到2050年治愈所有疾病｜Sam Rodriques，Edison Scientific
摘要
Rodriques 的核心论点是，生物学受制于稀缺的科研人才，而“资本可以规模化，物流可以规模化，人才就是无法规模化”。 AI 可以通过高吞吐推理缓解这一瓶颈：阅读比任何研究人员都更多的证据，检验更多假设。但它无法取消物理验证，尤其当决定性实验是一项持续多年的人体临床试验时。
FutureHouse 的首个完整闭环智能体为干性年龄相关性黄斑变性生成了治疗假设，随后从湿实验验证推进到动物实验，并在访谈前2天发表于 Nature。 Rodriques 称2025年5月的结果是“未来已来”的时刻。其后继系统 Cosmos 可能已被用于生成20,000-30,000项新发现，但这个数字指的是提出的发现，而不是已经交付的获批药物。
Biewald 将商业张力概括为“进步来自发现，但商业价值在开发”。 Rodriques 表示，发现成功的频率很低，可能10年都不会显现价值；更快的实验则能推动药物走向患者。AI 可以协助准备试验方案和监管文件、协调临床试验中心，并推动化合物通过研发管线；分子设计专家也能同步改进候选药物。Rodriques 认为，未来的制药公司会精简得多，并用同样规模的人手推进更多项目，但人体试验仍是物理和运营层面的硬约束。
Edison Scientific 提出的护城河是专门化科学推理、面向客户的训练和最后一公里部署，而不是试图在所有领域击败前沿实验室。 Rodriques 表示，在合成化学等细分领域，少量任务数据就可能让模型相对通用模型取得“巨大提升”，而专有制药数据则能保留客户差异化。他也保留了判断：如果智能达到任务饱和，专门化可能失去优势；而在编程领域，专用模型还没有证明自己能击败最强通用模型。
这套平台有意利用前沿模型彼此不重叠的优势，而不是押注单一供应商。 Rodriques 表示，在复现科学论文分析的评测中，Anthropic 领先 Edison；而在 Cosmos 早期的一项世界模型任务中，只有 Gemini 2.5 能够完成。多模型架构也回应了制药公司不愿被锁定在 OpenAI、Anthropic 或 Google 之中的顾虑，毕竟领先者仍在不断变化。
Rodriques 一边热衷于加快实验，一边对不受控制的生物黑客行为持深度怀疑，并提出了颇具争议的临床试验改革方案。 未经研究的肽可能无效，也可能只是产生安慰剂效应，甚至造成无人追踪的伤害；在自行用药的人群中，“没有人在寻找”不良事件。但繁重的试验要求也在助推这种行为，因此他支持其所描述的澳大利亚和中国式分散化早期审批，并有条件地考虑在安全性得到证明后放宽疗效要求。
尽管 Rodriques 宣称这一轮 AI 周期有所不同，他仍把关键性 Phase 3 试验和 FDA 批准设为行业的硬指标。 自大约2012年以来，AI 药物发现一直过度承诺，AlphaFold 是显著例外；制药业内人士不会因为某个模型“提出了一种药”就买账。“答案在布丁里，而布丁就是获批药物。”
精读
上游暂未提供，后续同步将继续补齐。