BioTender

AI4Bio Frontier · 2026.05

AI 制药终于等来了
真正的硬数据!

英国一个叫 OpenBind 的联盟,把第一批数据集和一个 AI 模型免费开源给全世界。国内几乎没掀起水花,但这可能是 2026 年 AI 制药领域最重要的一次发布。

5 月 5 日,英国 OpenBind 联盟正式向全球开源第一批数据集和 AI 模型 OpenBind v1。这件事在国内几乎没掀起水花,但它在解决一个所有人都知道、但没人愿意花笨力气解决的问题:AI 制药卡了五年,卡的不是模型,是数据。

为什么模型不够用

这几年看起来很热闹。AlphaFold 拿了诺贝尔奖,Boltz、Protenix、OpenFold 隔几个月刷一次榜。

但药企里真正用 AI 做新药的人,都知道一个尴尬事实:这些模型在真正的新靶点上,经常不好使。

原因很简单。AI 学习用的数据,主要来自 PDB——人类五十年攒下来的全球公共蛋白质结构数据库。听起来很多,但能教 AI "药物分子怎么和蛋白结合"的高质量数据,远远不够。

更要命的是,药企做新药时,目标蛋白往往是 PDB 里没收录过的。AI 在这种陌生靶点上,常常崩盘。

这就像你训练 AI 看遍了所有的猫,然后让它识别一只没见过的稀有动物——它会自信满满地告诉你这是只猫。

OpenBind 做了一件笨事

它不再等了,自己造数据。

挑一个对全球健康有意义的病毒蛋白当目标,然后用工业化方式,系统性地测试几百个候选药物分子是怎么和这个蛋白结合的。每个化合物都要做两件事:用 X 射线晶体学拍下"药物 + 蛋白"的三维结合姿势;精确测量它们"抱得有多紧"。

最关键的不是数字本身,是速度:他们用 7 个月做完。过去做到同样规模,要好几年。

7 个月对几年。这就是工业化的力量。

哥大教授的一句话

这话的潜台词非常重:AI 制药要复刻 AlphaFold,缺的不是更聪明的研究者、不是更大的模型、不是更多的算力——缺的是一个专门为 AI 制药准备的世界级公共数据库。

PDB 攒了快五十年才喂饱 AlphaFold。OpenBind 的回答是:不等了,用工业化方式,把这个五十年的事压缩到五年内做完。

顺手扒了行业的皇帝新装

OpenBind 用自己造的"AI 没见过"的数据,把市面上最火的 AI 制药模型挨个拉出来测了一遍。结果非常打脸。

它们在自己训练过的熟悉数据上看起来很强,但一换到没见过的目标,准确率断崖式下跌。这件事行业里很多人私下知道,但没人愿意公开说。OpenBind 用真实实验数据锤死了。

OpenFold3 一开始预测新靶点成功率只有 36%。喂了一批同靶点的小分子探测数据,成功率飙到 76%。

这个发现可能比 OpenBind 这个模型本身还重要——意味着未来做新药,可能不再是"用通用 AI 直接预测",而是"先做一轮快速实验、给 AI 上节家教课、再让 AI 接管设计"。实验和 AI 不再是两个独立环节,而是一个闭环。

也就是说,你不用 AI,你就拿个秤量一下分子有多重,猜得比这些模型还准。

听起来像段子,但揭示了一个残酷事实:目前很多 AI 模型,根本没在学"药物怎么和蛋白结合",只是在学"分子越大,药效往往越强"这种粗糙的统计规律。

就像一个号称能预测谁会扣篮的 AI,其实只是在偷偷看身高。