Isomorphic Labs是从AlphaFold突破中诞生的DeepMind分拆公司，它正在将其首个AI设计的抗癌药物推入1期人体临床试验。CEO Demis Hassabis在达沃斯世界经济论坛上确认了时间表：1期在2026年初开始，其他项目在年底前进入试验。管线包括17个活跃项目，涵盖肿瘤学、免疫学和心血管疾病。如果试验推进，这将是首次由AI端到端设计的分子进入管控人体用药的监管测试流程。迄今为止所有其他"AI药物发现"声明都是AI辅助的传统制药；Isomorphic的主张是分子是由模型设计的，而不仅仅是由它筛选的。

技术推动者是2026年2月宣布的Isomorphic Drug Design Engine(IsoDDE)。在蛋白质-配体结构预测泛化基准测试上，IsoDDE大约将AlphaFold 3的性能翻倍。它以比基于物理方法更高的精度预测小分子结合亲和力，同时以一小部分计算成本和挂钟时间运行。关键的是，它仅使用氨基酸序列就能识别目标蛋白上新的结合口袋，这意味着模型可以针对没有先前结构数据存在的靶标提出治疗方法。经典药物化学工作流程依赖于晶体结构、片段库和迭代湿实验优化，这些可能在先导化合物出来之前运行五到七年。IsoDDE将结构和设计阶段压缩到一个数周运行的管线中。这种时间压缩能否在监管级药物开发中存活下来，就是1期将开始测试的东西。

商业结构与技术一样重要。Isomorphic与礼来和诺华的战略合作总计约30亿美元的潜在里程碑付款，这一交易规模验证了该模型在两个最大的肿瘤学制药公司之间的可信度。选择许可而不是完全内化制药开发反映了Isomorphic似乎持有的现实主义，DeepMind公开认可：模型是难的部分，但将癌症试验通过IND、1期、2期和3期是大型制药合作伙伴已经拥有的不同操作纪律。这种分工是结构性押注。如果成功，AI药物设计将成为传统制药开发的平台输入，而不是并行产业。

对制药业外的builders来说，Isomorphic故事是基础模型相邻AI在目标领域具有清洁、结构化数据(蛋白质序列和结构)和明确目标函数(结合亲和力、选择性、药代动力学属性)时能做什么的有指导意义的边缘案例。药物设计不是自然语言；它是一个奖励规模的特定结构化预测问题，碰巧对AlphaFold血统非常有利。这不能自动泛化。试图将类似技术应用于结构化程度较低的领域——运筹学、法律推理、创造性工作——的builder不应假设Isomorphic轨迹就是模型。Isomorphic故事证明的是，当问题结构正确时，专业模型以数量级更低的成本超越人类规模的科学直觉。制药业历史上每种药物20亿美元、10年的成本曲线现在正在被积极测试。如果1期干净读出，对药品价格、罕见病研究和全球健康公平的下游影响将是巨大的。如果失败，行业获得一个关于AI设计在哪里仍需要验证层的有用数据点。两种结果都有信息价值。试验尚未开始；诚实的编辑答案是我们都应该看看数据是什么样子。