AlphaFold 拿了诺贝尔奖，这家 5 人初创却想反着来

这家公司的起点像个巧合：创始人阿宁迪亚迪普·桑尼格拉希是计算机出身，他把第一个演示程序发上网，意外走红；远在波士顿的计算生物学家科里·科尔诺维奇看到之后主动联系，两人一聊，发现都想做同一件事——给药物发现做一套好用的开发工具 [61]。

后面的决定更像豪赌：两人双双辞职。桑尼格拉希的美国签证没办成，科尔诺维奇干脆飞来印度，和整个团队泡了 20 多天 [61]。公司 2025 年才成立，现在只有 5 个人，注册在班加罗尔和美国特拉华 [61]。

要理解他们赌的是什么，得先回到 2024 年的诺贝尔化学奖。哈萨比斯和江珀的 AlphaFold 能从序列预测蛋白质的三维结构，贝克则用计算手段设计全新的蛋白。在那之前，解出一个蛋白结构，要花一个博士两三年。

结构路线因此成了主流。但桑尼格拉希认为它有两个硬伤：一是贵，结构数据稀缺，获取又慢又贵；二是结合不等于成药——能结合靶点，毒性如何、吸收如何，口服下去进得了血液吗？这些问题的答案，才决定一个分子能不能变成药。

LiteMol-1 是一个扩散语言模型——可以粗略理解为，像 AI 生成文字一样生成分子。它绕开三维结构，直接在序列空间做设计：不输出结构文件，只输出一串字符。化学界管这种用字符记录分子的写法叫 SMILES，比如「CCO」就是乙醇。

为什么非要是一串字符？因为这个模型是「为智能体而生的」——智能体，指会自己查资料、自己干活的 AI 程序。蛋白质结构文件动辄上万个字符，智能体读起来又慢又贵；一串 SMILES 只有几十个字符，紧凑、好改、好算 [59]。

分工也因此清晰：模型像一本商品目录，负责摆出各种可行的分子；智能体当裁判，负责推理和挑选。同一套权重能生成七类分子——小分子、多肽、环肽，以及让细胞自己销毁致病蛋白的蛋白降解剂等等 [59]。

模型轻，还换来一个好处：可以同时优化多个目标。他们用蒙特卡洛树搜索——一种在多个目标间找平衡的方法，下棋的 AI 也用它——让分子在结合力、毒性、吸收之间做权衡，而不只盯着结合力一个指标 [59]。

这套选择背后是一套数据观。桑尼格拉希的判断是：现有数据已经足够做基础研究，缺的是好的表示方法——用什么形式把分子「喂」给 AI。序列数据天然丰富、增长快，结构数据则相反，所以先把表示解锁，再决定采什么数据。

但序列和结构并不对立。要看两个分子怎么相互作用、一个系统稳不稳定，还得靠结构。他们的流程是：设计在序列空间完成，最后再用 AlphaFold 这类模型，看一眼设计出来的分子在三维世界里长什么样。

一家 5 人的公司，凭什么和大实验室竞争？桑尼格拉希引用苏茨克维的划分来回答：大实验室负责把已验证的方向规模化，因为它们输不起；初创公司则去做还没规模化的基础赌注。他们押的赌注，是「更好的表示」。

这个赌注指向两件更难的事：理解疾病，以及预测临床前结果——分子进人体之前，毒性多大、吸收如何、会不会误伤别的蛋白。药企不喜欢黑箱，所以他们在做可解释的预测系统：不只给分数，还要给出理由。

访谈中少见的，是这位创始人的清醒。他说现在 AI 圈有种噪音：以为丢个模型进去就能出药。这种噪音正在造成生物学家的不信任，拖慢整个领域的采纳。他们去见生物学家，第一件事是「举手认输」：我们不懂，请教我们。

反过来，实验室里的手上功夫也在被数字化。他举例说，烧杯里加了多少液体、转了几圈，这些老师傅的手感，正被一些初创公司用传感器记录下来——这些细节，未来都会变成 AI 能学习的数据。他说，这是他最近最兴奋的事。

对监管，他的态度更直接：核心决策不能交给 AI。理由很具体——大模型会作弊，会自信地编造不存在的数据和假设。研发流程要分阶段设闸门，人类必须全程在场；随机误差一旦累积起来，终点就是灾难。

公司还有另一条产品线：AI 联合科学家 Rosalind，名字致敬 DNA 双螺旋背后被长期忽视的女科学家富兰克林。桑尼格拉希说它「破了不少基准」，但团队更在乎它有没有用。企业平台已经在欧洲和印度的药企试用 [62]。

商业模式则分两步走：先帮其他药企把研发提速、把文书工作自动化，赚到对行业的理解；最终，他们想做自己的药物知识产权。桑尼格拉希承认公司还「不成熟」，但他说，他们对此很坦然。

他还把宝押在印度。印度的遗传多样性是一座金矿：内婚、迁徙和严酷环境，让基因组库里藏着可能抑制疾病的变异。加上成熟的制药制造基础和 2019 年的临床试验新规，病人多、成本低，试验条件得天独厚。

五年后会怎样？他很乐观。Tahoe 开源了 1 亿个细胞的扰动数据集 [83]，瑞士的 Adaptyv Bio 刚拿到 4000 万美元融资，专门建设「对智能体友好的自动化实验室」 [77][79]。钱、数据、自动化，都在涌入这个领域。

但冷水必须泼在这里：LiteMol-1 目前还没有任何湿实验验证数据——也就是在真实实验室里证明分子有效的数据，所有基准成绩都是官方自评 [63]。从电脑里的分子到病人手里的药，隔着 13 到 15 年的硬约束。

一个 5 人团队，赌对了表示方法，也只是拿到入场券。但至少，他们把问题问对了：当所有人盯着蛋白质的三维结构时，分子的那串字符，会不会才是智能体时代的通用语言？