Isomorphic Labs 总裁 Max Jaderberg 在 2026 年伦敦彭博科技大会上与彭博社的 Shirin Ghaffary 讨论了人工智能如何加速科学发现并开辟药物开发新方法。
好吧，麦克斯，非常感谢您今天加入我们。我对这次谈话感到非常兴奋。
呃，对于那些不知道的人来说，你是 Isomorphic Labs 创始团队的一员，该实验室于 2021 年成立，距离这里不远，是 Alphabet 的 Google Deep Mind 的衍生产品。我引用了原来的博客文章，呃，我们的任务是用人工智能优先的方法从第一原理重新想象整个药物发现过程，并最终建模和理解生命的一些基本机制。
野心这么小。
是的，听起来不错。我很高兴我们仍在这样做。你知道，回来查看总是好的。
是啊是啊。嗯，但是麦克斯，你，我们，你知道，在谈论你的背景，你来自呃，一种更通才的人工智能计算机科学背景。是什么让您想要从广泛的人工智能研究领域跨越到特别是药物发现领域的人工智能研究？
是的，所以我的背景不是药物发现，我的背景不是生物学或药物开发。嗯，你知道，从背景上来说，我更像是一个人工智能专家，你知道，我学习了工程学，进入了人工智能和计算机视觉领域。这是人工智能的早期阶段，当时我们只是想证明它确实有效。我当时在牛津攻读博士学位，我在这个领域有一家公司，这一切都是关于你知道的，我们如何才能让人工智能模型真正为世界做一些有用的事情？你知道，那是在2012年、2013年这样的时间点。和
你知道，我想那是当我们，是的，仍在试图证明这一切都有效的时候。嗯，我最终遇到了 Demis Hassabis，并加入了 Google Deepmind，嗯，把我们当时拥有的公司卖给了 Deepmind，我认为那就像嗯，你知道，一个特殊的时间点，我们真的可以开始证明人工智能是从这样一个可能对世界产生影响的概念而来的。然后，从 2014 年、15 年、16 年一直到 2020 年，我们开始看到人工智能的应用变得越来越强大。它从像
这种奇怪的概念性的东西。嗯，它是从玩围棋这样的游戏发展而来的，我们有 Alpha Go、星际争霸、Alpha Star 等游戏。然后突然发现我们可以解决一些对世界来说非常非常重要的问题，比如蛋白质折叠。和
当我开始看到这一点时，我想，好吧，现在，你知道，我显然花了很多时间来开发核心方法，但最终我们为什么要这样做？你知道，我们不想拥有最令人惊叹的变革性技术，但却不将其用于解决世界真正重要的问题。
所以，我认为对我来说，当我开始看到我们可以在 Deep Mind 的游戏领域解决这些不可能的问题，然后开始看到 alpha 折叠时，这些蛋白质折叠结果就出现了。很明显，现在是我们还没有达到 AGI 的时间点。呃，也许有些人可能会争论这一点。嗯，但肯定是在 2020 年 21 月的这个时间点，就像我们还没有达到 AGI 一样，但我们显然拥有这项令人惊叹的强大技术，可以为世界造福。
但你知道，我们不能对此袖手旁观。就像我们实际上必须在这里发挥影响力一样。所以对我来说，这是一个出发点，嘿，看，我现在真的想将人工智能的应用集中在一些非常非常重要的事情上。你知道，在我看来，没有什么比真正促进人类健康更重要的使命了，呃，你知道，药物发现以及我们如何为患者创造全新的治疗浪潮。嗯，但是，是的，你知道，我的背景不在这个领域。事实上，奇怪的是，我的父亲是一名医生，并且在药物开发方面确实有很多背景。
所以这可能是你内心深处的潜在部分之一，当你还是个孩子的时候，你并没有真正关注父母的所作所为。但突然间，当我开始沉浸在这个空间中时，一切都涌了回来，你知道，从那以后我再也没有回头过。
所以我认为，人工智能药物发现有着巨大的前景和潜力。 Isomorphic 与礼来 (Eli Lily)、诺华 (Novartis)、强生 (Johnson) 等主要制药公司建立了一些商业合作伙伴关系。您能和我们谈谈人工智能药物发现的最终商业模式是什么吗？你是否认为它是许可、一次性预付款、发现一种药物的特许权使用费、其他什么，以及你所知道的任何早期轶事或你所拥有的一些最初的商业合作伙伴关系的发现？
是的，嗯，药物发现和药物开发业务非常有趣。就好像它与呃，其他任何东西都非常不同。嗯，你知道，作为一家 Isomorphic Glabs 公司，我们真正专注于为患者生产药物。因此，我们正在开发所有这些令人惊叹的新突破性人工智能模型，即我们的人工智能药物设计引擎。但我们不会出售模型的访问权限，我们不会出售代币或 API 访问权限，我们会使用这些来实际制造药物，最终将它们送到患者手中。嗯，所以你可以想想我们是如何做到这一点的，有两种方式。
一是我们自己实际上致力于药物发现项目。因此，我们提出了可以制造的新药的想法。我们在这些程序上使用我们的人工智能模型，我们做所有的基础科学，然后我们创造新的分子，为它们申请专利，拥有新的药物，并在临床试验中证明它们。呃，所以我们自己做了很多工作，这就是我们的内部计划。然后你可以想象，医学和疾病生物学的空间相当巨大。这是一个相当复杂的空间。因此，与世界上最优秀的人一起工作真的很有帮助。
这就是我们需要合作的空间。因此，我们与一些出色的农民合作伙伴合作，例如诺华（Novartis）、莉莉强生（Lily J&J）等公司，他们有时会带着数十年的特定生物学原理背后的经验来找我们，或者，你知道，新药的想法，但我们可以成为那些我认为独特的人，你知道，将其变成现实。所以
这两个部分的商业模式可能有所不同。一方面，当你与农民合作伙伴合作时，你知道，呃，你几乎可以通过预付款和里程碑以及随后几年开始商业化的下游特许权使用费来获得药物发现业务的报酬。嗯，但是在我们的内部程序中，这看起来非常不同。所以，你知道，这就是你自己全额资助这些项目的地方，你自己提出这个想法。所以你有多年的投资，你知道，做基础科学，想出这些分子。
然后，你知道，在这里保护知识产权，你拥有专利，你开始证明这些分子在临床试验中有效。您知道，所有这些都是针对该单独计划的投资曲线。然后，当你开始得到大量证据表明你知道，嘿，这种分子确实有效，这对患者来说确实是一种神奇的药物时，你可以开始考虑商业化，你知道，呃，你知道，自己合作、许可甚至商业化这些分子，最终实际上，你知道，将它们出售给医疗保健系统。
您认为我们现在在您所制定的商业化进程的曲线上走了多远？
是的，所以，你知道，作为一家公司，我们仍然处于第一局。嗯，你知道，我们嗯，我们正在深入临床前开发，你知道，有很多不同的令人兴奋的新药物和新项目。嗯，这就是你实际设计这些分子的时间点。你提出了想法，你实际上证明了这些，这些在湿实验室中有效，你在细胞、动物模型中证明了这些有效，然后，你知道，你将能够建立足够的信念进入患者并在临床试验中证明这一点，并真正开始看到对患者的影响。
您打算在这里研究任何特定的疾病领域，还是它是所有领域的通才？
是的，所以我想嗯，你知道，我们一直在构建的人工智能药物设计引擎真正令人兴奋的是，我认为与制药领域的许多新技术不同，这真的就像疾病是不可知的。就像我们，呃，你知道，我们构建了这个通用引擎，你可以将其应用于许多不同的疾病领域、许多不同的医学适应症、许多不同类型的分子、你可能想要创建的不同类型的药物。你可以创造小分子，你可以的东西
作为药丸、抗体，这些更多的是注射剂、肽，嗯，它适用于所有这些空间。就像我们一直在构建一个商业模式和一个商业生态系统一样，以确保我们能够真正将其应用于所有这些不同的领域。现在，当你要在某个特定的临床项目上进行多年深入研究时，你需要在那里建立正确的临床专业知识，并且每个不同的疾病领域都有非常具体的专业知识。因此，对于我们的内部项目，你知道，我们正在生产的新药物是我们完全资助并自行执行的，我们将重点放在肿瘤学、免疫学和炎症领域。
你知道，我们认为这些仍然是非常非常核心的领域，老实说，在过去 10 年、15 年里取得了巨大的进步。嗯，但是，你知道，很多患者的需求，很多适应症都没有得到很好的患者解决方案的满足。嗯，所以我们的内部管道主要关注这些领域。你知道，这使我们能够在肿瘤学、免疫学、炎症领域引进最好的临床医生和最好的生物学家。
当然，因为我们的药物设计引擎是通用的，所以我们可以与其他疾病领域和其他适应症领域最优秀的人才合作，我认为这就是我们需要创建这个生态系统的原因。
所以你提到了在前几局。对于那些对人工智能的真正潜力持怀疑态度的人，包括生命科学领域的许多人，你有什么想说的，嗯，因为他们说，当然，人工智能可以帮助你加快研究过程，甚至建议你开发新药，但真正的瓶颈在于临床试验，对吗？真正的瓶颈在于实验室或监管审批，这是人工智能无法取代的。
所以我我认为，我们在 ISO 采取的方法是你退后一步，真正从首要原则出发思考这个行业。这有点像，你知道，SpaceX 为整个农民空间服务。比如，我们为什么要这样设置？比如，为什么临床试验需要很长时间？比如，为什么监管缓慢？这是有充分理由的，因为我们首先需要保护患者安全。就像，这是因为，你知道，我我我我相信，作为一个物种，我们实际上并不擅长创造药物。
我们已经有了神奇的药物，这就像一个奇迹。嗯，我认为我们一直，你知道，坦率地说，我们只是能够以某种方式像工程师一样，通过我们作为一个行业拥有的相当基本的方法来获得容易实现的成果。所以，你知道，药物发现过程非常依赖经验，传统上需要反复试验。你必须
实际上，将数百万个分子扔到试管或细胞上，看看什么会粘住或看看什么会产生一些效果。你可以想象，这限制了复杂性并限制了我们设计真正好的药物的能力。所以我们仍然能够做到这一点，令人惊讶，因为我们在科学领域显然非常有弹性。嗯，所以，你知道，但是，你知道，当你制造新药时，你知道，当这个行业制造新药时，这些药物实际上成功的失败率仍然高达 90%。
当人们进入临床试验时，人们开始临床试验，他们真的非常相信他们的药物应该有效。但你仍然观察到患者的毒性。您知道，您观察到不应该出现的副作用，或者您观察到这实际上并没有按照您预期的方式起作用。因此，你必须有这个非常严格的监管流程，以确保你在进入人体之前尽一切可能确保你的药物是安全的并且会按预期发挥作用。
然后，当你确实进入人群时，你需要进入，你知道，你需要开始以一种真正受控和谨慎的方式向患者提供药物，这样你才能真正解释任何可能出现问题的情况。现在，我相信这是因为我们不太了解如何制造这些药物以及它们如何发挥作用。你知道，这就是我们所看到的，类似的情况可能完全不同。你知道，如果我们有了人工智能以及我们对疾病如何运作和生物学如何运作的机制理解，我们就可以理解这些分子如何运作。
我们可以，我们可以，你知道，我们拥有这些令人惊叹的设计代理，它们能够比你在实验室中通过反复试验所能完成的分子工程更加精致。因此，您知道，所有这一切将导致我们的临床试验成功率实际上要高得多。所以我们可以开始考虑这个过程的改变。但您希望慢慢地做到这一点，因为您确实希望首先考虑患者的安全。
所以，呃，我们正处于人工智能行业顶级参与者之间激烈竞争和压力的时代。嗯，科学人工智能是一些领先的前沿模型公司（如 Anthropic、Open AI）的众所周知的雄心和应用。嗯，你认为同构的与众不同之处是什么？随着这个领域变得越来越拥挤和竞争激烈，你是否感到承受着巨大的成功压力？
是的。我的意思是，谢琳，为了成功，我总是感到巨大的压力。就像，它是如此重要，我认为从我们制作的第一天起，你知道，这感觉就像一个世代的时间点，你知道，与任何其他时间点非常非常不同，我们拥有一项全新的技术，你知道，我们真的可以看到它将在这个领域带来变革。但如果我们不全力以赴，这种事就会发生。就像未来所有的药物都将由人工智能设计一样，我心中毫无疑问。
我只是不希望这需要 20 年或 50 年才能被动发生。就像我们一样，我认为有机构能够更快地推动这一进程，以确保我们最终尽快为患者提供最佳解决方案，因为，你知道，疾病不会等待，你知道，我们所有人都弄清楚我们正在用人工智能做什么，对吗？嗯，
所以，是的，为了实现这一目标，我一直承受着巨大的压力。但我认为，你知道，这是真的，就像很多人现在开始看到，哦，是的，就像人工智能在科学中的真正应用一样。嗯，你知道，我认为在地面上，这看起来与我认为经常画的卡通版人工智能有很大不同。嗯，你知道，我想，你知道，很多令人惊叹的法学硕士和推理模型，就像它们对我们整合数据以提出新的假设、科学假设的能力产生了深远的影响。
嗯，你知道，我们正在大力推动这一目标。同样，你可以想出尽可能多的想法，我相信这里的很多人都有过这种经历，比如，你知道，这些模型可以帮助你想出很多很多新的想法。哪些是好的？您真正想在现实世界中执行哪些操作？就像我们只有有限的时间来做真正的实验一样，你知道，实际合成分子，进入实验室培养细胞并做到这一点。所以
嗯，你知道，我们实际上不仅推动了前沿推理模型，还推动了我所说的模拟模型或世界模型。这些是像 AlphaFold 这样理解蛋白质折叠的模型。您知道，这些模型可以理解或近似物理世界。这意味着，你不需要去实验室做真正的实验，你知道，这需要花费大量的时间，嗯和大量的精力，你可以留在计算机上，用这些模拟模型进行虚拟实验。所以，你知道，这非常令人兴奋。
这真的很有趣，就像互补的研究轨迹一样，你知道，你有这些惊人的推理模型，它们将帮助我们提出新的科学，然后我们有了这些模拟模型，这些世界模型可以帮助我们以一种荒谬的速度做到这一点，因为我们实际上可以在计算机上做到这一点，而无需进入现实世界。所有这些意味着，当我们进入现实世界，当我们做实验，或者我们，你知道，在临床前测试或进入临床试验时，我们将有更高的成功概率。
像这些东西应该工作得更好，我们对它们的工作原理有了更好的理解。
所以你在你的创始人起源故事中提到，呃，对了，与戴米斯密切合作并将你的公司出售给谷歌。和他一起工作并认识他这么多年感觉如何？现在你在 Isomorphic 办公室里看到他的次数是不是越来越多了，因为我想他有更多的时间投入到 Isomorphic 上。
是的，你知道，我和 Demis 密切合作了 12 或 13 年。嗯，你知道，他是一个令人难以置信的人，就像这种稳定而真实的价值观一样，我，你知道，我真的很认同，这意味着这种伙伴关系随着时间的推移一直运作良好。嗯，是的，我想这可能已经不是什么秘密了，他对同构充满了兴奋和热情，而且一直都在这样做，现在，你知道，有更多的时间来投入。嗯，你知道，Demis 并不是真正以线性时间运作，而且更多的是关于你知道的，空间上的注意力周期数量，嗯，这肯定增加了。
是的。
对明年生命科学领域的人工智能和药物发现有什么预测吗？例如，我们已经看到数学方面的许多快速进步。您认为我们会在药物发现中看到这种速度，还是认为设定一个更慢的燃烧速度的预期很重要？
是啊，是啊，是啊。我的意思是，看，我已经在人工智能领域工作了大约 15 年，理性地，我知道所有这些数学结果都会发生。嗯，你知道，提前很多年了。但从情感上来说，只是看到，你知道，一些令人惊叹的证明出现在数学领域，嗯，在物理学领域，实际上是令人难以置信的。嗯，现在，
这将转化为生物学领域、生命科学领域、药物发现领域，但我相信这不会立即发生，因为这些领域无法验证。你知道，在数学证明中，你可以，你知道，你可以在计算机上验证这一点。你可以说，嘿，这是否有效，这是准确的。你知道，在生物学领域，如果你对细胞的工作原理有新的想法，你必须在真实的细胞上进行测试。所以你不能立即得到是或否的答案。
当然，这就是我们构建模拟模型的原因，因为它将可验证性带入计算机。嗯，但结果是，你知道，我们肯定会在生物学和生命科学领域看到大量的解锁，但我认为这必须与现实世界的实验和现实世界的实验室时间相结合才能真正看到这一成果。
伟大的。好吧，非常感谢麦克斯的这次谈话。
辉煌，愉快。谢谢。