AI尚未接近治愈癌症。这家初创公司表示，它知道需要什么。

# AI距离治愈癌症还很遥远，但这家初创公司宣称已找到关键路径 | TechCrunch 来源：https://techcrunch.com/2026/08/19/ai-isnt-close-to-curing-cancer-this-startup-says-it-knows-what-it-will-take/ 生物技术初创公司Vivodyne（https://www.vivodyne.com/）指出，AI制药行业面临数据瓶颈，而该公司已开发出解决该问题的自动化实验平台。 该公司建造的模块化机器人实验室HIVE能够培养20种人体组织，随后自主完成给药和监测，生成当今AI模型所缺乏的因果性生物数据——目前这类数据主要来自动物实验，或基于单细胞、蛋白质的静态研究，而非活体组织测试。 "缺乏人体实验数据，这些（AI）模型能做什么？"Vivodyne首席执行官兼联合创始人安德烈·格奥尔格斯库问道，"它们最多只能在小鼠身上治愈癌症。" 值得注意的是，Anthropic首席执行官达里奥·阿莫代伊上周末也撰文（https://x.com/DarioAmodei/status/2088758819304443967）指出，AI治愈癌症的说法已从突破性愿景沦为陈词滥调——正如他所言，"真正能起作用的是*切实治愈癌症*。" 公平地说，AI治愈癌症这个概念本身也是阿莫代伊此前多次提出的愿景；山姆·奥特曼曾多次将治愈癌症列为OpenAI推进通用人工智能及算力建设的核心理由；谷歌DeepMind首席执行官德米斯·哈萨比斯去年也曾表示（https://www.cbsnews.com/news/artificial-intelligence-google-demind-ceo-demis-hassabis-60-minutes-transcript/），AI有望在十年内治愈所有疾病。 但实际进展仍显缓慢。目前仅有少数AI设计药物进入人体临床试验（其中一项已进入大规模人体测试的III期阶段），但现实障碍并非当今AI技术能够轻易突破。 获得诺贝尔奖的AlphaFold虽为理解生命基础构成带来重大突破，但尚未真正产出新药。基于AlphaFold创立的Isomorphic Labs原计划于2025年启动首批试验，目前已推迟至今年年底。该公司今年二月发文（https://www.isomorphiclabs.com/articles/the-isomorphic-labs-drug-design-engine-unlocks-a-new-frontier）指出，真正的药物研发需要"涵盖广泛生化特性与相互作用的高精度预测模型"。 格奥尔格斯库认为，该领域亟需"现实检验"——现有模型缺乏足够数据来捕捉人体生物学的复杂性。这恰是制药行业面临的普遍困境：在动物实验中有效的药物进入临床试验后，高达90%因无法通过人体监管审批而宣告失败。 Vivodyne的解决方案与众不同。该公司2021年从宾夕法尼亚大学分拆成立，格奥尔格斯库此前在此获得生物工程博士学位。公司称其培养的组织与真实人体器官行为高度匹配：肝脏细胞在毒性测试中的预测准确率达94%，气管组织与真实人体组织行为匹配度达96%，在20种化疗药物测试中骨髓组织实现100%吻合度。 上周，这家通过两轮融资共获得近8000万美元（由Khosla Ventures领投）的企业，在旧金山郊外启用了其号称全球最大的"人体数据中心"。格奥尔格斯库透露，该实验室数据产出效率已是美国所有动物实验总和的两倍。 这座未来生物实验室？**图片版权：**TechCrunch/Tim Fernholz / TechCrunch/Tim Fernholz其核心理念在于：在耗资数千万美元的临床试验前，通过更精准的预判来加速候选药物的开发进程。尽管未公开合作伙伴名单，Vivodyne表示正与多家大型药企合作解决这一问题——格奥尔格斯库将其比作汽车碰撞测试：汽车厂商在测试前通常对通过NHTSA标准充满信心，但药企在进入临床试验时却鲜有这种把握，因为绝大多数药物最终无法获得FDA批准。 更宏大的愿景在于：格奥尔格斯库将自主化生物实验室视为生成因果数据的关键，这些数据可用于训练基于人体生物学的新型AI模型。他引用上个月发表于《自然-方法》的研究（https://www.nature.com/articles/s41592-026-03120-y）指出，在现有细胞数据上训练生成式AI模型时，并未观察到明确的数据扩展规律。 "所有训练都基于细胞的静态快照，模型完全没有考虑细胞*如何*演变为该状态，"格奥尔格斯库告诉TechCrunch，"换言之，模型学习的是'这是细胞状态A'、'这是细胞状态B'，却从未理解'细胞状态B是由刺激细胞状态A所引发的结果'。" 而Vivodyne的HIVE机器正持续跟踪数十万项进行中的实验，记录病变组织在刺激下的反应。格奥尔格斯库期望这些数据能为强化学习提供养分，训练出真正理解人体生物学、推动医疗实质性进步的AI模型。 他认为这不仅对当前医疗挑战至关重要，更将支撑未来复杂疾病的药物开发——与现有多数单靶点药物不同，这些新型药物需要同时作用于多条生物通路。 "若想开发联合疗法，所需探索的可能性空间将呈指数级增长——这绝非试错实验所能解决，"他告诉TechCrunch，"必须明确'我希望实现某种疗效，因此需要触发哪些生物学机制？'。建立人体生物学的因果关系是一切的基础。" *当您通过文章中的链接购买商品时，我们可能获得小额佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/），但这并不影响我们的编辑独立性。* 蒂姆·费恩霍尔兹是专注于科技、金融与公共政策的记者，持续跟踪私营航天产业发展，并著有《火箭亿万富翁：埃隆·马斯克、杰夫·贝索斯与新太空竞赛》。此前他曾在全球商业新闻网站Quartz担任高级记者十余年，职业生涯起步于华盛顿特区的政治报道。联系或验证蒂姆的采访请求，可发送邮件至[email protected]，或通过Signal联系账号tim_fernholz.21。 查看作者简介（https://techcrunch.com/author/tim-fernholz/）