与 Isomorphic Labs 首席人工智能官 Max Jaderberg 在 RAAIS 2025 上的深度分享。
AIR STREET PRESS 与 NATHAN BENAICH
2025年7月22日
在今年的 RAAIS 大会上，来自 Isomorphic Labs 的 Max Jaderberg 发表了一场堪称 AlphaGo 精神续作的演讲。
这一次，棋盘不再是 19x19 的网格，而是复杂无比的人体。
赌注，则是药物发现乃至人类健康的未来。
豪言壮语：攻克所有疾病
Isomorphic Labs，这家脱胎于 DeepMind 的生物科技公司，提出了一个极其宏大的使命——攻克所有疾病。
这并非一句比喻，而是一场系统层面的豪赌。他们坚信，曾破解围棋的模型，也必将破解生物学的密码。
这不仅要将传统实验室的流程数字化，更要将生物分子的复杂动态，编码为机器可以学习和理解的全新语言。
AlphaGo 的意义在于，它让 AI 学会了创造前所未有的制胜策略。而 Isomorphic Labs 的目标，是让 AI 发明出人类在实验室中永远无法触及的全新药物。
这无异于一次登月计划，其核心信念是：生物学本质上是一门信息科学，而机器学习，正是我们破译这门语言的最佳途径。
灵感源于巅峰对决
Jaderberg 本人深耕于强化学习领域。当年在 DeepMind，正是强化学习，造就了 AlphaGo 那震惊世界的「第 37 手」。
那一步棋并非暴力计算的产物，而是在巨大的搜索与反馈空间中，自然涌现的创造力。
它向 Max 证明，神经网络不仅能模仿和预测，更能创造和发明。
然而，生物学远比游戏复杂，它没有完美的模拟器。真实世界响应缓慢、充满随机性，且研究成本极其高昂。
如果说围棋是 AI 的试验场，那么生物学就是对其泛化能力的终极考验。
尽管领域不同，但目标一致：构建一个能支撑推理和创造的世界模型。只不过在生物学的棋盘上，一切都是不可见的。
逆转反摩尔定律
长期以来，药物研发被一个残酷的反摩尔定律所困：研发投入持续暴增，但成功上市的新药数量却不断萎缩。
这并非业界不够努力，而是因为生命系统实在太复杂。
一个蛋白质的功能由其三维结构决定，结构又由其氨基酸序列决定，而这一切又处在一个我们无法用公式描述的、与其他分子相互作用的「动态浓汤」之中。
但另一边，算力仍在以前所未有的速度增长。以 Transformer 为代表的 AI 模型已经证明，只要有足够的数据和巧妙的架构，就有可能逆转复杂性带来的无序和熵增。
Isomorphic Labs 的未来，就建立在这样一次巨大的认知套利之上：以计算机的模拟推理，取代实验室的反复试错。最终，从混沌的生命现象中，发掘出其内在的秩序。
从 AlphaFold 到 AlphaFold 3：模拟生命之舞
生物科技领域无人不晓 AlphaFold 2，它在 2021 年实现了以接近实验的精度预测蛋白质结构，这是一项里程碑式的突破。
但蛋白质并非孤立存在。它们与 DNA、RNA 及小分子药物的相互作用，才真正定义了健康与疾病。
于是，AlphaFold 3 应运而生。这也许是 Isomorphic Labs 迄今最重要的成果。
Jaderberg 揭示了团队如何扩展其神经网络架构，以模拟分子间的复杂互动。其核心创新是一种名为「PairFormer」的模块。
它不像语言模型那样处理一维序列，而是专注于在二维的交互网格上，对分子间的关系进行推理。
这意味着 AlphaFold 3 不仅能预测一个蛋白质长什么样，更能模拟当它遇到药物分子或 DNA 片段时，会如何相互行为和响应。
Isomorphic 的独特之处
在 Jaderberg 的阐述中，Isomorphic Labs 的特别之处不仅在于模型，更在于其独特的公司设计哲学。
许多公司只是将 AI 作为生物研究的辅助工具，而 Isomorphic Labs 则是从第一性原理出发，重新设计整个研发技术栈。
在这里，AI 模型的开发、大规模推理所需的基础设施，以及对生物学意义的解读，从一开始就是被协同设计的。
Jaderberg 认为，AI 模型不应被视为科学家的工具，它们本身就是科学家，是内嵌于强大算力之中的推理智能体。
Isomorphic Labs 的终极目标，就是让这些智能体，能用生物学的语言流畅地思考。
下一章：从模拟到编写
凭借首轮超过 6 亿美元的外部融资，Isomorphic Labs 正全力开启新篇章。
公司正以实际的临床应用为目标，构建其 AI 原生的药物设计平台，真实的临床试验已然近在咫尺。
它已和医药巨头礼来、诺华达成数十亿美元的合作，在肿瘤、心血管及神经退行性疾病领域，共同进行多靶点药物的探索。
随着首席医疗官 Ben Wolf 博士的加入和美国研发中心的设立，Isomorphic 正在构建一个全栈式、AI 优先的未来型生物技术公司。
当然，整个领域也并未停歇。下一个前沿，将不再局限于预测蛋白质结构或药物如何结合。
真正的未来，是建立完整的生物系统模型。像 Profluent 这样的新兴公司，正借鉴前沿大模型的思路，直接构建能从零开始生成全新功能蛋白的 AI。
这场竞赛的目标，已不再是模拟生物学，而是要亲手编写生物学。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
