在充满不确定性的 AI 制药领域，Alphabet 旗下的 Isomorphic Labs 传出了一笔引人关注的融资消息。

11 月 8 日，据彭博社报道，这家公司正在洽谈一笔约 50 亿美元的新融资，估值可能达到 500 亿美元。

这个数字放在整个 AI 制药行业里显得格外醒目。2025 年全球 AI 药物发现市场的规模约为 23 亿美元，而这家公司至今还没有任何一款药物进入人体临床试验。

就在几天前，Isomorphic Labs 总裁 Max Jaderberg 还公开预测，未来所有药物都将由 AI 设计。如今，这一大胆判断与巨额融资消息联系在一起，也让外界更加关注 AI 制药的商业前景。

诺奖得主加盟，跨界团队支撑药物研发

一家尚未有药物进入临床试验的公司，为何能够获得如此高的估值？除了 AI 制药本身的市场前景，Isomorphic Labs 背后汇集的一批药物研发专家，或许也是资本看好它的重要原因。

公司首席科学官 Miles Congreve 拥有超过 25 年的药物研发经验，曾参与设计多款进入临床评估的药物，也是已上市乳腺癌药物 Kisqali 的联合发明人之一。

首席研究官 Sarah Skerratt 负责研究战略和药物发现管线，首席医学官 Ben Wolf 负责推动候选药物进入临床试验，首席技术官 Sergei Yakneen 则拥有超过 20 年的工程与机器学习经验。

公司的科学顾问委员会还包括 CRISPR 基因编辑先驱、2020 年诺贝尔化学奖得主 Jennifer Doudna，以及 2021 年诺贝尔化学奖得主 David MacMillan 等科学家。从早期分子设计到临床开发，这支团队覆盖了药物研发的多个关键环节。

除了传统制药领域的经验，Isomorphic Labs 还有着深厚的人工智能研究背景。公司的创始人兼首席执行官 Demis Hassabis 同时担任 Google DeepMind 的 CEO，并凭借 AlphaFold 相关研究获得了 2024 年诺贝尔化学奖。

公司的日常运营则由总裁 Max Jaderberg 负责。他曾在牛津大学从事计算机视觉与机器学习研究，之后在 DeepMind 领导开放式学习团队，参与过 AlphaStar 等项目。

这也形成了 Isomorphic Labs 的一项重要特点。一方面，它继承了 DeepMind 在 AI 模型研发上的经验；另一方面，又吸纳了熟悉药物发现和临床开发的专业人才。不过，技术与人才的结合最终能否转化为实际成果，还需要经过药物研发中最困难的环节。

AI 制药，能否跨越临床难关？

AI 可以加速前期的分子筛选，但真正的难题仍在漫长且昂贵的临床试验上。在传统药物研发中，约 90% 进入人体试验的候选药物最终会失败，原因可能是毒性和副作用，也可能是未能达到预期疗效。

Jaderberg 对此有自己的判断。他认为，传统制药方法过于依赖试错，研究人员需要从数百万个分子中寻找能够与靶点结合的候选物。这种方式限制了药物设计的复杂程度，过去几十年间，制药行业很大程度上只是在开发那些相对容易实现的目标。

在 Jaderberg 看来，AI 有望改变这一过程，让药物研发建立在更充分的计算预测之上。他在近期一次分享中描述了两类互补的 AI 模型：第一类是推理模型，帮助研究人员提出科学假设；第二类是模拟模型，能够在计算机中近似物理世界的运行规律，提前预测分子的行为。

两类模型结合，可以让研究人员在实际实验前评估更多设计方案，减少无效尝试，并不断优化候选分子的结构。不过，这套方法究竟能够在多大程度上提高药物研发的成功率，仍需要真实的实验数据来验证。

按照既定计划，Isomorphic Labs 预计在 2026 年底启动首次人体临床试验。如果顺利实施，公司自主开发的 AI 设计药物将进入临床验证阶段。但早期临床试验主要关注安全性和耐受性，距离证明药物真正有效，还有很长一段路要走。

自研与合作并行，IsoDDE 成为技术核心

在等待临床验证的同时，Isomorphic Labs 已经开始通过自主研发和药企合作推进业务。Jaderberg 此前明确表示，公司不售卖 API，也不售卖 Token，其 AI 模型 IsoDDE 的最终用途是开发真正的药物。

目前，公司主要有两条业务路线。一条是自主研发，由团队自行确定药物研发方向，利用 AI 设计候选药物，并投入资源推进开发，重点集中在癌症、免疫系统疾病和炎症领域。

另一条是与礼来、诺华、强生等大型药企合作，由合作伙伴提供疾病生物学方面的知识和研发目标，Isomorphic Labs 负责将其转化为候选分子，再通过首付款、里程碑付款及未来可能产生的销售分成获得收益。

两条路线都离不开公司的核心技术平台 IsoDDE。今年 2 月，Isomorphic Labs 首次对外披露了这套 AI 药物设计引擎的部分性能，展示了其在蛋白质结构和分子相互作用预测方面的进展。

作为技术基础之一，AlphaFold 3 已经能够预测蛋白质与其他分子的相互作用结构，但在面对训练数据中缺乏充分代表性的新靶点或新分子时，预测准确率仍可能下降。IsoDDE 则试图提高模型在这些未知体系上的泛化能力。

根据 Isomorphic Labs 发布的技术报告，在专门测试泛化能力的 Runs N'Poses 基准上，面对与训练数据差异较大的复杂体系，IsoDDE 的结构预测准确率达到 AlphaFold 3 的两倍以上。

在抗体和抗原结合界面的预测上，IsoDDE 在高精度区间内的表现也优于 AlphaFold 3 及同类开源模型 Boltz-2。

此外，IsoDDE 还能够预测分子与目标蛋白的结合亲和力。Isomorphic Labs 声称，该系统无需依赖实验解析的晶体结构，就能以远快于传统物理模拟的速度完成预测，准确度接近高精度物理模拟方法。

美国哥伦比亚大学计算生物学家 Mohammed AlQuraishi 在阅读技术报告后表示，IsoDDE 在预测与训练数据差异较大的分子和蛋白质相互作用方面表现出色，暗示团队可能取得了具有新意的技术进展。

不过，他也指出，报告没有披露足够多的技术细节，外界暂时无法独立复现这些结果。对此，Jaderberg 表示，公司没有计划公开背后的核心技术，但希望这份报告能推动其他团队继续探索 AI 药物发现。

对于一家尚未有药物进入人体试验的公司而言，500 亿美元的潜在估值，背后是资本市场押注的商业命题：AI 能否提高药物设计的准确性，减少研发中的无效尝试，并最终改善新药研发的成功率。

Jaderberg 曾用棒球比赛形容公司的发展阶段，认为团队目前还处于第一局。巨额融资能够为后续研发提供充足的资金，但这场押注最终能否获得回报，仍要看未来几年逐步公布的临床试验结果。

参考资料：

1.https://www.bloomberg.com/news/articles/2026-11-04/isomorphic-labs-in-talks-for-about-5-billion-in-funding

2. https://www.isomorphiclabs.com/our-team

3.https://www.isomorphiclabs.com/articles/meet-our-team-agnieszka-michael