首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI evening

10年太慢!顾全全团队叫板Dario:治愈癌症压缩到4年

2026-11-16 1 阅读 约9分钟阅读 新智元
分享:
字号:
新智元报道 最近,Anthropic的CEO Dario Amodei 说了一句话: AI将在10年内,把人类在生物学上50到100年的进展压缩完成——癌症、阿尔茨海默症、心脏病,统统有望攻克。 这话说得够狠,但很多人觉得,也就听听。 直到一个叫顾全全的科学家站出来说: 10年太慢了,我们要把药物研发周期压缩到4年! 11月10日,他创立仅5个月的公司 Geodesic Intelligence,发布了全原子结构预测模型 NovaAtom-Lite 。 在全球最严苛的生物分子预测基准测试 FoldBench上,NovaAtom-Lite直接把谷歌 DeepMind 旗下Isomorphic Labs 的王牌模型 IsoDDE 拉下了马。 在一系列生物制药基准测试中屠榜,获得多项TOP 1! Model card链接:https://www.geodesiclab.com/news/introducing-novaatom-lite 15个人的创业公司,几百张GPU,5个月。对面是累计融资27亿美元、正在以400亿到500亿美元估值谈新一轮融资的 Isomorphic Labs。 X上瞬间炸了。 有人感叹:「Dario Amodei 预测癌症10年内攻克,而 NovaAtom 的创始人说只要4年。」 有人算账:「谷歌 DeepMind 剥离出 Isomorphic,烧了几十亿美金,估值谈到400亿以上。结果一个UCLA教授带着15个人的创业公司,5个月就超了。」 而且,这不是顾全全第一次干这种事。他之前在字节跳动带队做出了 SeedFold—— 世界上第一个在 FoldBench 上超越 AlphaFold 3 的模型 。 正是 SeedFold 的横空出世,逼得 Isomorphic Labs 不得不祭出 IsoDDE,重新夺回结构预测的王座。而这次,NovaAtom-Lite 又把 IsoDDE 拉下马,王座再次易主。 更狠的是,根据顾全全在 X 上透露的信息,NovaAtom-Lite 只是开胃菜,后面还有更大更强的 NovaAtom-Pro 蓄势待发。 也就是说,就算 Isomorphic Labs 近期再放出更强的模型试图反扑,迎接它的可能是 NovaAtom-Pro 的又一次击穿。 这场结构预测的王座之争,顾全全已经连赢两局,而第三局的底牌他还攥在手里。 从此,人类攻克绝症的时间表,再度提前! 生物界已经迎来了它的「HBM爆发时刻」,投资人这样感慨 NovaAtom-Lite 到底在干什么? 为什么药那么难做? 因为药物起效的本质,是让一个分子精准地「咬住」另一个分子。 抗体要咬住抗原,小分子药物要塞进蛋白质的口袋里。 这个「咬合」发生在原子尺度——埃(Å)级别,一埃等于一百亿分之一米。 稍微偏一点,药就不灵。 传统方法靠湿实验一个一个试,平均一款新药从实验室到上市要13年、烧掉近20亿美元,成功率不到5%。AI的价值就在于: 在计算机里先把这个「咬合」模拟出来,大幅缩短试错周期。 这正是 NovaAtom-Lite 干的事—— 输入蛋白质、DNA、RNA的序列以及小分子配体的信息,它就能预测出整个复合物中每一个重原子(氢以外的原子)的三维空间坐标。 不是模糊的轮廓,是精确到原子级别的位置。 而且,它不是一个「死板」的计算器。 NovaAtom-Lite 加入了一套极具工程价值的「条件约束与提示」功能。 你可以告诉它:这里有一个共价键,那里有一个已知的结合口袋。模型会把这些信息当作参考线索,而不是死板约束,像一个懂化学物理法则的「AI大脑」一样,灵活地做出预测。 输出的也不只是一组坐标。 模型同时返回局部结构置信度 pLDDT、残基间预期误差 PAE,以及界面可靠性指标 ipTM——简单说,它不仅给你答案,还告诉你「这个答案我有多大把握」。 两记重拳:79.07% 和 77.06% 评价一个结构预测模型有多强,制药界有两块最核心的试金石: 抗体-抗原结合预测 和 蛋白质-配体结合预测 。 前者是大分子药物(比如抗癌抗体)的核心——你得知道抗体是怎么精准「锁住」靶点的;后者是小分子靶向药的命门——药物分子得准确塞进蛋白质的结合口袋里。 两个方向,一个比一个难。 FoldBench 是目前公认最严格的全原子生物分子预测基准,包含1522个复合物结构,数据全部来自模型训练截止日期之后的新结构,杜绝了「提前看答案」的可能。 第一拳:抗体-抗原。 FoldBench 收录了172个抗体-抗原结合界面。 评判标准用的是 DockQ 分数(可以理解为预测的结合姿态和真实结构有多像,0.23 以上算预测成功,越高越好)。 一个5个月大的公司,比 AlphaFold 3 高出31个百分点,比融资27亿美元的 Isomorphic Labs 高出3.5个百分点。 更夸张的是,如果把标准提高到 DockQ ≥ 0.80(要求极高精度的预测),NovaAtom-Lite 的成功率是 AlphaFold 3 的2.2倍。 第二拳:蛋白质-配体。 这项测试覆盖558个结合界面,判定标准更苛刻:不仅要求小分子药物的预测位置与真实位置偏差小于2埃(配体 RMSD < 2 Å),还要求周围蛋白质的接触细节也高度吻合(LDDT-PLI > 0.8)。两个条件同时满足才算成功。 两项核心指标,全部TOP 1。 它真的「懂」物理,还是只会背答案? 每次有模型刷榜,圈内第一反应都是: 你是不是偷看答案了? 这个质疑完全合理。结构预测模型吃的训练数据就是已知的蛋白质结构库,如果模型只是把见过的东西背下来了,那跑分再高也没用:真到了药物研发前线,面对的全是从没见过的新分子。 业界有一个专治「死记硬背」的狠测试叫 Runs N' Poses 。它把测试样本按照与训练集的相似度分成8组,从「长得像」到「完全陌生」,一层层剥开模型的底裤。 在相似度最低的0-20%组(63个与训练集「毫无关系」的配体,相当于考试里那些完全超纲的题)各模型成绩如下: AlphaFold 3 直接腰斩到24%,NovaAtom-Lite 依然稳在47.6%,几乎是前者的两倍。 而在相似度最高的80-100%组,两者差距反而缩小到91.0% vs 88.2%。 这说明 越是面对陌生的分子,NovaAtom-Lite 的领先优势越大。 它不是在背书,而是真正掌握了微观原子世界的底层物理法则,拥有了一套可迁移的「推理引擎」。 给它更多时间思考,它就更聪明 做 AI 的人都知道一个趋势叫 Test-time Scaling ——推理阶段给模型更多算力,答案质量就更高。 大语言模型领域早已验证了这一点,而 NovaAtom-Lite 证明,这个规律在生物分子预测里同样成立。 在同一批172个抗体-抗原界面上,团队做了一组优雅的实验: 1个随机种子 (最少算力):成功率 74.3% 5个随机种子 :79.07% 25个随机种子 :81.7% 100个随机种子 (深度推理): 83.1% Oracle 上限 (事后用实验答案挑最优解): 88.4% 从74.3%到83.1%,仅仅是增加采样数量,成功率就提升了近9个百分点。 这意味着这套系统具有极强的「弹性」。 创
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱