斯坦福的AI制药公司坐拥37,000位永不休息的研究员

永不午休的"公司"

一家虚拟生物科技公司至少已经在纸上诞生。9月18日，斯坦福大学 James Zhou 教授领导的研究团队在《科学》杂志上发表了名为 Virtual Biotech 的系统。它由多达 37,000 个 AI 代理协作开展药物研发，组织架构模仿了真实制药公司的层级——连 AI 首席科学官委托任务给专业代理这套流程都一应俱全。

这些代理运行在 Anthropic 的 Claude 模型之上。它们全天候运转，从未吃过一顿饭、休过学术假，也不会退休。它们刚刚分析了 55,000 份临床试验结果，找出规律——这种规模的工作，任何单一人类研究者或研究团队在现实中都无法处理。

这不是一家初创公司，而是一个研究原型。但它的影响远不止于实验室。

代理们究竟发现了什么

Virtual Biotech 最具体的发现是定量的，而且可能立即发挥作用。AI 代理发现，针对在特定细胞类型中富集的蛋白质（而非广泛分布于全身）的药物，进入开发的概率显著更高。具体而言，这类靶向精确的药物从Ⅰ期临床推进到Ⅱ期临床的可能性高出 40%，抵达上市的可能性高出 48%。

这不是微小的改善。在一个候选药物最终获得批准的整体概率只有约 10% 的行业里，48% 的增幅意味着大型制药公司在调整产品组合时将不得不认真对待这一信号。

代理们还围绕 CD276 蛋白提出了全新的治疗策略——这种蛋白在肺癌细胞中大量表达。AI 并未建议直接攻击该蛋白，而是提议将其作为制导信标：一种"精确制导导弹"式方案，药物锚定在蛋白标记物上，将有效载荷精准送达癌细胞。美国已有药企开发出基于类似机制的疗法，尽管该具体策略尚未被验证，但已证实了 AI 推理路径的合理性。

缺失的一环：尚无药物真正被验证

这份论文并没有声称：Virtual Biotech 已产生任何一种获批药物、任何一个临床试验候选分子、或任何已进入人体测试的化合物。代理们提出了假设，分析了现有数据，设计了策略。但这些策略无一在实验室中验证，更遑论在患者身上。

研究人员表示，他们计划与实际制药企业合作，将系统应用于真实的药物研发管线。但合作阶段尚未开始。代理们能提出什么与药物实际能达成什么之间的鸿沟，贯穿了整个药理学历史——而这道鸿沟在此依然未被跨越。

为何这事关乎全球

药物研发行业花费约 20 亿美元、耗时十余年才能将一种新药推向市场。大部分时间消耗在靶点识别和早期概念验证上——而这正是 Virtual Biotech 旨在加速的环节。如果一个 AI 系统能够比人类团队更快地筛选数万份临床结果并锁定高概率靶点，那么瓶颈将从上游的发现阶段转移至下游的制造和临床试验。

韩国正密切注视这一进展。《朝鲜日报》将其报道为一项国家里程碑事件，这种定位是合理的。韩国制药业一直在重金投资 AI 驱动的研发，以与美国和欧洲的竞争对手较量。一所本土大学产出如此规模的系统，传递了一个明确信号：该国的研究基础设施有能力站在前沿。

但这个故事不属于韩国。这是斯坦福构建的。Anthropic 训练了底层的模型。它消耗的数据是全球性的临床试验数据。它将合作的制药企业将是跨国巨头。那 37,000 个代理是一种方法，不是一种国籍。

谁赢谁输

赢家大概是最先将 Virtual Biotech 类系统整合入研发管线的公司。拥有雄厚资金和专有临床数据的大型药企将跑得最快。能够负担授权或合作协议的中型生物科技公司可能紧随其后。无法获取数据或计算资源的小型初创企业可能会发现自己被排斥在外，被困在一个日益由 AI 主导的研发格局之外。

输家不如赢家戏剧化，但同样真实。目前负责文献筛选、试验数据整理和早期假设撰写的研究岗位——这些消耗着全球数百名初级科研人员的工作——将被压缩。不会消失，但会萎缩。这些代理并非取代了某个人，而是复现了一个团队花数月手工分析 55,000 份临床试验才能完成的产出。

接下来会发生什么

下一步立即要做的，是与制药公司开展合作。研究人员已公开了这一计划。是否有任何大型药企签约——以及以何种条件签约——将是决定 Virtual Biotech 沦为纸面成果还是行业标准的关键问题。

另一个值得思考的长期图景：如果 AI 代理能够以足够的准确性设计临床试验策略并提出靶点候选，那么传统的药物研发序列——假设、实验室验证、Ⅰ期、Ⅱ期、Ⅲ期——就可能裂变为并行协同的 AI 工作流。每个代理专责不同阶段，同时进行而非依次推进。这将把几十年来停滞不前的研发时间表大幅压缩。

这一切能否实现，取决于代理们发现的 40% 至 48% 优势在真实化合物测试中能否经得起考验。目前的数据是回顾性的。证明将是前瞻性的。

那 37,000 名永不休息的研究者已准备就绪。问题是，资助他们的人是否也已准备好。