AI蛋白质设计

这周，AI圈又爆了个大的。

不是聊天，不是画画，也不是写代码。

是搞科研。是真刀真枪进实验室的那种。

Anthropic让Claude自己设计蛋白质。

给了它15个靶标，让它自己设计能结合上去的新蛋白质。

结果：14个成功。

什么概念？

这个领域，行业平均成功率只有10%到15%。Claude做到了26.8%。

更狠的是细节。

研究人员没有手把手教它怎么做。

只是写了一份约1.6万字的提示词，把蛋白质工程师的工作流程从头到尾描述了一遍。

然后，全程无人介入。

Claude自己选靶点、自己挑工具、自己跑模型、自己筛选优化，最后排序交付。

整个过程，24到48小时。

换成人类专家，得干好几个星期。

有个细节特别扎心。

在一个叫TNFα的靶标上——全球最畅销的药物之一Humira，就是靠结合这个蛋白起效的。

此前多个专家团队尝试从头设计结合剂，全部失败。

Claude，一次产出了12个有效设计。

这已经不是“AI辅助科研”了。

这是“AI独立做科研”。

以前我们说AI是工具、是助手、是副驾驶。

现在它自己开车了，还开得不错。

有人可能会说：这有啥？不就是按流程跑吗？

对，就是按流程跑。但关键是——

把专家多年的经验、试错、直觉，压缩成一份能执行的说明书，这件事本身，就不是谁都能做到的。

真正的变革信号，不是AI“会”了。

而是AI开始“自己会”了。

人类的位置，正在从“手把手教”，变成“写说明书”。

再往后呢？

可能是AI自己写说明书。

到那一天，科研的节奏会快到我们来不及反应。

好消息是，AI设计出来的东西，最终还是要靠人类实验室来验证。

也就是说，AI负责“想”，人类负责“证”。

这个分工，短期内还变不了。

但“想”的那部分，已经开始指数级加速了。

AI正在从“帮人干活”，变成“替人干活”。

这一天，比我们以为的来得更早。