论文里的 FID 降了，实验室里的试管空着——生成式生物设计的真实距离

生成式 AI 造出了上百万个分子，但没有一个走进湿实验

过去一年，GAN 可以生成全新的小分子，扩散模型可以设计蛋白质骨架。benchmark 成绩亮眼，FID 分数一降再降，结合亲和力一升再升。ICLR 2026 有 oral，NVIDIA、Oxford、Bengio 都在做。

但一个回避不了的问题是：这些模型造出来的东西，有多少真的进了实验室验证？

答案可能让你失望。

生成式 AI 在生物设计上做了什么

先看这条路线最新的进展。

小分子生成：以 CAGenMol 为代表的扩散语言模型，可以根据靶点蛋白的特征，生成具有特定性质的小分子。EvoFlows 则用 Flow Matching 做蛋白质工程，从蛋白质序列空间中采样，生成具有功能潜力的新序列。这些方法的共同特点是：不再是从已知分子库中搜索，而是从”无”到”有”地创造。

蛋白质设计：Proteina-Complexa（ICLR 2026 Oral，NVIDIA+Oxford+Mila+首尔大学团队）统一了”生成式建模”和”幻觉优化”两条路线。它先用 Flow-based 潜空间生成蛋白质骨架，再在推理时做结构优化。团队还创建了 Teddymer 数据集——大量合成 binder-target 对——用于预训练。

多模态融合：General Multimodal Protein Design（Rector-Brooks, Bengio et al.）尝试把序列、结构、功能多个维度的信息统一到一个生成框架里。

这些工作的共同叙事是：生成式 AI 正在接管生物设计的”创意”环节。

但是——“能用”的标准是什么？

一个模型在 benchmark 上跑出好成绩，和它能被实验室采纳之间，隔着至少三层验证：

第一层：计算验证。 你的生成结果在分子对接（docking）、分子动力学模拟（MD）、Rosetta 能量评分里是否合理？这一步大部分论文都做了，也是发文章的底线。

第二层：体外验证。 你设计的蛋白质能不能表达出来？折叠对不对？结合活性如何？这一步需要湿实验，成本高、周期长。很多生成式工作在这里止步。

第三层：体内验证。 在细胞甚至动物模型上，你的设计有没有真正的生物学效应？这一步是药物开发的门槛，绝大多数学术论文根本没走到这里。

目前的情况是：大多数生成式生物设计的工作，还停留在第一层和第二层之间。 在计算指标上表现优异，在实验验证上要么缺失、要么只做了最基础的实验。

差距在哪？

不是模型不够好，而是生物系统的复杂性远超任何 benchmark 能捕捉的范围。

一个在生成模型看来”完美”的蛋白质，在实际表达时可能因为一个关键残基的侧链冲突而根本折叠不了。一个在分子对接中排名靠前的小分子，在真实的细胞环境里可能被快速代谢、无法到达靶点。

此外，训练数据本身就有局限。Proteina-Complexa 的 Teddymer 数据集是用计算方法预测的结构，不是实验解析的结构。这意味着模型学到的”好结构”可能和真实世界中的”好结构”有偏差。

接下来的路怎么走

生成式 AI 在生物设计上的价值是真实的。它大大加速了分子空间的探索效率，让研究者可以在几小时内筛选上百万个候选分子，而不是花几个月合成几百个。

但要把这个价值从论文变成药物，需要三件事：

  1. 湿实验验证的闭环。 计算预测 → 实验验证 → 反馈到模型训练。目前这条链路在大多数实验室是断的。

  2. 更真实的数据。 用实验解析的结构、实验测得的结合亲和力来训练模型，而不是用计算预测的中间结果。

  3. 和药物化学家的合作。 生成式模型输出的是”分子建议”，但最终能不能合成、合成成本多高、杂质怎么控制——这些是化学家的领域。

生成式 AI 正在生物设计上打开一扇门。但门的另一边，等着它的不是 benchmark 上的数字，而是实验室里的试管和小鼠。跨过那扇门，才是真正的故事开始。

锚定论文：CAGenMol (Li et al. 2026.04.13 arXiv)、EvoFlows (Deutschmann et al. 2026.04.08 arXiv)、Proteina-Complexa (Didi, Zhang, Zhou et al. 2026.03.29 arXiv, ICLR 2026 Oral)、General Multimodal Protein Design (Rector-Brooks, Bengio et al. 2026.04.06 arXiv)