前 OpenAI 研究员踏足 AI 制药拿下 20 亿美元估值：一条人才迁移链正在成形

一家“三无”公司的 20 亿美元估值

2024 年 3 月，Miles Wang 从哈佛计算机科学本科辍学，加入 OpenAI 的强化学习团队；一年半后，他带着几位 OpenAI 同事离开，计划创办一家 AI 药物发现公司。这家公司暂时没有官网、没有公开管线，创始人也没有生物学学位。然而它已在洽谈约 2 亿美元融资，由 Lightspeed 领投，估值达 20 亿美元。交易尚未最终落定，但这一数字本身足以让市场重新审视一个命题：当最顶尖的 AI 人才出走大模型实验室，下一站会是哪里？

一条正在成形的迁移链

Miles Wang 踩进了一个火热赛道。近三个月，AI 制药涌入约 27 亿美元：Chai Discovery 官宣新一轮 4 亿美元融资、投后估值 38 亿美元；Isomorphic Labs 今年 5 月完成 B 轮 21 亿美元融资；Anthropic 则于本月初进军药物研发，此前以数亿美元收购 Coefficient Bio，并力邀 AlphaFold 核心人物 John Jumper 加盟。一条新链条正在形成：大模型实验室的顶尖人才，正系统性地向科学领域迁移。

逻辑：把通用能力“降维”到科学发现

从 Miles Wang 的论文（如《FrontierScience：评估 AI 执行科学研究任务的能力》《测量 AI 在湿实验室中加速生物学研究的能力》）可看出其取向：评估通用大模型在真实科学场景中能做到什么程度。其创业逻辑正基于此——把已被验证的通用认知能力迁移到科学发现流程，而非从零搭一套只服务药物发现的垂直小模型。机构层面同步发生：Anthropic 收购 Coefficient Bio、推出 Claude Science、引入 John Jumper，把大模型能力从工具层推进到科学研究的运营层。当文本、代码、多模态的“低垂果实”被采摘完毕，科学正成为下一个用“高算力 + 高数据”验证 AGI 通用性的战场。

切入点巧妙，但仍有鸿沟

Miles Wang 选择“老药新用”作为切入点——挖掘已获批或已有大量安全数据药物的新适应症，不必从零设计分子、不必过早面对漫长的一期安全验证，而是用 AI 深度整合海量文献、基因表达谱与真实世界临床数据，找出隐秘的“药物–靶点–疾病”新链接。在这个信息密集、推理重于分子模拟的环节，大模型的评估–推理优势更易直接转化为商业价值。但风险同样清晰：“评估 AI 做科学”与“真正用 AI 做出一款药”之间，隔着从 dry lab 到 wet lab 的鸿沟；Miles 的长处是强化学习与对齐评估，而当前 AI 制药主流方向是扩散模型、图神经网络、蛋白质结构预测与分子动力学——强化学习未必是最对应的路径。这既是他“老药新用”选择的巧妙之处，也是这笔 20 亿美元估值需要回答的问题。