把生物学变成工程：Chai Discovery 创业者谈 AI 药物设计的下一步

在这期 No Priors 播客中，Chai Discovery 的两位联合创始人 Josh Meier 和 Jack Dent 讲述了他们为何相信药物发现正在从“经验科学”迈向“工程学”，以及 Chai 2 带来的关键突破。这不仅是一次创业故事分享，更是一套关于如何用计算与结构生物学重塑新药研发的方法论。

为什么要再做一家药物发现公司？动机本身就是答案

这段对话一开始，主持人就抛出了一个直指本质的问题：为什么要创办 Chai Discovery？Josh Meier 的回答并不是市场规模或融资环境，而是一种更长期的判断——生物学仍然过于依赖运气和经验。他形容自己的核心信念是，要“把科学变成更像工程学的学科”，而这正是 Chai 想做的事。

这个判断之所以重要，是因为它决定了一家公司所有后续选择：技术路线、团队构成，甚至做产品而不是只做论文。Josh 明确提到，他们并不满足于提出新模型或新指标，而是希望构建一种可重复、可扩展的方法，让分子设计不再是少数专家的手艺活。

这并非一时冲动的创业想法，而是长期积累后的“很难说不”。Jack Dent 在回忆加入这件事时说，这是那种“你几乎不可能拒绝去做的工作”，因为它同时满足了科学挑战和现实影响两个维度。对他们来说，真正的吸引力在于：如果这件事做成了，它会系统性地改变新药是如何被创造出来的。

Chai 2 的突破：当结构预测开始真正“可用”

谈到具体技术进展时，讨论自然聚焦到 Chai 2。两位创始人强调，这并不是一次小幅改进，而是一次让系统“按预期工作”的突破。所谓按预期，并不是指单一基准成绩，而是模型在真实药物发现任务中，开始稳定地产生有用结果。

这里的关键在于结构预测。结构预测指的是在原子层面预测蛋白质或分子如何折叠、如何相互作用。Jack 用一个非常形象的比喻来说明它的重要性：“如果你连锁的样子都看不见，怎么可能去设计钥匙？”这句话点出了他们的方法论核心——没有可靠的结构，就谈不上真正的理性设计。

他们反复强调“原子级别”的重要性。不是模糊的相互作用趋势，而是具体到每一个原子的位置与作用力。这种精度直接决定了模型输出能否被化学家和生物学家信任，也决定了它能否走出论文，进入真实的药物项目。

从模型到患者：为什么工程化路径至关重要

在播客中段，话题转向影响力。主持人追问：这些技术突破最终如何影响患者？Josh 的回答很直接——只有当系统化的方法成立，治疗手段才能更快、更可靠地到达患者手中。

他们并没有把重点放在某一个具体适应症上，而是强调平台价值。一旦你能在结构和相互作用层面建立可信的设计能力，那么抗体之外，“没有理由其他类别的分子不行”。这句话透露出他们对技术外延的信心，也解释了为什么他们并不急于对外讲某一个单点成果。

一个具体信号是产品化进展。团队已经对外提供早期访问（early access），并且“已经有数百人”在使用。这并不是一个夸耀用户数的故事，而是表明他们正在接受真实世界的反馈，用药物发现者的实际问题来反向塑造系统。

软件、文化与招聘：一家长期主义公司的自我要求

在接近尾声的部分，讨论变得更偏战略。Jack 提到，他们刻意在“为自己构建软件”，而不是为了展示而构建。这意味着内部使用标准极高：如果工具不能真正推动自己的研究，它就不值得存在。

这种思路自然延伸到文化与招聘。他们寻找的并不是单一背景的人才，而是能在计算、工程与生物学之间来回切换的人。主持人问到现在最想招什么样的人时，两位创始人的回答听起来更像是在找长期合作者，而不是填补岗位。

他们也明确承认，这是一条需要持续投入、长期复利的道路。真正的优势不是某一次模型发布，而是“在此之上不断叠加的文化实践”，并让这些实践随着时间持续放大效果。

总结

整期播客并没有堆砌炫目的指标或宏大口号，而是反复回到一个简单却困难的问题：如何让药物发现变得更像工程。Chai Discovery 给出的答案，是从原子级结构出发，用可重复的系统替代偶然成功。对读者而言，这不仅是一次了解 AI 药物发现现状的机会，更是一个提醒——真正改变行业的，往往不是单点突破，而是一整套被长期坚持的方法论。

关键词： Chai Discovery， No Priors， AI药物发现， 结构预测， 工程化生物学

事实核查备注： 关键事实包括：播客名称 No Priors；嘉宾为 Chai Discovery 联合创始人 Josh Meier 与 Jack Dent；讨论的系统版本为 Chai 2；核心概念为结构预测、原子级相互作用、将科学工程化；早期访问用户数量描述为“数百人”，未给出精确数字。