金支持，被歸入這家科技巨頭的“其他押注”板塊。2025年3月，公司又完成了6億美元的A輪融資，由約書亞·庫什納（Joshua Kushner）的Thrive Capital領投，自創立初期便參與投資的谷歌風投（Google Ventures）也繼續跟投。（Isomorphic Labs未披露其估值信息。）這場豪賭的愿景是：假以時日，人類將憑借技術驅動的新型流程，設計出能夠治愈癌癥、阿爾茨海默?。ˋlzheimer’s disease）等以往難以攻克疾病的藥物——這些如今看似如魔法般精密的工藝，最終將成為行業標準。

“如今，沒有人會考慮手工設計飛機，也不會有人愿意乘坐手工設計的飛機?！盩hrive Capital的合伙人文斯·漢克斯（Vince Hankes）表示，“但我們現有的所有藥物，卻依然是以這種方式設計的。展望未來，所有藥物都應該像目前設計飛機那樣，依托強大的軟件、智能系統和仿真模擬進行研發?！?/p>

Isomorphic Labs的300余名科研人員正在朝著這一目標全力進發——而哈薩比斯，正是他們的領航員。

極端渺茫的勝算

可成藥化合物的潛在數量遠超可測宇宙中的星辰——最新研究表明，其規?？梢赃_到約1060種，而這還僅僅涵蓋類藥小分子，實際數值可能更為龐大。識別出哪些組合能夠抑制腫瘤或矯正危險突變，正是哈薩比斯及其同行希望借助人工智能破解的難題。

縱觀人類歷史，藥物始終寥寥無幾，其中許多甚至源于偶然——青霉素因為霉菌污染而被意外發現，便是最著名的例子。直到20世紀60年代，隨著早期抗癌藥與心血管藥物的出現，藥物發現進程才逐漸加速。但在整個20世紀的大部分時間里，科學家們仍然依靠近乎蠻力的試錯與緩慢迭代的技術，在浩渺的化學宇宙中艱難探索。無數化學家終其一生埋頭于沸騰的漿液、重復的實驗、一次次推倒重來，卻大多以失敗告終。即便是在今天，根據業內廣泛引用的數據，每20位從事藥物發現的化學家中，也僅有一人可以在職業生涯中成功推動一款新藥上市。

“我們需要將各種不同的參數融合到一個分子中，使其完美匹配特定病癥?！盜somorphic Labs的首席科學官邁爾斯·康格里夫（Miles Congreve）解釋道，“有時你可能找到理想的靶點，合成了高活性化合物，初期效果顯著，但在其他方面卻不盡如人意——最終走入死胡同。這有點像打地鼠（Whac-a-Mole）游戲，一個問題解決了，另一個又冒出來?！?/p>

康格里夫在藥物化學家中實屬鳳毛麟角：他已經助力三款抗癌藥物成功上市，其中包括諾華（Novartis）與Astex Pharmaceuticals聯合開發的乳腺癌治療藥物瑞波西利。放眼整個行業，即使僅將一款藥物推進至臨床試驗階段，也經常被視為重大突破。但正如他所指出的：“從歷史數據來看，此類試驗的失敗率至少達到90%?！敝Z華的生物醫學研究總裁菲奧娜·馬歇爾（Fiona Marshall）對此深表贊同：“要找到那個完美的分子，其概率微乎其微?！?/p>

正是這種極低的成功概率，恰好解釋了為何AlphaFold 2的卓越表現會讓全球科學界為之震撼。而這一突破，反過來也幫助Isomorphic Labs匯聚眾多頂尖人才。計算生物學總監梅麗莎·戴維斯（Melissa Davis）坦言，她正是因為對AlphaFold技術的拓展應用深感著迷而加入團隊的?！斑^去，科研人員可能窮盡整個職業生涯只為結晶一個膜蛋白?！贝骶S斯指出，“但突然間，我們不再需要耗費五六年時間才能獲得一個蛋白質結構。如今，任何科學家都可以輕松生成這樣的結構?！?/p>

其他高管與哈薩比斯的合作淵源則更為深厚。馬克斯·賈德伯格（Max Jaderberg）在擔任Isomorphic Labs的首席人工智能官四年后，于2025年11月接替哈薩比斯的長期合作者科林·默多克（Colin Murdoch），出任公司總裁。他此前在DeepMind工作七年，其間主導開發了人工智能系統AlphaStar——這是首個在電子游戲《星際爭霸II》（StarCraft II）中擊敗人類職業選手的人工智能系統。賈德伯格正是追隨哈薩比斯加入Isomorphic Labs的DeepMind核心成員之一。像他這樣從DeepMind轉入的科研人員，目前約占公司總人數的11%。

“每當聽說有藥物化學家終其一生都未能成功研發出一款新藥，總是令人深感敬畏?！辟Z德伯格感慨萬千?！斑@與我的經歷截然不同——我來自人工智能領域，在那里你必須每六個月就突破世界頂級水平，否則就將被淘汰。”他補充道，“當理論照進現實，面對實實在在的科學流程與動手操作的實驗工作，那種敬畏感就會變得無比真切?！?/p>

鑒于哈薩比斯行程密集，他在Isomorphic Labs的時間非常有限，因此招攬頂尖人才成為他的要務之一。他每周僅有一天（通常是周二）會前往這家新創企業的辦公室，與高管團隊會面，并為公司的技術方向確定優先事項。

哈薩比斯曾經笑言，自己熱衷于管理那些“需要精心呵護的天才”，并特別看重他們身上的創造力特質?！叭魏螌I科學家在技術層面都已經極為出色。”哈薩比斯指出，“但能否提出具有創造性的新思路，或是精準地提出關鍵問題？這其實更為困難。尋找答案的過程，在本質上正是尋找正確問題的過程?！?/p>

結構優先

賈德伯格解釋道，Isomorphic Labs提出的“結構優先”方法，在本質上是一種選擇——它更注重模型的泛化能力，而非針對特定問題的專門化設計。這家新創企業正在致力于繪制人體內愈加復雜的生物星圖，從而更精準地預測任意化合物對多種疾病及其他生物過程可能產生的影響。首席技術官謝爾蓋·亞克寧（Sergei Yakneen）指出，所有努力都指向一種曾經難以想象的精準度——猶如將火箭降落在人類永遠無法直接觀測的月球背面。

其核心技術是一個由多個專有模型構建而成的藥物設計引擎。該引擎不僅包含升級版蛋白質預測模型，還整合了針對多肽、分子膠及抗體的專項模型。引擎的數據基礎融合了全球蛋白質數據庫（Protein Data Bank）、英國生物銀行（U.K. Biobank）、商業授權數據、內部生成數據集，以及合作伙伴提供的專有信息。

亞克寧坦言，這項任務在某種程度上就是從現有數據中挖掘更深層的洞見——過去已經有許多研究者嘗試過這樣做，但大多無果而終?！叭欢钊梭@嘆的是，只要掌握恰當的技術，我們就能構建出這些令人震撼的系統。”他補充道。

Isomorphic Labs沒有透露其短期內的主攻疾病領域——這種保密做法在制藥行業實屬常態，但在科技行業卻略顯反常。該公司稱，與禮來（Eli Lilly）、諾華等制藥巨頭達成的合作，正是其發展勢頭向好的有力佐證。（與諾華的合作已經于2025年進一步拓展。）

然而在多次訪談中，多位高管表示公司的核心戰略是攻克“不可成藥”靶點。這一在藥物研發領域被廣泛使用的術語有著相對具體的含義，即針對胰腺癌、肺癌和結直腸癌中尤為常見的特定蛋白突變，以及在多種癌癥中廣泛存在的轉錄因子展開研究。迄今為止，這些癌癥依然對現有療法表現出較強的耐藥性，但它們很可能正是Isomorphic Labs決心突破的關鍵難題。

節省五年，甚至更多

無論是藥物發現還是人工智能領域，其經濟規律都同樣嚴酷。將一款新藥推向市場，通常需要投入超過20億美元，歷經十年乃至更長時間從發現走向臨床試驗——最終卻仍然要面對高達90%的失敗率。與此同時，在人工智能領域，算力瓶頸始終是難以回避的挑戰；而在這一點上，背靠Alphabet的Isomorphic Labs則獲得了雄厚的資金支持。

Isomorphic Labs所處的賽道競爭同樣已經達到白熱化：要成為首家將人工智能驅動藥物推向市場的新創企業，這份壓力可謂千鈞之重。其競爭對手如英矽智能（Insilico Medicine）和Recursion正在取得進展——目前英矽智能已經有數款藥物在中國進入臨床試驗階段。Isomorphic Labs表示自身也正在向臨床試驗推進，但沒有透露具體時間表。一個顯示該目標正在接近的信號是：公司于2025年6月聘用精準腫瘤學專家本·沃爾夫（Ben Wolf）擔任首席醫療官。他正在波士頓組建團隊?！耙屵@一切成為現實，我需要一款具備卓越藥學特性的超級藥物，它能夠讓我直接而明確地驗證療效?！蔽譅柗蛘f道。

目前，這家新創企業的人員配備與戰略方向依然主要專注于藥物發現階段，尚未擴展至臨床試驗或商業化領域。賈德伯格清楚地認識到其中的機遇與局限。他表示：“至少在中期內，生物學中仍然會存在人類無法完全理解的部分?！彼M一步指出，公司的目標是“建立科學嚴謹的流程體系，讓這一過程不再像魔術般玄奧難測，而更像是布設捕鼠器——以此來精準鎖定我們想要達成的效應。”

諾華的馬歇爾認為，人工智能有望將藥物研發與臨床試驗周期縮短50%。她說：“預計平均研發時間可以縮短至五年左右?！痹隈R歇爾看來，研發時長的縮減，在很大程度上得益于藥物發現環節的優化升級?！暗M一步大幅壓縮時間難度很大，因為涉及人體生物學反應和安全性的關鍵驗證，依然需要通過臨床試驗來完成?！?/p>

醫學界普遍認為，過去十年來，人工智能藥物發現領域始終是承諾多于成效——而Isomorphic Labs如今許下的承諾則更為宏大。當我向哈薩比斯提及這一觀點時，他闡述了自己的核心理念：“攻克疾病”的愿景，遠比“一勞永逸地根除病痛”更具廣度與現實可行性。他之所以刻意回避“治愈”一詞，原因正在于此。他表示，我們固然無法保證人類從此不再患病，卻能夠依托先進的人工智能與技術平臺，建立一套系統化、可復制、可規模化的流程，在需求出現時，及時發現、設計并優化藥物或治療方案。

“我們將逐步構建對生物學的基礎性認知?！惫_比斯說道，“但愿未來可以創建出類似虛擬細胞的模型，精準預測特定干預措施將引發怎樣的生物學變化?！?/p>

他認為這一目標可能會在十年內實現，而這就引出下一個問題：“個性化治療能夠深入到什么程度？不妨試想一下，你走進一家藥房，就可以為自身的特定病癥做一次表型分析。如此一來，你便能夠精準掌握自身獨有的病情特征?！边@或將成為疾病治療領域的重大突破。

哈薩比斯相信，對宇宙的思考，可以幫助我們理解存在于我們身體內的生物宇宙。畢竟，“isomorphic”一詞所指的，正是那些表象不同但結構相似的存在。

與哈薩比斯交談后，我走向倫敦大學學院天文臺那架建于1862年的弗萊望遠鏡（Fry Telescope）。透過目鏡，我看到了土星（Saturn）。一束光從那顆行星傳到地球大約需要95分鐘。如此清晰地目睹這般遙遠的天體，讓人感到一種超現實的震撼。

“宇宙的構造似乎就是為了迎接科學的探索?！惫_比斯曾經這樣說道，“我甚至覺得，宇宙渴望被人類理解。不然的話，科學方法何以如此奏效，又如此具有可重復性？暫且拋開人工智能不談。計算機為何能夠正常運轉？說到底，它們不過是由沙粒、金屬和游離的電子拼湊而成的物件?？善褪沁@些東西，催生出了不可思議的奇跡?！?/p>

?

譯者：任文科