英国政府押注的AI药企：不做湿实验，用合成数据找药

英国政府支持的创业公司Potential Sciences走了一条不太常规的制药路：不靠大量又慢又贵的湿实验，而是用计算机生成的生化数据来训练AI模型。它的赌注是，合成数据集能让模型比纯靠物理测试快得多地探索化学空间。 药物发现长期被实验室工作的成本和难度卡着脖子：实验耗时间、要专门设备、很难规模化。如果模型能从模拟数据里学到东西，研究者或许能在真正上手做实验之前，先把有希望的化合物筛出来。这样需要的实验次数可能变少，早期研究也能提速。这个思路也契合当下的一个大趋势——用AI去绕开科学里那些数据稀缺或获取昂贵的老瓶颈。 但风险也摆在明面上：模拟数据未必反映真实生物学。用计算机生成的样本训练出来的模型，可能学到一些看起来很唬人、一进活体系统就崩掉的规律。这在计算生物学里是个老问题，也是Potential Sciences要面对的核心拷问。公司得证明自己的合成数据足够有用，能指导真实实验，而不只是产出漂亮的预测。 英国政府的背书说明政策层面看好这个方向，但科学最终还是要拿结果说话。如果路子走通了，早期药物发现的组织方式可能会变——AI模型承担更多初期探索，实验室聚焦在最靠谱的候选物上。如果走不通，它也会成为一个提醒：再快的算力，也替代不了生物学的现实。所以这家公司同时在做两场测试：一场是技术方法，一场是战略问题——在真实世界发话之前，药物发现到底有多少能从实验台搬到电脑里。