AI不是按分子大小推进，而是沿“可编译性”轴推进
文章提出AI在生物医药中的推进顺序取决于“可编译性”而非分子大小：Chai-2对52个无现成binder的全新靶点做zero-shot抗体设计，每靶点测不超过20个候选，单轮命中率16%，微型蛋白湿实验成功率68%。环肽、小核酸因字母表离散、物理先验强而排在蛋白抗体之后，小分子则因ADMET多目标冲突、合成可行性鸿沟排在最后。AI攻破的是设计而非成药，体内数据稀缺与验证成本仍是共同瓶颈。
#Chai Discovery
木可AI探索笔记AI 评分3636
DeepTech深科技AI 评分5555 AI制药的新赛段，不是更大的模型，是会自进化的微观世界模型？
DeepTech深科技以百奥几何为例，讨论AI制药竞争从模型预测能力转向真实研发交付，核心是其提出的“自进化微观世界模型”，连接分子设计、细胞响应与自动化实验。
LeapFun精选AI 评分7474 Baker开源RFD4，38亿美元的Chai还值不值？
David Baker团队联合NVIDIA发布并开源RFD4-Proteina，代码与权重开放、核心许可为BSD 3-Clause，由此引发业内对Chai Discovery等闭源蛋白设计平台是否仍值得支付溢价的争论。
推荐理由：围绕RFD4开源后闭源蛋白设计平台是否仍值得付费，梳理业内分歧并给出护城河转移的判断。
BioTenderAI 评分3838 顾全全公开回应：AI制药的技术路线与未来竞争
Geodesic Intelligence 创始人顾全全在小红书 AMA 中提出，以能否每 6 个月推出一个大版本衡量 AI 制药团队的模型突破能力，并主张模型设计、湿实验反馈与数据迭代形成闭环。
木可AI探索笔记AI 评分4848 关于 Chai Discovery 的几个数字：chai-3 发布后 4 个月拿下 6 家 MNC
Chai Discovery 的 chai-3 于 2026 年 6 月发布，按此计算其拿下 6 家 MNC 实际用时 4 个月而非 9 个月。chai-2 报告强调 24 孔板，湿实验整体 hit 率为 16%，据此推测 chai-3 的 hit 率在 32%-40%。其最新一轮投后估值为 38 亿美元，与晶泰、英矽、剂泰的市值处于同一量级。