數位生物學的轉型時刻（A Watershed Moment for Digital Biology）
在今年 1 月於達沃斯（Davos）舉行的世界經濟論壇上，Google DeepMind 兼 Isomorphic Labs 執行長 Demis Hassabis 發表了一項定義時代的公告，證實首款由人工智慧（AI）設計的癌症藥物預計將於 2026 年初進入第一階段臨床試驗（Phase 1 clinical trials）。這一里程碑標誌著製藥產業的一個重大轉型，即從理論 AI 模型轉向切實且能挽救生命的應用。Hassabis 在面對全球領袖與產業專家演說時，將當前時代描述為「科學發現黃金時代（Golden Age of scientific discovery）」的黎明，在此時代，人工智慧不僅加速了研究進程，更從根本上改變了醫療突破的經濟模式與時間表。
該公告的核心在於 Isomorphic Labs 的進展，這是 DeepMind 的商業拆分公司，負責將該公司革命性的 AlphaFold 技術應用於現實世界的藥物研發。雖然由於商業敏感性，該癌症藥物的特定分子標靶尚未公開，但時間表顯示，通常被稱為新化合物「死亡之谷」的嚴格臨床前安全性測試，已透過 AI 驅動的預測模型成功完成。這項進展驗證了長期以來的假設，即「矽基（silicon-based）」生物學可以大幅縮短為患者提供新型療法所需的時間。
Isomorphic Labs 與 17 項專案管線
雖然標題聚焦於即將進行的癌症試驗，但 Hassabis 揭示了 Isomorphic Labs 更廣泛的野心。該公司目前管理著包含 17 個活躍藥物開發計畫的管線。這些專案涵蓋多個關鍵治療領域，包括腫瘤學（oncology）、免疫學（immunology）與心血管疾病（cardiovascular disease）。這種多樣化的組合顯示，AI 方法並非針對特定蛋白質結構的利基解決方案，而是藥物設計的通用引擎。
至關重要的是，Isomorphic Labs 並非孤立運作。該公司已與製藥巨頭 Eli Lilly（禮來製藥）與 Novartis（諾華）建立了戰略合作夥伴關係。這些合作將 Isomorphic 的計算實力與成熟藥廠龐大的生物數據集和臨床試驗基礎設施相結合。與 Eli Lilly 及 Novartis 的交易價值近 30 億美元的潛在里程碑付款，凸顯了業界對 DeepMind 方法的信心。透過在研發階段早期整合 AI，這些夥伴關係旨在以更高的精確度篩選出可行的候选藥物，進而可能在失敗的後期試驗中節省數十億美元。
從 AlphaFold 到現實世界的治癒方法
這項進展的技術支柱是 AlphaFold，這是 DeepMind 解決了長達 50 年「蛋白質折疊問題（protein folding problem）」的 AI 系統。透過預測幾乎所有已知蛋白質的 3D 結構，AlphaFold 提供了地圖；而 Isomorphic Labs 現在正在建造導航地圖的交通工具。從 AlphaFold 2 到更先進的 AlphaFold 3 的轉型，進一步增強了模擬不僅是蛋白質之間，還有蛋白質與小分子（藥物）、DNA 和 RNA 之間相互作用的能力。
Hassabis 強調，傳統藥物研發的「濕實驗室（wet lab）」方法充滿了低效率。科學家通常花費數年時間合成並測試最終失敗的化合物。相比之下，Isomorphic 的方法有效地在數位環境中模擬了藥物與疾病標靶之間的相互作用。這使得研究人員能夠在合成物理樣本之前，篩選數百萬種潛在分子並優化其化學性質——例如溶解度（solubility）和毒性（toxicity）。
傳統研發與 AI 驅動研發的比較
下表展示了 AI 為製藥研發流程帶來的結構性轉變：
| 特性 | 傳統藥物研發 | AI 驅動方法 (Isomorphic Labs) |
|---|---|---|
| 研發時程 | 4-6 年達到 臨床試驗 | 1-2 年達到臨床試驗 |
| 每種藥物成本 | 26 億美元（平均） | 大幅降低（預計節省 >50%） |
| 成功率 | 約 10% 進入第一階段 | 由於預測篩選，機率更高 |
| 方法論 | 在濕實驗室中進行重複的「試錯」 | 預測建模與數位模擬 |
| 數據利用 | 僅限於實驗數據集 | 整合全球生物資料庫 (AlphaFold) |
超越生物學：實體智慧的崛起
雖然達沃斯的直觀焦點在於醫療保健，但 Hassabis 也利用此平台預測了 DeepMind 的下一個主要前沿：實體智慧（physical intelligence）。他預測，在未來 18 個月內，機器人領域將見證一個足以與大型語言模型（Large Language Models）的「ChatGPT 時刻」相提並論的突破性時刻。
「實體智慧」是指 AI 理解並與物理世界互動的能力，超越了文本與圖像生成，進而管理複雜的動力任務。Hassabis 指出，驅動 Gemini 和 AlphaFold 的相同學習架構現在正被改編用於機器人控制。這預示著未來機器人可以透過觀察與模擬來學習任務，而非依賴僵化的逐行程式碼。對於醫療保健產業而言，這最終可能意味著 AI 驅動的實驗室自動化，機器人執行驗證 Isomorphic Labs 生成的數位設計所需的物理實驗，從而建立一個封閉迴路的研發系統。
應對 AI 的地緣政治
達沃斯的討論還觸及了圍繞這些強大技術的監管與地緣政治局勢。在一場名為「AGI 之後的一天」的小組討論中，Hassabis 與其他產業領袖就人工智慧安全（AI safety）相關的國際合作必要性進行了交流。他承認，受美中之間激烈競爭驅動的創新速度，與對嚴格安全護欄（safety guardrails）的需求之間存在緊張關係。
儘管面臨這些挑戰，Hassabis 仍堅定地保持樂觀。他認為，AI 在醫療保健和材料科學等領域帶來的效益過於深遠，不容推遲。2026 年初臨床試驗的啟動，是一個切實的證明點，顯示該技術正從實驗性的好奇心成熟為人類長壽的驅動力。隨著 Isomorphic Labs 準備為第一位患者給藥，全世界關注的不僅僅是一款新的癌症藥物，更是對人類如何解決最複雜生物學問題的新範式驗證。
