药物发现的瓶颈，终于被打破

新药研发有多难？平均要花10年、耗资超26亿美元，而成功率不到10%。即便投入巨大，大多数候选分子在临床试验中仍会失败——不是因为不够聪明，而是因为太难预测。科学家们在实验室里反复试错，烧钱、耗时、充满不确定性。

过去十年，AI被寄予厚望。可现实是，那些号称能加速药物发现的工具，往往只对少数懂编程、会写脚本的计算专家有用。普通化学家、药理学家甚至实验员，根本用不上。工具越强大，门槛越高——这成了行业最大的讽刺。

SandboxAQ 不做“炫技的AI”，只做“能用的工具”

成立于2019年的 SandboxAQ，脱胎于谷歌量子计算团队，背后有前谷歌CEO埃里克·施密特坐镇，已融资超9.5亿美元。它不搞花哨的聊天机器人，也不堆砌开源模型。它的核心是LQM——“大型定量模型”（Large Quantitative Models），一套完全基于物理定律、量子化学方程和真实实验数据构建的计算引擎。

这不是“猜”分子长什么样，而是精确模拟：一个分子在体内如何与靶点结合？它在血液中稳定吗？会不会被肝脏快速代谢？这些过去只能靠昂贵的超级计算机跑上数周的模拟，现在，SandboxAQ 的LQM能在几秒内给出高精度预测。

更重要的是，它不再需要你懂Python、装Linux、配置GPU集群。SandboxAQ 最近与Anthropic合作，把LQM直接嵌入Claude平台。你只需要用自然语言提问：

• “帮我找一个能抑制Tau蛋白聚集、且能穿过血脑屏障的小分子。”
• “这个化合物在pH 7.4下的溶解度是多少？会不会被CYP3A4代谢？”
• “对比这三种候选结构，哪个更可能成为口服药？”

Claude会调用背后的LQM引擎，给出科学上可验证的答案，附带数据来源和置信度评估——就像你问一位资深药物化学家，但这位专家24小时在线，从不疲倦。

谁在用？为什么他们选它？

用户不是AI爱好者，而是真实世界里的药物研发团队——辉瑞、罗氏、默沙东的科学家，还有生物技术初创公司的首席科学家。他们不是没试过别的AI工具，而是试过太多，却一次次被“伪智能”坑了：模型输出看似合理，实则违背化学原理；预测结果无法复现；生成的分子根本合成不出来。

“我们不是在卖一个工具，” SandboxAQ AI模拟部门总经理纳迪亚·哈亨说，“我们是在卖一种确定性。”

一位匿名制药公司研发主管告诉《自然·药物发现》：“我们用过三家AI平台，只有SandboxAQ给出的分子，实验室真能合成出来，并且在动物模型中表现出预测的药效。其他工具，最后都成了PPT里的幻影。”

不只是制药，影响远超想象

SandboxAQ的LQM平台，正悄然渗透到更广阔的领域：

• 锂电池材料：预测电解质在高温下的分解路径，避免起火风险
• 催化剂设计：为绿氢生产寻找低成本、高效率的替代材料
• 农用化学品：设计更易降解、对蜜蜂无毒的新型杀虫剂

这些领域共同构成一个超过50万亿美元的“量化经济”——不是靠数据拟合，而是靠物理定律驱动的创新。SandboxAQ的目标，是让这些领域的科学家，不再为算力和工具所困。

真正的变革，是让专家回归专家

过去，顶尖化学家要花一半时间写代码、调参数、等服务器跑结果。现在，他们可以专注在真正重要的事上：设计实验、解读数据、判断方向。

这不是AI取代人类，而是AI终于开始为人类服务。当一个实验室技术员能用一句话，让AI预测一个分子的命运；当一个药企的项目经理能靠对话，快速筛选出最有希望的候选物——药物发现的节奏，才真正开始加速。

这不是下一个“AI助手”。这是科学工作方式的一次重新定义。