把镜头推到一间药物实验室的通风柜前。凌晨两点，排风还在响，台面上摆着一排微孔板，屏幕上一行分子结构刚跳出来。有人挪了下椅子，又坐回去。这一刻离病人床头，还很远。
把镜头推到通风柜前
据 IT之家 报道，Anthropic 的达里奥·阿莫迪近日预测，癌症、阿尔茨海默病、心脏病和精神疾病，会在不到十年里成为历史。谷歌 DeepMind 的德米斯·哈萨比斯、马斯克，也说过意思相近的话。
这类句子在台上很好听。它把十年说成日历上一个红圈，圈住就算数。做药的人听见，多半不是兴奋，是一声很短的笑，然后低头看自己排到第几格。
我不打算替谁泼冷水，也不打算替谁鼓掌。只把这张时间表摊开，一格一格数，数完再说话。
通风柜这种东西，一百多年没怎么变过。玻璃门上下滑，里面抽风，手伸进去做无菌操作。算力换了好几代，它还在原地，连照明灯的角度都没动。
一张时间表，摊开有十二格
据行业人士的说法，一款药从立项到上市，仍要 10 到 12 年。摊开就是十二格，一格一年，不是一个月。这个数字和任何一份真实的项目排期表对上，都算乐观。
格子里的名字都很朴素：定靶点，找候选分子，动物实验，一期看安全，二期看有没有效，三期放大到成百上千人，后面才是申报、核查、批文。
每一格都会死人。不是人被病杀死，是项目被数据杀死。走到三期的分子，前面已经熬了好几年，一次失败，这几年不退还，连着一批人的职业规划一起卡住。
所以时间表真正贵的地方不是钱，是顺序。顺序不能跳，跳过去的要加倍补回来。这张表在上海、波士顿、巴塞尔，长度都差不多，因为审评问的是同一套问题。
五十家公司的测试，没有一家交出药
据 IT之家 报道，Vertex 执行董事长莱登透露，他们测试了约 50 家 AI 公司，没有一家能独立研发出可用的药物。这句话的重量在测试方式：不是看演示，是看能不能交出一个能用的分子。
模型吐得出结构，吐不出一个能过毒理的分子。演示和交付之间，隔着一整个临床：动物身上的反应、人体的耐受、剂量爬坡，一样都不能省。
截至 2026 年，还没有一款 AI 设计的药物实现全面临床应用。这个事实比任何预测都硬，它不用等十年，现在就能查。
我的判断是，AI 不是不行，是常被放在错误的那把尺子上。拿「能不能自己做出药」量它，一定难看。会做工具和敢把一款药推到三期，是两种能力，一个卖铲子，一个背责任。这两件事的价钱不一样。
它真正压短的，是前半段
AI 确实在加速，位置很集中。靶点筛选、分子生成、虚拟筛选、文献梳理、试验设计，这五件事它已经干得比人快，而且快得不是一点。
文献那段最不起眼。一个课题攒下的论文几百上千篇，人读半年，机器读几天，还能把互相矛盾的地方标出来。省下的半年不进报表，但项目整体往前挪了半年。
分子生成更直接。给一个靶点，它一次吐出成百上千个候选结构，虚拟筛选再把这些结构在算力里过一遍，明显不行的先删掉，剩下少数几个才进通风柜。湿实验最贵，少做一轮就是真金白银。
试验设计也算前半段。方案写得好不好，决定后面招人顺不顺。AI 能读历史方案、算样本量、挑终点，但它算不出某个中心的研究者愿不愿意接这个课题。
打下手的那几段，决定成败
剩下的环节，AI 现在只能打下手。入组病人它替不了：跟病人谈、签知情同意、处理退出和失访，都要人到床边。临床执行是一堆琐事的总和，中心启动、药物配送、样本冷链、数据录入、稽查，离心机坏了还得有人去修。
监管沟通更慢。跟审评方来回问答，是一份文件一份文件磨出来的，尺度落在人和人之间。机器写得再整齐，也不敢替公司签字担责，出了问题，签名那一栏是活的。
入组这件事还有地理和信任。同一个方案，沿海的三甲医院三个月招满，几百公里外的县级医院可能要一年。病人愿意签字，靠的是床边那个人把风险讲清楚，这没法并行计算。
长期安全性随访没有捷径。药上市以后还要盯几年，看有没有迟发的副作用。这段只能等，等病人一年一年活过来，一年一年记。没人能给「等」写一份算法。
镜头拉远，灯还亮着
所以十年这个数，得拆开听。如果指的是发现候选分子的速度，十年确实可能被压短。如果指的是一款药走到病人床头，那它面前排着入组、随访、审批三道门，钥匙不在算法手里。
阿莫迪的预测和莱登的测试，其实不在同一层：一个说可能性，一个说交付能力，两者可以同时为真。所以这事最终的形状，很可能不是「消灭」，是「少失败几次，早几年上市」，这样的进展不上头条。
行业里有句话，药是「熬」出来的，不是「算」出来的。熬这个字不好听，但它说中了那十年里大部分时间在干什么：等人、等数据、等一个回复。
镜头拉远，通风柜的灯还亮着。台面上的微孔板明天要读数。至于十年后那张日历要不要圈红，现在谁也签不了字。
