# 十年治愈所有疾病：DeepMind的AI终局 ## 导语：当一个诺奖得主把"治愈一切"押上时间表 如果你随便问一个生物学家"AI能在十年内治好所有疾病吗"，大概率会被翻白眼。但当说这话的人是 **Demis Hassabis**——Google DeepMind 的联合创始人兼 CEO、Isomorphic Labs 的掌舵人、2024 年诺贝尔化学奖得主——你最好认真听完。 本期要拆解的视频，是科技媒体 **New Frontier**（主持人 Roberto Nickson）在 2026 年 Google I/O 主题演讲次日，专程飞到 Mountain View 对 Hassabis 做的一场长访谈。它没有一个炸裂的标题党开头，但信息密度极高：从 Gemini for Science、让他拿诺奖的 AlphaFold，到"十年内治愈地球上所有疾病"的宏大叙事，再到他对 AGI 时间线（2029–2031）的最新判断。 这条视频之所以值得你花一小时看（也值得我花三千字拆），不在于它给出了某个新工具，而在于它系统性地回答了一个问题：**当 AI 从"预测世界"走向"设计世界"，药物研发这个被效率诅咒了半个世纪的行业，会被怎样重写？** 而更精彩的是——Hassabis 本人在乐观之中夹带的克制与诚实，恰恰是判断这类"改变一切"宣言真伪的最佳标尺。 ## 视频背景卡片 | 项目 | 内容 | |------|------| | 视频标题 | The AI Breakthrough That Will Change Everything (Google DeepMind CEO Interview) | | 频道 | New Frontier（主持人 Roberto Nickson） | | 受访人 | Demis Hassabis（Google DeepMind & Isomorphic Labs CEO，2024 诺贝尔化学奖） | | 发布时间 | 2026 年 6 月（Google I/O 后） | | 形式 | 长篇深度访谈（约 1 小时） | | 播放量 | 发布约一周即破 6 万，持续增长中 | | 核心主题 | AI 驱动的科学发现，与"十年治愈所有疾病"的路径 | ## 核心内容拆解 ### 一、"十年治愈所有疾病"——别按字面理解，要按"漏斗"理解 视频里最容易被断章取义的，就是这句"十年内治愈所有疾病"。Hassabis 在描述中明确把它锚定在他「拿诺奖的 AlphaFold 工作」和「Isomorphic Labs 的使命」上。**[视频原话精神]** 他反复强调：AI 的真正价值不是凭空"消灭"疾病，而是把新药研发那根被公认低效的管子——从靶点发现到候选药物——压缩几个数量级。 这其实是关键的认知升级。传统新药研发有一条臭名昭著的"双十定律"：**平均耗时 10–15 年、花费约 26 亿美元（DiMasi 等人的经典估算）、整体失败率约 90%**。问题从来不在于"我们不懂某个靶点"，而在于筛选、验证、优化的迭代速度太慢——一个湿实验周期动辄数月。 所以当 Hassabis 说"十年"，他真正在押注的是：**用计算把"发现"阶段从数年压到数周甚至数天**。换句话说，这不是承诺"2036 年地球上没有癌症"，而是承诺"2036 年我们能以今天百分之一的成本，并行探索上万个药物设想"。理解了这层，你就不会被标题吓到，也不会被低估。 ### 二、AlphaFold：地基不是模型，是那个 2 亿结构的免费数据库 视频把 AlphaFold 放在了核心位置，这是对的。AlphaFold 2 在 2020 年 CASP14 国际竞赛上把蛋白质结构预测精度推到"实验级"，被视为计算生物学的分水岭；2024 年的诺贝尔化学奖正是颁给 Hassabis、John Jumper 与 David Baker。 但 **[延伸分析]** 真正改变生态的，不是算法本身，而是 DeepMind 把预测结果开源成了一个 **2 亿+ 蛋白质结构、覆盖几乎所有已知生物**的免费数据库。据 DeepMind 公开数据，全球 190 多个国家、超过 200 万研究人员用过它。这才是 AI 落地科学的范式：**把一个"能力"变成一个"基础设施"**。很多批评者盯着 AlphaFold 在柔性区域、动态构象上的不足（确实存在），却忽略了基础设施级分发带来的二阶效应——它把"结构生物学"从少数实验室的奢侈品，变成了任何课题组都能调用的 API。 Hassabis 在访谈里把这称为"AI 与科学发现深度绑定"的开端，这是真诚的，因为 AlphaFold 是少数被诺贝尔委员会盖章为"对人类有重大贡献"的 AI 工作。 ### 三、从 AlphaFold 3 到 AlphaProteo：从"读懂"蛋白质，到"写"蛋白质 这是全场访谈技术含量最高、也最该被记住的一段。**[视频原话精神]** Hassabis 借 Gemini for Science 的话题，把话锋从"预测"切到了"设计"。 逻辑链条很清晰： - **AlphaFold 2**：给定序列，预测结构（读懂）。 - **AlphaFold 3**（2024 年 5 月 Nature 发表）：把预测扩展到蛋白质与 DNA、RNA、小分子配体的**复合物与相互作用**——这恰好是药物设计最关心的场景。 - **AlphaProteo**（2024 年 9 月发布）：更进一步，**从头设计**能与特定靶点高亲和结合的新型蛋白（de novo protein binders），在 VEGF-A、PD-L1、TNF-α 等靶点上验证了远超常规方法的结合亲和力。 **[我的判断]** 这条从"预测"到"生成"的弧线，是理解整个 DeepMind 科学布局的钥匙。它揭示了一个普适规律：**AI 价值的天花板，发生在它从"回答问题"变成"提出并合成解决方案"的那一刻**。AlphaProteo 的意义不是某个蛋白做得好不好，而是它证明了一个闭环——给定一个靶点，AI 直接吐出可合成、可结合的分子设计。一旦这个闭环的"命中率"足够高，传统制药里最烧钱的"先导化合物发现"环节就会被重写。有意思的是，这条"预测→生成"弧线在别的领域同样成立：代码生成、材料设计、甚至 AlphaEvolve 发现新的矩阵乘法算法（2025 年），背后都是同一套范式。 ### 四、Isomorphic Labs：把科学叙事翻译成商业管线 如果说 AlphaFold/AlphaProteo 是"论文与开源"，那么 **Isomorphic Labs** 就是 Hassabis 把这一切变现的商业载体。视频里他身兼 DeepMind 与 Isomorphic 双料 CEO，可见其分量。 **[数据支撑]** 围绕 Isomorphic 的商业事实在 2026 年上半年密集兑现： - 2021 年从 Alphabet 内部分拆独立运营。 - 2024 年 1 月连签两单重磅合作——Eli Lilly（最高约 17 亿美元）与 Novartis（最高约 12 亿美元）。 - **2026 年 5 月 13 日完成 21 亿美元 Series B**，由 Thrive Capital 领投，MGX、淡马锡等跟投，是 AI 制药史上最大规模私募之一。 这笔钱要买什么？Hassabis 的回答指向一个"设计—合成—测试"的高速闭环：用 AI 做计算设计，再用高度自动化的湿实验室（robotics + 高通量实验）快速验证，把数据回喂模型。**[延伸分析]** 这其实是当前 AI 制药领域最大的认知分歧点：**算力能不能取代湿实验？** 主流答案是不能，但算力+自动化湿实验室能大幅缩短"一个迭代周期"。Isomorphic 的 21 亿美元，本质上是在赌"自动化实验数据飞轮"比"纯计算"更接近真理。这比任何模型参数都更值得关注。 ### 五、"锯齿状智能"与 AGI 时间线：乐观者的克制 访谈后半段不可避免地聊到 AGI。Hassabis 给出的时间线与他在 2026 年 1 月达沃斯、6 月初公开发言中的口径一致：**AGI 大概率落在 2029–2031 年区间，2030 年实现的概率约 50%**。 但比这个数字更有价值的，是他反复强调的一个概念——**"jagged intelligence"（锯齿状智能）**。**[我的延伸分析]** 这是判断当下所有 AI 能力最锋利的一把尺子：AI 不是均匀地"变聪明"，而是在某些维度（蛋白质折叠、代码补全、图像识别）已经超越人类专家，在另一些维度（长程因果推理、物理常识、可靠规划、真正的"理解"）依然脆弱得可笑。这种"参差"恰恰解释了为什么同一个模型能解开五十年悬案的结构、却在简单算术上翻车。 把"锯齿状"套回"十年治愈疾病"的命题，结论就很清晰：**AI 在"发现"侧的锯齿已经足够高，足以撼动制药；但在"验证、监管、人体复杂性"侧的锯齿还很浅。** 这正是我下面要讲的、Hassabis 本人也没法用乐观盖过的硬约束。 ### 六、被乐观遮住的硬约束：湿实验室、临床试验与生物学本身 这是访谈里相对薄弱、但必须补上的一环——**否则你真会相信十年后天下无病**。 **[我的分析，视频未充分展开]** 至少有三道墙，AI 短期内翻不过去： 1. **湿实验室的物理瓶颈**。AlphaProteo 设计得再好，蛋白能不能表达、折叠、稳定、可成药，最终要回到试管和细胞里验证。自动化能加速，但生物实验的物理时间（细胞周期、动物模型病程）无法用算力压缩。 2. **临床试验无法压缩**。哪怕明天就设计出完美分子，I–III 期临床在人体上跑完安全性、有效性，受伦理、招募、长期随访约束，**这一段本质是时间密集型，不是计算密集型**。这也是为什么即便"发现"被压缩到一周，"上市"仍要多年。 3. **生物学的不可还原性**。疾病不是单一靶点的数学题，而是网络效应、个体差异、微环境、免疫系统共同决定的复杂系统。AlphaFold 解的是"结构"，不是"系统"。蛋白能结合靶点，≠ 它就是一个安全有效的药（给药途径、半衰期、毒性、脱靶效应……）。 所以更准确的图景是：**AI 会把研发管线的"前半段"（发现与优化）削短到几周，但管线的"后半段"（临床与监管）仍按生物时间走。** 真正能省下的，是"试错成本"和"被砍掉的烂项目的沉没成本"——这已经是万亿级的节省了，不需要把"治好一切"当字面承诺。 ## 知识结构图 ```mermaid flowchart TD A["Hassabis 的核心命题
十年治愈所有疾病"] --> B["重新理解：
压缩'发现漏斗'，非消灭疾病"] A --> C["两条路径"] B --> D["传统双十定律
10-15年 / ~26亿美元 / ~90%失败"] C --> E["路径一：理解世界（预测）"] C --> F["路径二：设计世界（生成）"] E --> E1["AlphaFold 2
结构预测 → CASP14"] E1 --> E2["2亿+结构免费数据库
基础设施级分发"] E2 --> E3["2024 诺贝尔化学奖
科学贡献盖章"] F --> F1["AlphaFold 3
蛋白质-配体-DNA/RNA相互作用"] F1 --> F2["AlphaProteo
从头设计高亲和蛋白结合体"] F2 --> F3["范式跃迁：
回答问题 → 合成方案"] E3 --> G["商业载体：Isomorphic Labs"] F3 --> G G --> G1["Lilly ~$1.7B / Novartis ~$1.2B"] G --> G2["2026.5 Series B $2.1B
Thrive领投"] G --> G3["设计-合成-测试自动化闭环"] A --> H["AGI判断：锯齿状智能
2029-2031 / 2030约50%"] B --> I["三道硬约束"] I --> I1["湿实验室物理瓶颈"] I --> I2["临床试验不可压缩"] I --> I3["生物系统不可还原"] G3 -.被限制于.-> I style A fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px style F3 fill:#fff3e0,stroke:#ef6c00,stroke-width:2px style I fill:#ffebee,stroke:#c62828,stroke-width:2px ``` ## 实战启示 **如果你是制药/生物从业者：** 别把 AlphaFold 当"取代实验"的威胁，把它当"靶点筛选与先导化合物优化"的加速器。具体可落地的三个动作——（1）把结构预测嵌入早期 hit identification 流程，显著降低冷冻电镜的盲目排期；（2）关注 AlphaProteo 这类生成式工具在 protein-based drug（替代抗体的新模态）上的潜力；（3）真正的红利在"计算+自动化湿实验室"的数据飞轮，谁先把"设计—测试—回喂"的闭环跑顺，谁就拿到下一个十年的管线优势。 **如果你是技术人/工程师：** 这条视频最该带走的不是生物学知识，而是 **"预测→生成"的范式迁移**。你所在的领域（代码、芯片 EDA、材料、运筹）几乎都在重演同一剧本：先有判别式模型把"理解"做到极致，再有生成式模型把"方案合成"打开。AlphaEvolve 用 LLM+进化算法发现新矩阵乘法，和 AlphaProteo 设计蛋白，本质同构。问问自己：你的领域，"生成式闭环"卡在哪一环？ **如果你是投资者/判断者：** 读这类"改变一切"宣言，永远先分清"发现"和"交付"。Hassabis 的可信，恰恰在于他的克制——他给的 AGI 时间线是区间不是承诺，他反复讲"锯齿"。一个值得内化的启发式：**当一个技术叙事把"能力突破"和"时间承诺"绑在一起时，能力可能是真的，时间几乎一定是吹的。** 把钱押在"能力"，对"时间"保持怀疑。 **如果你是普通读者：** 最大的认知升级是——学会把"科学发现"和"医疗交付"拆开看。AI 会以前所未有的速度产出候选药，但你能不能用上、什么时候用上、贵不贵，取决于临床试验、监管和医保这些"慢变量"。十年后我们大概率不会"没有疾病"，但十年后我们大概率会拥有一个**药物候选池比今天丰富百倍、成本却低一个数量级**的世界——这已经是够震撼的终局。 ## 延伸学习路径 1. **AlphaFold 3 原始论文**（Nature, 2024）——理解"预测相互作用"为何是药物设计的关键跃迁，建议配读 DeepMind 官方技术博客。 2. **AlphaProteo 技术报告**（DeepMind, 2024-09）——看"从头设计蛋白结合体"的实验验证数据，是判断生成式生物学成色的第一手材料。 3. **Isomorphic Labs 官网与公开合作披露**——追踪 Lilly/Novartis 合作管线进展，以及 21 亿 Series B 的用途披露，是最接近"商业兑现度"的信号。 4. **Demis Hassabis 诺贝尔奖演讲**（2024 Nobel Lecture）——比任何媒体采访都更系统地呈现他"AI 服务科学发现"的世界观，是理解他所有时间表承诺的思想源头。 5. **"Jagged / 参差智能"相关讨论**（Hassabis 达沃斯与 Lex Fridman 访谈）——把这套判断 AI 能力的标尺内化，能帮你滤掉 90% 的 AI 炒作噪音。 ## 一句话总结 > 当 AI 从"预测蛋白质结构"进化到"从头设计药物分子"，Hassabis 押注的不是十年消灭疾病，而是把新药研发的"发现漏斗"压缩两个数量级——能力是真的，时间表要打折，而真正的硬约束从来在湿实验室、临床试验和生物复杂性这条慢车道上。 ## 参考来源 1. [The AI Breakthrough That Will Change Everything (Google DeepMind CEO Interview)](https://www.youtube.com/watch?v=HaZaFCHdkuk) — 本文分析的核心视频，New Frontier 频道 2. [Isomorphic Labs Raises $2.1 Billion Series B for AI Drug Discovery](https://isomorphiclabs.com) — 2026 年 5 月 13 日完成的 AI 制药史上最大私募之一，Thrive Capital 领投 3. [De novo design of high-affinity protein binders with AlphaProteo](https://deepmind.google/discover/blog/alphaproteo-generates-novel-proteins-for-biology-and-health-research/) — DeepMind 官方 AlphaProteo 技术发布与实验验证 4. [Accurate structure prediction of biomolecular interactions with AlphaFold 3](https://www.nature.com/articles/s41586-024-07487-w) — Nature 论文，蛋白质–配体–核酸相互作用预测的里程碑 5. [Google DeepMind CEO predicts AGI arrival by 2030](https://www.reuters.com) — Hassabis 关于 AGI 时间线（2029–2031、2030 约 50%）的公开判断 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。