宇宙探索者

德米斯·哈萨比斯坐在位于伦敦大学学院天文台的弗莱望远镜前。图片来源：

八岁那年，德米斯·哈萨比斯（Demis Hassabis）只能依稀瞥见星辰。

这位天赋惊人的孩子成长于20世纪80年代的北伦敦（North London），父母是颇具波西米亚气质的文艺青年。透过城市朦胧的光霭，哈萨比斯偶尔能够辨认出一个星座——猎户座（Orion）。它得名于希腊神话中那位骁勇的猎人，千百年来始终是水手与农人的星空路标。四十年后的今天，猎户座依然是他最爱的星群。这份眷恋，部分源于其与不朽传说的连结：早在古埃及时期，人们就已经将这片星空奉若神明。

“首先，从地球仰望星空，我们看到的星辰图案其实具有某种随机性。”哈萨比斯说道，“其次，不妨想想猎户座的腰带（Orion’s Belt）三星：那不过是三颗恰好构成特定几何关系的恒星。但它们之所以产生意义，完全是因为我们正在运用人类的意识对其进行解读。”

我与哈萨比斯的会面地点，距离他成长的地方不远——就在伦敦大学学院天文台（UCL Observatory）的旁边，矗立在那里的望远镜已逾百年，至今仍然昂首指向苍穹。这样的所在，恰好适合谈论“浩瀚”：不止是星辰的浩渺无垠，更是人类心智的辽阔深邃。

与哈萨比斯在此地对话，还有另外一层深意——他正是那位以人类意识探索数据海洋的先锋。身为DeepMind联合创始人的哈萨比斯，被誉为当代最重要的人工智能研究者与企业家之一。这家开创性的人工智能实验室于2014年被谷歌（Google）收购。2016年，DeepMind研发的AlphaGo击败全球头号围棋高手，造就人工智能发展史上的里程碑事件—要知道，围棋可是世界上最复杂的双人策略博弈之一。十余年后的今天，作为谷歌核心人工智能业务的掌舵者，哈萨比斯正在引领这艘科技巨轮依托Gemini 3模型的优势在激烈的竞争中破浪前行。

但他迄今为止最深远的贡献，或许在于AlphaFold 2的突破。这款由DeepMind于2020年发布的人工智能系统，可以根据DNA序列精准预测蛋白质的三维结构。AlphaFold 2堪称一项具有划时代意义的科学壮举，为人类深入理解乃至最终攻克帕金森病（Parkinson's disease）、肌营养不良症及某些癌症等疾病打开了全新可能——这些疾病的根源均与蛋白质的错误折叠或功能失常密切相关。正是这一开创性成果，助力哈萨比斯与DeepMind的科学家约翰·江珀（John Jumper）共同摘得2024年诺贝尔化学奖（Nobel Prize in Chemistry）桂冠；同年，哈萨比斯获授爵士勋衔。

在德米斯爵士看来，这一切皆彼此相连。自幼对星空的痴迷，如同一道隐线，引领他探索人工智能，在看似无序的世界中寻找秩序与意义。

“夜空，是一道始终凝视我们的永恒谜题。”他说，“它时刻提醒着我们，世间还有更宏大的命题需要思考。我想，正是这片无垠将我引入‘浩瀚’之境。在那里，你必须从海量的数据中捕捉规律，或在无穷的可能性里，觅得那关键一步。”

近年来，哈萨比斯将他每周100小时工作时间中的相当一部分，倾注于破解世界级模式识别难题——药物发现。2021年，在谷歌母公司Alphabet的支持和资助下，他创立了Isomorphic Labs。这家基于人工智能的药物设计公司，致力于为一些最“不可成药”的疾病开发突破性疗法。正如那句掷地有声的企业宣言所示，其目标宏大得近乎壮阔：要“攻克一切疾病”。

自创立以来，Isomorphic Labs一直低调前行，至今未将任何药物推进至决定性的临床试验阶段。但近期的动向表明，这一里程碑已经不再遥远。支持者认为，一旦投入实战，其技术路径将展现独特优势。近日，这家新创企业首次向《财富》杂志敞开大门；记者历时三天专访了多位公司高管与科学家，与他们悉心探讨这个堪称人工智能领域最大机遇与挑战的议题。

“一家传统的生物科技公司穷尽整个生命周期，或许只能推出一两种新药。”哈萨比斯指出，“而我们正在试图构建的是一套完整的系统、流程和技术体系，目标是每年开发数十种药物。这个想法从目前看来确实有一些不可思议，但我相信，在未来的10年到20年内，如果能够建立起一套犹如从干草堆中寻针的流程，我们终将找到攻克所有疾病的路径。”

药物发现，实则更像是在广袤的艾奥瓦州寻觅一根针：这是一个将具有潜在治疗价值的化合物置于无限生物学变量中进行测试的征程，始终伴随着接连不断的挫折与近乎绝望的失败率。

尽管AlphaFold仅仅触及这个宏大进程的一隅，它却为打破既有困境带来了希望——作为首批具有震撼力的例证之一，AlphaFold证明，人工智能有望将生物医学中那些依赖蛮力攻坚、动辄数年的艰难探索，压缩至分秒之间。基于此突破，哈萨比斯创立了Isomorphic Labs，其构想清晰而深刻：若能以AlphaFold为基石，构建一个完整的药物设计引擎，未来将会怎样？

这家应运而生的企业志在挑战众多同行折戟的领域，其突围之道在于聚焦结构解析：通过人工智能对药物与靶点的相互作用进行分子层面的精准预测，从而大幅削减药物发现临床前阶段惯有的漫长试错过程，最终将“攻克疾病”这个曾经被视为妄言的构想，推向可以实现的疆域。

自独立运营以来，Isomorphic Labs最初从Alphabet获得资金支持，被归入这家科技巨头的“其他押注”板块。2025年3月，公司又完成了6亿美元的A轮融资，由约书亚·库什纳（Joshua Kushner）的Thrive Capital领投，自创立初期便参与投资的谷歌风投（Google Ventures）也继续跟投。（Isomorphic Labs未披露其估值信息。）这场豪赌的愿景是：假以时日，人类将凭借技术驱动的新型流程，设计出能够治愈癌症、阿尔茨海默病（Alzheimer’s disease）等以往难以攻克疾病的药物——这些如今看似如魔法般精密的工艺，最终将成为行业标准。

“如今，没有人会考虑手工设计飞机，也不会有人愿意乘坐手工设计的飞机。”Thrive Capital的合伙人文斯·汉克斯（Vince Hankes）表示，“但我们现有的所有药物，却依然是以这种方式设计的。展望未来，所有药物都应该像目前设计飞机那样，依托强大的软件、智能系统和仿真模拟进行研发。”

Isomorphic Labs的300余名科研人员正在朝着这一目标全力进发——而哈萨比斯，正是他们的领航员。

极端渺茫的胜算

可成药化合物的潜在数量远超可测宇宙中的星辰——最新研究表明，其规模可以达到约1060种，而这还仅仅涵盖类药小分子，实际数值可能更为庞大。识别出哪些组合能够抑制肿瘤或矫正危险突变，正是哈萨比斯及其同行希望借助人工智能破解的难题。

纵观人类历史，药物始终寥寥无几，其中许多甚至源于偶然——青霉素因为霉菌污染而被意外发现，便是最著名的例子。直到20世纪60年代，随着早期抗癌药与心血管药物的出现，药物发现进程才逐渐加速。但在整个20世纪的大部分时间里，科学家们仍然依靠近乎蛮力的试错与缓慢迭代的技术，在浩渺的化学宇宙中艰难探索。无数化学家终其一生埋头于沸腾的浆液、重复的实验、一次次推倒重来，却大多以失败告终。即便是在今天，根据业内广泛引用的数据，每20位从事药物发现的化学家中，也仅有一人可以在职业生涯中成功推动一款新药上市。

“我们需要将各种不同的参数融合到一个分子中，使其完美匹配特定病症。”Isomorphic Labs的首席科学官迈尔斯·康格里夫（Miles Congreve）解释道，“有时你可能找到理想的靶点，合成了高活性化合物，初期效果显著，但在其他方面却不尽如人意——最终走入死胡同。这有点像打地鼠（Whac-a-Mole）游戏，一个问题解决了，另一个又冒出来。”

康格里夫在药物化学家中实属凤毛麟角：他已经助力三款抗癌药物成功上市，其中包括诺华（Novartis）与Astex Pharmaceuticals联合开发的乳腺癌治疗药物瑞波西利。放眼整个行业，即使仅将一款药物推进至临床试验阶段，也经常被视为重大突破。但正如他所指出的：“从历史数据来看，此类试验的失败率至少达到90%。”诺华的生物医学研究总裁菲奥娜·马歇尔（Fiona Marshall）对此深表赞同：“要找到那个完美的分子，其概率微乎其微。”

正是这种极低的成功概率，恰好解释了为何AlphaFold 2的卓越表现会让全球科学界为之震撼。而这一突破，反过来也帮助Isomorphic Labs汇聚众多顶尖人才。计算生物学总监梅丽莎·戴维斯（Melissa Davis）坦言，她正是因为对AlphaFold技术的拓展应用深感着迷而加入团队的。“过去，科研人员可能穷尽整个职业生涯只为结晶一个膜蛋白。”戴维斯指出，“但突然间，我们不再需要耗费五六年时间才能获得一个蛋白质结构。如今，任何科学家都可以轻松生成这样的结构。”

其他高管与哈萨比斯的合作渊源则更为深厚。马克斯·贾德伯格（Max Jaderberg）在担任Isomorphic Labs的首席人工智能官四年后，于2025年11月接替哈萨比斯的长期合作者科林·默多克（Colin Murdoch），出任公司总裁。他此前在DeepMind工作七年，其间主导开发了人工智能系统AlphaStar——这是首个在电子游戏《星际争霸II》（StarCraft II）中击败人类职业选手的人工智能系统。贾德伯格正是追随哈萨比斯加入Isomorphic Labs的DeepMind核心成员之一。像他这样从DeepMind转入的科研人员，目前约占公司总人数的11%。

“每当听说有药物化学家终其一生都未能成功研发出一款新药，总是令人深感敬畏。”贾德伯格感慨万千。“这与我的经历截然不同——我来自人工智能领域，在那里你必须每六个月就突破世界顶级水平，否则就将被淘汰。”他补充道，“当理论照进现实，面对实实在在的科学流程与动手操作的实验工作，那种敬畏感就会变得无比真切。”

鉴于哈萨比斯行程密集，他在Isomorphic Labs的时间非常有限，因此招揽顶尖人才成为他的要务之一。他每周仅有一天（通常是周二）会前往这家新创企业的办公室，与高管团队会面，并为公司的技术方向确定优先事项。

哈萨比斯曾经笑言，自己热衷于管理那些“需要精心呵护的天才”，并特别看重他们身上的创造力特质。“任何专业科学家在技术层面都已经极为出色。”哈萨比斯指出，“但能否提出具有创造性的新思路，或是精准地提出关键问题？这其实更为困难。寻找答案的过程，在本质上正是寻找正确问题的过程。”

结构优先

贾德伯格解释道，Isomorphic Labs提出的“结构优先”方法，在本质上是一种选择——它更注重模型的泛化能力，而非针对特定问题的专门化设计。这家新创企业正在致力于绘制人体内愈加复杂的生物星图，从而更精准地预测任意化合物对多种疾病及其他生物过程可能产生的影响。首席技术官谢尔盖·亚克宁（Sergei Yakneen）指出，所有努力都指向一种曾经难以想象的精准度——犹如将火箭降落在人类永远无法直接观测的月球背面。

其核心技术是一个由多个专有模型构建而成的药物设计引擎。该引擎不仅包含升级版蛋白质预测模型，还整合了针对多肽、分子胶及抗体的专项模型。引擎的数据基础融合了全球蛋白质数据库（Protein Data Bank）、英国生物银行（U.K. Biobank）、商业授权数据、内部生成数据集，以及合作伙伴提供的专有信息。

亚克宁坦言，这项任务在某种程度上就是从现有数据中挖掘更深层的洞见——过去已经有许多研究者尝试过这样做，但大多无果而终。“然而，令人惊叹的是，只要掌握恰当的技术，我们就能构建出这些令人震撼的系统。”他补充道。

Isomorphic Labs没有透露其短期内的主攻疾病领域——这种保密做法在制药行业实属常态，但在科技行业却略显反常。该公司称，与礼来（Eli Lilly）、诺华等制药巨头达成的合作，正是其发展势头向好的有力佐证。（与诺华的合作已经于2025年进一步拓展。）

然而在多次访谈中，多位高管表示公司的核心战略是攻克“不可成药”靶点。这一在药物研发领域被广泛使用的术语有着相对具体的含义，即针对胰腺癌、肺癌和结直肠癌中尤为常见的特定蛋白突变，以及在多种癌症中广泛存在的转录因子展开研究。迄今为止，这些癌症依然对现有疗法表现出较强的耐药性，但它们很可能正是Isomorphic Labs决心突破的关键难题。

节省五年，甚至更多

无论是药物发现还是人工智能领域，其经济规律都同样严酷。将一款新药推向市场，通常需要投入超过20亿美元，历经十年乃至更长时间从发现走向临床试验——最终却仍然要面对高达90%的失败率。与此同时，在人工智能领域，算力瓶颈始终是难以回避的挑战；而在这一点上，背靠Alphabet的Isomorphic Labs则获得了雄厚的资金支持。

Isomorphic Labs所处的赛道竞争同样已经达到白热化：要成为首家将人工智能驱动药物推向市场的新创企业，这份压力可谓千钧之重。其竞争对手如英矽智能（Insilico Medicine）和Recursion正在取得进展——目前英矽智能已经有数款药物在中国进入临床试验阶段。Isomorphic Labs表示自身也正在向临床试验推进，但没有透露具体时间表。一个显示该目标正在接近的信号是：公司于2025年6月聘用精准肿瘤学专家本·沃尔夫（Ben Wolf）担任首席医疗官。他正在波士顿组建团队。“要让这一切成为现实，我需要一款具备卓越药学特性的超级药物，它能够让我直接而明确地验证疗效。”沃尔夫说道。

目前，这家新创企业的人员配备与战略方向依然主要专注于药物发现阶段，尚未扩展至临床试验或商业化领域。贾德伯格清楚地认识到其中的机遇与局限。他表示：“至少在中期内，生物学中仍然会存在人类无法完全理解的部分。”他进一步指出，公司的目标是“建立科学严谨的流程体系，让这一过程不再像魔术般玄奥难测，而更像是布设捕鼠器——以此来精准锁定我们想要达成的效应。”

诺华的马歇尔认为，人工智能有望将药物研发与临床试验周期缩短50%。她说：“预计平均研发时间可以缩短至五年左右。”在马歇尔看来，研发时长的缩减，在很大程度上得益于药物发现环节的优化升级。“但要进一步大幅压缩时间难度很大，因为涉及人体生物学反应和安全性的关键验证，依然需要通过临床试验来完成。”

医学界普遍认为，过去十年来，人工智能药物发现领域始终是承诺多于成效——而Isomorphic Labs如今许下的承诺则更为宏大。当我向哈萨比斯提及这一观点时，他阐述了自己的核心理念：“攻克疾病”的愿景，远比“一劳永逸地根除病痛”更具广度与现实可行性。他之所以刻意回避“治愈”一词，原因正在于此。他表示，我们固然无法保证人类从此不再患病，却能够依托先进的人工智能与技术平台，建立一套系统化、可复制、可规模化的流程，在需求出现时，及时发现、设计并优化药物或治疗方案。

“我们将逐步构建对生物学的基础性认知。”哈萨比斯说道，“但愿未来可以创建出类似虚拟细胞的模型，精准预测特定干预措施将引发怎样的生物学变化。”

他认为这一目标可能会在十年内实现，而这就引出下一个问题：“个性化治疗能够深入到什么程度？不妨试想一下，你走进一家药房，就可以为自身的特定病症做一次表型分析。如此一来，你便能够精准掌握自身独有的病情特征。”这或将成为疾病治疗领域的重大突破。

哈萨比斯相信，对宇宙的思考，可以帮助我们理解存在于我们身体内的生物宇宙。毕竟，“isomorphic”一词所指的，正是那些表象不同但结构相似的存在。

与哈萨比斯交谈后，我走向伦敦大学学院天文台那架建于1862年的弗莱望远镜（Fry Telescope）。透过目镜，我看到了土星（Saturn）。一束光从那颗行星传到地球大约需要95分钟。如此清晰地目睹这般遥远的天体，让人感到一种超现实的震撼。

“宇宙的构造似乎就是为了迎接科学的探索。”哈萨比斯曾经这样说道，“我甚至觉得，宇宙渴望被人类理解。不然的话，科学方法何以如此奏效，又如此具有可重复性？暂且抛开人工智能不谈。计算机为何能够正常运转？说到底，它们不过是由沙粒、金属和游离的电子拼凑而成的物件。可偏偏就是这些东西，催生出了不可思议的奇迹。”

译者：任文科