Anthropic与Moderna案例解析：AI制药的核心价值不在算法本身

事件概述

近期，AI制药领域发生两起引发广泛关注的事件：

1. Anthropic发布早期药物研发成果：依托Claude大模型，几乎无人工干预地自主设计出14个临床靶点的蛋白结合剂，实验数据公开，合作平台Twist Bioscience股价单日飙升22%。
2. Moderna与默沙东宣布临床成功：其个性化mRNA癌症疫苗intesmeran autogene在高危黑色素瘤全球III期临床试验中达到主要终点，Moderna股价单日翻倍。媒体将此定义为“人类历史上第一次用AI治愈癌症”。

然而，深入分析显示，AI在这两个案例中的角色并未如舆论渲染般具有颠覆性，真正的核心价值在于算法之外的工程化与产业化能力。

核心信息

1. Anthropic案例：工程资源与验证能力的胜利

• 技术实质：Anthropic的工作属于“算法1.0”，即利用基模型调用现有开源工具链（如RFdiffusion、ProteinMPNN等），从靶点结构出发生成满足特定功能的蛋白质序列。这一思路在学术界早有先例（如2022年华盛顿大学David Baker团队、香港中文大学刘圣超团队等）。
• 关键突破点：
  • 规模化验证：动用了庞大的工程资源，并号召Twist Bioscience与Adaptyv Bio两家外部独立实验室完成了1320个设计的成规模湿实验验证，命中率远超行业典型水平。
  • 开源策略：开源了prompt、设计模型和实验数据，降低了行业试错成本，但也意味着方法论壁垒正在快速降低。
• 潜在意图推测：有观点认为，高调发布低门槛的“算法1.0”成果，可能意在引导竞争对手进入已无太多壁垒的旧路，从而为更深层的“算法2.0”工作争取时间或空间。

2. Moderna案例：成熟产业平台的厚度

• 技术实质：Moderna使用的蛋白质折叠、结合力预测与免疫反应模拟模块多为大模型发明之前的传统算法，并非全新算法创新。
• 关键突破点：
  • 平台能力：III期临床的成功证明了其mRNA平台技术、LNP递送能力、大规模生产体系、临床开发网络及监管路径的深厚积累。
  • AI的角色：AI仅在成熟平台上做了局部定制和加速，真正决定性作用的是整个产业化体系的完整性。

值得关注

AI在科学领域的“偏科”困境

• 能力边界：AI在设计序列、预测静态结构等环节表现强劲，但在表达、折叠、稳定性、免疫原性、毒理及临床环节仍有巨大进步空间。例如，AlphaFold系列擅长静态蛋白，但难以处理胶原蛋白这类高度柔性、动态的结构。
• 评测缺失：科学界缺乏像语言模型那样普世的价值观和现成的Benchmark，导致无法系统性地评估AI的强弱，各方都在“刷自己擅长的题目”。

市场估值逻辑的重构

• 算法壁垒有限：在开源时代，纯算法模型的独立商业模式面临压力测试。投资人更倾向于拥有前沿模型且能将管线做出结果、链条相对完整的公司。
• 全栈能力的重要性：算法只是链条中的一段，若缺乏后续的湿实验验证和成药能力，再漂亮的算法也只是空中楼阁。真正决定成败的是从设计到成药的完整闭环能力。
• 投资情绪：尽管算法突破性存疑，但一级市场对AI+生命科学概念的热情高涨，甚至出现FOMO（错失恐惧）情绪，融资节奏极快，但这可能建立在焦虑而非理性判断之上。