一家药企的员工不是人，是3.7万个AI。这个数字背后，是AI开始自己提出科学假设、自己分析临床试验，甚至把候选药物推进到人体试验阶段。

三个案例被摆在一起看，路径各不相同，但指向同一件事：AI正在加速科学假设的生成。

打开网易新闻 查看精彩图片

三个案例，三种打法

Anthropic的Agent发现了一个新的逆转录酶系统。斯坦福的虚拟药企在分析临床试验数据。Insilico Medicine的药物已经进入人体试验。一个是发现新机制，一个是读懂已有数据，一个是把分子推到临床。

这三件事的共性是：AI不再只是工具，而是开始承担提出假设的角色。过去假设来自科学家的直觉和积累，现在AI可以批量生成候选方向。

瓶颈不在AI，在湿实验

但假设生成得再快，最终都要回到实验室里验证。湿实验验证仍然是整个链条的瓶颈。AI可以把候选方向从几个变成几百个，但实验室的验证速度不会因此翻倍。

这意味着AI在药物研发上的加速，目前更多体现在前端——提出假设、筛选方向、分析数据。真正决定一款药能不能成的，还是那些需要动手做的实验。

3.7万名AI员工能开出一家药企的架子，但药能不能成，还得看实验室里的那双手。