Gregory Verdine谈AI制药：药企靠什么竞争？

格雷戈里·维尔丁（Gregory L. Verdine）在化学生物学领域算得上开拓者之一，也是把实验室成果往药物开发推进的关键人物。作为哈佛大学 Erving 化学荣休教授，他参与了订书肽（Stapled Peptides）技术的开发，让那些传统药物碰不到的靶点多了一种新的分子干预手段。他的研究没有停在实验室里，而是逐步延伸到生物医药产业的更大范围。

到了产业界，维尔丁牵头创办或参与联合创办的生物技术公司已有十余家，Enanta Pharmaceuticals、Wave Life Sciences、FogPharma、LifeMine Therapeutics 都在其中，方向覆盖多肽、核酸药物、天然产物等，目的都是把早期科学发现往临床开发和药物转化推。他也长期涉足生命科学领域的风险投资。2023 年，他加入美国风投机构 a16z 的 Bio + Health 团队，身份是风险合伙人，继续为生物技术创新和新药研发提供支持。

现在，他把科研和药物开发的经验带进了一项新合作。他创办的 DoveTree 与晶泰科技签下研发合作，最高总金额达数十亿美元。分工上，DoveTree 管靶点选择、研发方向以及后续药物开发，晶泰科技则把 AI、物理建模和自动化实验平台结合起来，承担具体的药物发现工作。双方想通过这种协作，在多个疾病领域共同推进新药研发。

不久前，DeepTech 在上海和维尔丁聊了一次。话题从开发新的分子工具，到 AI 怎样参与药物发现。他既看到技术给的机会，也对它的局限保持审慎。AI 到底能替研发解决什么问题、药企的组织方式会怎么变、中国医药创新与跨国合作走向哪里，他给出了自己的判断，也回顾了从化学研究一路走到创业和投资的经历。

轮椅和分子

维尔丁的科研起点，和一场童年变故有关。“我是父亲的双手。”他这样回忆小时候。七岁那年，父亲因意外事故无法再行走。为了让父亲生活、出行方便一些，年幼的维尔丁动手改起了轮椅。很多机械问题找不到现成答案，他只能边试边调，在反复摸索里找出路。“人们通常会想到音乐家，或者爵士乐手的即兴演奏。”后来，他也拿这种即兴应变来理解自己的科研。

上大学原本不在他的打算里。高中升学辅导老师发现他没准备升学，就替他申请学校、找资助。进了大学，他先读英语专业。“我不知道上大学该做些什么。我的兄弟们都没有上过大学。”他笑着说起当时的想法，“我会说英语，那我就学英语吧。”后来写作越写越吃力，隔壁同学建议他不妨试试化学。

“上了有机化学实验课之后，我发现它也充满了即兴应变。我们研究怎样让难成药靶点变得可以成药，其中同样有很大一部分需要这种能力。”维尔丁把这份熟悉感追到了和父亲一起动手解决问题的童年。此后，他在

他的研究慢慢走到化学与生物学的交叉地带，涉及 DNA 修饰和损伤修复机制，也涉及如何设计新的分子形式去干预传统药物不易触及的靶点。订书肽的思路，就是从分子结构本身入手找解法。普通多肽通常比较柔软，形状容易变，也容易被体内的酶降解。订书肽技术是在多肽链的特定位置加上化学连接，像用订书钉把纸张固定住那样，将多肽锁定在特定的空间构象中。这样一来，研究者干预某些传统上难成药的靶点，就多了一条新路径。

问题是，找到新的分子设计方法，仅仅是药物研发的头一步。

这些创业实践也做出了实际成绩：Enanta 与艾伯维合作发现的帕利瑞韦、格卡瑞韦，各自成为获批丙肝联合治疗方案的组成部分；Gloucester 开发的罗米地辛也拿到了美国监管机构的批准。

在把科研成果推向药物开发的过程中，维尔丁的身份也从科学家、公司创始人，慢慢转向投资和企业经营。说到这些转变，他提起创业早期的经历：“作为一个来自学术界的公司创始人，我没有多少控制权。风险投资人、首席执行官掌握着权力，所以我希望有更多决策权。”为了在决策中说得上话，他逐渐做起风险投资，后来又亲自经营公司。“如果你真的想掌握方向，就必须亲自经营公司。”

不过自己管公司，也意味着从头学起。刚接手管理时，一位管理顾问提醒他，他还在用对待博士后的方式对待员工。“你得鼓舞大家，让所有人一起工作。”他坦言，“我花了相当长的时间，才学会从学术科学家转变为经营公司的人，因为整套思维方式都不同。”

经验攒多了，科研、投资与企业经营在他手里逐渐接成一条线。2023 年，他以风险合伙人身份加入 a16z 的 Bio + Health 团队。如今他这样描述自己的工作：“我可以决定要做一件什么大事，提供最初的资金，邀请其他投资者加入，然后亲自经营公司。”

AI 带来的变化，不止在分子设计这一环

对于 AI 是不是制药行业的宣传话术，维尔丁拿一个实际应用作了回答：真菌能产生大量有生物活性的小分子，其中一些具备潜在的药用价值。以前，研究者判断哪些基因可能参与这些分子的合成，主要靠比较基因序列的相似性。现在，AI 已经用在这类基因功能注释上，某些情况下预测效果还比传统方法更好。他的判断是，AI 虽然还没在药物发现上拿出创新性进展，但确实已经开始帮研究者完成具体的研发工作。

在小分子药物研发上，维尔丁认为 AI 眼下最明确的价值，还是优化已有的候选分子。比如研究者已经找到一个有一定药效的分子，就可以用 AI 调整它的化学结构，试着提高药效、改善安全性或其他成药性质，让它更有机会成为同类药物里的最佳选择。这类应用没有发现全新药物那么吸引眼球，却已经能实打实地改善药物研发的效率和质量。

相比之下，让 AI 从零开始设计全新小分子，要难得多。计算机能飞快生成大量分子结构，可这些分子最后都得在实验室里合成、验证，有些结构相当复杂，制备出来可能要几个月甚至一年。也就是说，就算 AI 能很快给出新设计方案，研究者也未必来得及用实验验证效果。分子设计提速了，化学合成反倒可能变成新的瓶颈。

抗体这边的情况不太一样。大量治疗性抗体的基本骨架相近，真正的差别往往落在与靶点结合的那一块。小分子要在极其广阔的空间里搜，抗体不用，模型面对的问题更收敛，训练数据也更好组织。维尔丁据此判断，AI 辅助抗体设计已有比较清楚的进展。他正在孵化的一条路子，就是拿参考抗体设计给在小分子里找一个更统一的骨架。

可要问生物学模型会不会像大语言模型那样迎来突破，维尔丁话里留着余地：“我对此相当怀疑。我们还有太多生物学机制没弄明白。那你怎么拿这些来训练？没法训练。”在他看来，卡点在于人对生命系统的了解还差得远。模型学的是已有的知识和数据，而生物学里还有大把机制没被找出来。

知识和数据上的短板，维尔丁把一部分希望放在自动化实验室上：AI 帮研究者设计实验，实验跑出新数据，再反过来喂养模型。如此来回，AI 和实验互相搭手，药物研发就能一点点往前挪。

数据之外，药物设计还横着一道物理学的坎。维尔丁的意思是，AI 画出来的分子结构光看着合理不行，得用物理方法再过一遍。他提到，近些年 AI 已经能帮着预测蛋白质和药物分子结合之后的结构，可这还不足以说明设计就有效。有个因素常被忽略——水分子：药物跟蛋白质结合时，周遭的水分子会重新排布，一部分还会被甩出去。这些变化牵扯到结合能量，而眼下 AI 方法还算不准这类复杂的物理过程。所以药物设计仍需物理模型帮着把关，不能全听 AI 生成的结果。

也正因如此，他不觉得分子科学很快就能等来通用人工智能。他的说法是：计算模型出预测，实验来验结果，物理规律判断设计靠不靠谱，三样得配合着来，药物发现才推得动。

不过，维尔丁并没有因此看轻 AI 在药物发现上的潜力。他认为变化可能先落在研发规模上：以前一家企业同时推进的候选药物也就那么几个，往后有机会并行摸索更多分子。单个药物从发现到上市照样要熬很长时间，但研究者能同时验证更多方向，撞上新药的机会也就多了。

这些变化能不能把研发成本压下来？他把药物发现和后续开发分开来看。AI 最可能省下的是发现早期的钱，而符合药品生产质量管理规范（GMP）的生产和临床开发，照样得砸大量资金。说白了，AI 能帮研究者更快找到候选分子，却省不掉后面的生产和临床试验。

研究者省钱的路径究竟在哪？维尔丁给出的答案是「工具分子」：「它不是最终版本的药，但已经足够接近药物，让你能检验一个生物学或药理学假设。」说白了，这类分子用来验证科学假设，不需要具备最终药物的全部性质，只要作用于某个特定靶点，能帮研究者判断这个靶点是否值得继续投入即可。

比方说，人类遗传学研究不断找出新的基因与疾病关联，可这些线索不代表相应基因就是有效的药物靶点。研究者还得做实验确认：干预这个靶点，是不是真能带来预期的生物学或药理学效果？AI 若能以更低成本帮研究者拿到工具分子，这类实验就能提早做，不必一上来就砸资源去开发完整的候选药物。

实验结果不对路，就趁早收手；验证结果积极，再投资源往下优化和开发。工具分子本身保证不了最终药物对人有效，但它能帮研究者提前筛掉一批没前景的方向。

这也是维尔丁认为 AI 有望拉低整体研发成本的一个关键理由。一款成功药物背后，往往躺着一堆最终失败的研发项目，这些项目烧掉的资金和资源，同样算进整个行业的研发成本。AI 若能帮研究者更早看出问题，少掉那些做了多年才证明走不通的项目，整体成本就有望降下来。从这个意义上说，AI 的价值也在于让人更早判断哪些研发方向不值得再投。

药物研发是一项共同的事业

AI 越往药物研发里扎，行业原有的组织形态和商业模式会怎么变？维尔丁答得干脆：“我认为，这一定会带来组织上的改变。那些内部阻力根深蒂固的公司有失败的风险，因为其他公司会重组自己，把 AI 用得非常有效。”他半开玩笑地说，所谓“一人公司”，搞不好就是一个人管着外包出去的五十个人。照他的设想，将来一家生物科技公司也许只要约百名员工，就能长成覆盖药物研发和商业化的一体化药企。

DoveTree 与晶泰科技的合作里，双方把研发分工划得很清楚：DoveTree 管靶点选择、研发方向以及后续药物开发，晶泰则用物理建模、AI 和自动化实验平台接手具体的药物发现工作。据维尔丁介绍，DoveTree 内部目前没有实验室人员。

2025 年 8 月，两家公司对外披露了总金额最高达数十亿美元的合作协议，涉及肿瘤、免疫及炎症疾病、神经系统疾病等方向。晶泰已经收到 5,100 万美元首付款，剩余款项则与后续合作以及研发、商业化里程碑绑定。合作也已取得初步进展：到 2026 年 5 月，双方已有一个临床前候选分子推进至临床试验申请前准备研究阶段，晶泰还拿到了第二笔 1,900 万美元付款。

这种新模式能不能比传统研发做出更好的成果，维尔丁仍然谨慎，他把与晶泰的合作比作一场“进入未知领域的远征”。

晶泰科技之外，维尔丁还提到，他创办的公司长期与药明旗下相关机构合作，做工艺化学和化学砌块方面的研究。这些合作让他对中国医药研发能力的发展看得更真切。据他观察，中国的优势早就不止于成本，工艺、供应链、自动化、计算技术这些方面同样拿得出手，几样能力凑到一起，正给药物研发带来新的可能，中国也正成为全球药物研发的重要力量。而一个国家要在这个领域立住竞争力，光有充足的资本和长期投入不够，还得有一批愿意持续推动创新、解决实际问题的科研人才。

维尔丁提到跨国医药合作时表示，这类合作不该只是技术转让或成果交接那么简单。按他的设想，药物发现的早期阶段就可以让不同团队各展所长，一起把研发项目往前推，同时在合作中攒下经验，慢慢搭出更完善的研发平台。对方来自哪个国家，他并不太在意，他更看重双方能不能互补，共同啃下那些有挑战的科学问题。

聊到地缘政治和监管环境会给中美医药合作带来什么影响，维尔丁先讲了自己的观察：“如果你看看实际情况，美国生物科技和制药公司与中国机构仍有广泛往来，而且这种往来还在继续。”他希望合作能延续下去，理由落在患者身上：“我们是在发现药物，而发现药物是为了帮助患者。这些生命可能属于中国人，可能属于德国人，也可能属于美国人。”

在他看来，只要合作的目的在于发现能挽救生命的药物，就不该被不必要的限制绊住。地缘政治和监管政策仍有不确定性，不过他更在意的，还是怎样让不同国家的技术和研发能力彼此补位，最终变成能惠及患者的药物。

参考链接：

1.https://hscrb.harvard.edu/people/gregory-verdine/

运营/排版：何晨龙

注：封面由 AI 辅助生成