Chai Discovery 在 BioAI 药物发现领域斩获四笔交易

今年一月，在每年一度接管旧金山整整一周的 JPM 制药大会上，四笔大型 AI × 制药工具合作交易被公布。OpenAI 支持的 Chai Discovery（目前估值 40 亿美元）尽管成立仅两年，却不知怎的处于风暴中心。

科学团队很荣幸为大家带来与联合创始人 Matt McPartlon 以及产品负责人 Neil Patil 的首次播客，讲述完整故事！

编者按：不要与 Chai AI 混淆——后者也是我们的一期热门节目。

制药行业突然开始做大额 AI 工具交易

对非制药行业的人来说，JPM 是摩根大通每年一月为制药交易量身定制的盛会，整个旧金山被它接管一周，各种边会数百场。这是件大事。

制药工具交易也是一件大事（新现象）：从「AI 赋能制药」起步的公司，通常最终会走向自建药物管线，原因大致如下：说服制药公司使用你的工具需要证明工具确实有效。证明意味着好的靶点，或许还需要良好的临床验证。如果你已经有了这些，那么用它来融资（虽然商业化路径漫长但已知）、或者针对特定靶点做交易（比如以 biobucks 方式付款），都比向众多公司兜售「这套工具会在他们的产品组合上生效」这样的承诺要容易得多。

「我们只做合作 / 自建药物」这种可选项，被证明是直到今年一月为止唯一的好路径。是什么改变了一切？简而言之：工具变得足够好，好到药物设计团队愿意信任了。

足够值得信赖，解锁了规模化发现的能力：更快地将更多、更好的候选分子送入实验室和动物试验。更广泛地筛选毒性、更好的递送方式等等。这意味着推进到临床的东西更有可能成功。

工具还解锁了新能力：那些用传统实验室发现方式极难或根本无法开发的机制。设计一个能精准触发特定分子级联反应的抗体，需要多年的试错。设计双特异性抗体（同时结合两种不同蛋白）同样困难。好的设计工具可以解锁这一切。

RJ：模型质量的飞跃意味着你在实现一些以前根本做不到的事情。所以这是一个阶跃变化。根本不是效率问题，或者说不完全是。

Matt：没错，就是这样。这件事甚至对我们自己来说也很有趣——我花了好一段时间才真正相信这个论点……就像，我先问自己：我能胜过一只老鼠吗？然后我能做到老鼠做不到的事情吗？然后你还能在这个基础上叠加多少层交互？

在这个结构 / 结合领域里，每个参与者都有自己的切入点，而且有些人会比其他人做得更好，但 Chai 指向的是一个不同的解锁路径：直接从源头就能获得好的分子（意味着后续需要的实验室工作更少），这意味着迭代时间更快。这把科学变成了工程：你可以设计你的系统来减少摩擦，奋力爬坡，向着一击直达临床分子的目标前进。

严格来说，这并不是什么新鲜论点：a16z 在 2020 年就阐述过这个版本。真正改变的是：结构模型进化成了结合模型（这个分子与那个分子结合得有多好，即「结合亲和力」）。结合模型解锁了设计能力，而这一直在稳步改进。Chai 的观察是，对于工程问题，最好的产品最终会胜出，而好的技术是必要但不充分的条件。

分子的 Photoshop

带着这个思路，Chai 大力投入合作伙伴关系，以便从制药同行那里学习。

与这么多合作伙伴如此紧密地合作并为他们提供支持，有一件事非常酷——我们能够真正了解什么是对研究有帮助的东西。所以我们不是基于「什么可能很酷」这种空想去闭门造车，而是能够基于合作伙伴们一直自然而然地向我们寻求帮助的问题，做有依据的研究。

——Neil Patil（Chai 产品负责人）

这意味着更好的用户体验，比如一个分子编辑器，它更像是 CAD 或图形设计程序，而不是聊天机器人。

他们的方法已经得到了回报：自六月以来，Chai 陆续宣布了三笔更大的合作：Lilly、Novartis、argenx，外加一项对 Eli Lily 项目的扩展。这期节目里值得引用的精彩段落太多，一篇短博客根本装不下，所以请收听节目来了解：

为什么蛋白质 token 拥有所有 token 中最高的下游价值

攀登抽象层级，随着模型能力的提升

制药、风险投资和研究本质上都是投资组合优化

更好的技术如何改变整个投资组合

对简单性的执着如何带来规模