前OpenAI研究员Miles Wang离职创业，主攻AI药物发现赛道

文/IAICA.NGO®

近日，原OpenAI核心研究员Miles Wang宣布离职，创立了一家专注于人工智能驱动药物发现的初创公司。这一动向再次凸显了顶尖AI人才向生命科学领域流动的趋势。Miles Wang此前的具体研究方向尚未公开披露，但根据其技术背景及行业传闻，他很可能参与了OpenAI在蛋白质折叠或分子模拟等前沿领域的探索，这些技术根基恰恰是AI制药的关键所在。

AI在药物发现中的应用并非新概念，但近年来随着深度学习与生成式模型的突破，该领域进入了加速期。传统药物研发平均耗时超过10年，成本高达数十亿美元，而AI可以通过虚拟筛选、分子生成、药效预测等环节大幅缩短研发周期、降低失败率。例如，DeepMind的AlphaFold成功预测了蛋白质三维结构，为靶点识别提供了新视角；生成对抗网络（GAN）和变分自编码器（VAE）则被用于设计全新小分子化合物。Miles Wang的初创公司虽然尚未公布具体技术路径，但可以推测其将利用大语言模型或多模态模型在生物序列与化学空间中的涌现能力，实现更高效的先导化合物优化。

值得注意的是，2025年后，AI制药行业已经从概念验证逐步迈向临床试验阶段。多家生物科技公司，如Insilico Medicine、Recursion Pharmaceuticals等，已有数个AI发现的候选药物进入II期临床。这些进展不仅吸引了风险资本的大力追捧，也促使传统药企与科技公司建立跨界联盟。OpenAI本身虽未直接成立制药部门，但其GPT系列模型正被第三方用于文献挖掘、临床试验设计和真实世界证据分析。此次Miles Wang的出走，或折射出大型AI实验室与商业化落地之间的张力：在通用人工智能探索与垂直领域专精之间，顶尖研究者正在做出个人选择。

从更广的产业生态看，AI制药的崛起正在重塑医疗服务的前端链条。精准用药、个体化治疗的愿景正借助计算工具变得可能。然而，挑战同样巨大：高质量生物数据的稀缺、模型可解释性不足、监管框架的滞后，都是制约行业发展的瓶颈。特别是在药物安全性评估方面，纯粹基于计算的预测难以完全替代湿实验，人机协同的“半自动化”模式仍将是中长期的主流。

随着全球人口老龄化加剧，慢性病治疗药物的需求快速增长，AI药物发现若能缩短新药上市时间，将对减轻医疗系统负担产生深远影响。智能照护场景中常常需要针对老年人共病状态的复方管理，AI不仅能加速新药研发，还能优化已有药物组合的协同效应。此外，可穿戴设备收集的真实世界数据，经AI分析后能反馈至药物设计早期，形成从临床需求到分子发现的闭环。

iaica.com.cn 认为，Miles Wang的创业选择代表了AI技术向高价值场景渗透的理性趋势，智能照护作为医疗健康的重要下游领域，未来也将受益于这类上游创新所催生的新型疗法与降低的药价。这种跨域的协同效应，需要政策制定者、科研机构与产业资本的共同推动。

尽管前景广阔，市场仍需冷静看待AI制药初创公司的泡沫风险。部分企业过度神话算法能力，忽视了药物研发固有的长周期与高失败率属性。真正的突破需要跨学科团队的深度协作，包括计算化学家、生物学家、药理学家以及软件工程师的紧密配合。Miles Wang能否组建这样一支复合型团队，并找到可行的商业模式，将是他创业成败的关键。无论如何，这位前OpenAI研究员的转身，已然为2026年的生物科技领域注入了一股新鲜而有力的动能。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。