纽约大学团队开源了一个叫 Tautomer-Predictor 的工具，能在单个 GPU 上三小时筛完 460 万个化合物，预测药物分子里氢原子的稳定位置。听起来很技术，但对我这种长期关注 AI 生命延续学的人来说，这条新闻背后藏着一个更实际的问题：什么时候 AI 制药工具能真的让普通人用上新药？
制药团队今天就能用，普通人还得等
这个工具已经开源了，药物研发团队今天就能拿去用。它不需要复杂的量子力学计算，直接从 2D 分子式预测稳定构型——传统方法根本做不到这个速度。研究团队用它重新检查了蛋白质数据库里 5075 个生物分子复合物，发现约 2.5% 的氢原子位置可能标错了。
但这是计算预测，不是湿实验验证。模型在晶体环境数据上训练，预测结果在溶液或生物环境中是否同样准确，仍需实验确认。更重要的是，从”能筛选分子”到”能用的新药”，中间还隔着靶点验证、动物实验、临床试验、监管批准这么多关卡。
这就是 AI 制药赛道的真实状态：工具更新很快，基础研究标志物越来越多，但临床转化仍然需要等。
血液蛋白标志物：相关性不等于因果
另一条新闻是关于更年期和阿尔茨海默风险的。研究者从血液样本中识别出 16 种蛋白质，它们的组合模式与更年期的关联比实际年龄更强。这个”更年期蛋白质评分”越高，女性的蛋白质组衰老估计值越差，认知测试表现也更弱，阿尔茨海默症发病率更高。
听起来很有希望？但这是观察性研究，不是因果验证。数据显示相关性，但不能证明这些蛋白质直接导致认知衰退或痴呆。目前也没有针对这 16 种蛋白质的干预方案通过临床验证。
我关注这类研究，是因为它们离”普通人能用”更近一步——抽血检测比基因测序、脑部扫描便宜多了。但相关性不等于因果，暂无干预方案的标志物，对普通人来说就是”知道了也没用”。
从”能看懂”到”能干预”有多远
AI 制药赛道现在的状态，让我想起我自己的 AI 账号生意。我卖的是 ChatGPT Plus、Cursor、Claude、Gemini 这些工具的账号，用户买了就能用。但 AI 制药不是这样——研究者能用的工具，普通人根本接触不到；基础研究发现的标志物，临床转化还要等好几年。
我对 AI 生命延续学的兴趣，一直是从”什么时候普通人能用上”这个角度切入的。今天看到的两条新闻，一个是工具侧的进步（筛选分子更快了），一个是标志物侧的进步（能检测到更年期相关的衰老信号了）。但它们都还没到”普通人能用”的阶段。
我承认自己是小白，很多技术细节看不懂。但我会一直盯着这个方向，因为我是认真想借 AI 探索延长健康寿命的。不是说几年内就能实现，而是说这是我长期关注的方向。
AI 制药的内容机会和硬件观察
从内容和项目角度看，AI 制药赛道有几个可以切入的点：
- 工具导航：像 Tautomer-Predictor 这种开源工具，研究者能用，但不一定知道；可以做一个 AI 制药工具库，帮研究者快速找到合适的工具。
- 标志物追踪：16 种更年期蛋白质标志物、PsychAD 联盟发布的脑疾病分子图谱，这些基础研究成果可以整理成数据库，方便临床转化团队查阅。
- 硬件观察：AI 制药工具越来越依赖 GPU 算力，可穿戴设备越来越多健康数据——硬件和算力的进步，会直接影响 AI 生命延续学的落地速度。
我现在主要做 AI 账号生意，维持现金流。但 AI 生命延续学是我的长期方向，我会一边做生意，一边找机会切入这个领域——不是说立刻转型，而是说先从内容、导航、资料包这些小入口开始，慢慢把长期方向接进来。
参考资料
完整版日报请看 BioAI 生命科学日报