50天的工作量，24小時干完。Tevogen Bio（泰沃根生物）最近交出的這份成績單，讓制藥圈的人開始重新盤算一件事：AI到底能把藥價砍到多低？

這家公司手里攥著一個叫ExacTcell的平臺，專門對付病毒、腫瘤、神經(jīng)系統(tǒng)疾病。聽起來像常規(guī)操作，但他們的野心是把動輒10年、燒掉30億美元的新藥研發(fā)周期，壓到普通人能負(fù)擔(dān)得起的程度。第一步驗證選在新冠靶點上，手工操作花了18到24個月——這速度，跟他們"更快更便宜"的口號差了十萬八千里。

手工濕實驗就是制藥業(yè)的流水線縫紉機，一針一線能出活，但趕不上救人的急。

問題是數(shù)據(jù)。訓(xùn)練AI需要蛋白質(zhì)序列庫，規(guī)模以多TB計，而且得分層治理——誰看誰改、哪層能進(jìn)，權(quán)限細(xì)到毛孔。Tevogen找來了微軟和Databricks，在Lakehouse架構(gòu)上搭了個數(shù)據(jù)平臺。用Medallion架構(gòu)（銅銀金三層）管數(shù)據(jù)，Unity Catalog（統(tǒng)一目錄）卡權(quán)限，分布式計算往里一塞，原先50天的流程直接坍縮到一天。

Alpha模型的召回率跑到93%-97%。這個數(shù)字的意思是：AI篩出來的候選肽段，絕大部分確實能在實驗室里激活免疫反應(yīng)。漏網(wǎng)之魚有，但人工復(fù)核的工作量被壓縮到可管理的范圍。

16億個數(shù)據(jù)點，喂出了什么

Tevogen的AI叫PredicTcell，核心任務(wù)是預(yù)測哪些肽段能觸發(fā)T細(xì)胞反應(yīng)。傳統(tǒng)做法是靠研究員肉眼+實驗窮舉，一個HLA限制型（人類白細(xì)胞抗原，決定免疫系統(tǒng)識別什么）就要耗掉數(shù)月?，F(xiàn)在把已知遺傳蛋白扔給模型，輸出的是按免疫活性排序的候選清單。

16億個數(shù)據(jù)點不是炫技。蛋白質(zhì)序列的排列組合空間近乎無限，沒有足夠密度的訓(xùn)練集，模型學(xué)到的就是噪聲。Tevogen的解法是把"數(shù)據(jù)湖"和"數(shù)據(jù)倉庫"捏成Lakehouse——既能存原始臟數(shù)據(jù)（青銅層），又能洗出結(jié)構(gòu)化特征（白銀層），最后提煉成算法直接吃的精糧（黃金層）。

這套架構(gòu)的隱性價值在合規(guī)。制藥數(shù)據(jù)涉及患者隱私和知識產(chǎn)權(quán)，Unity Catalog的細(xì)粒度訪問控制讓不同團隊只能碰自己該碰的層。一個做新冠靶點的研究員，看不到腫瘤組的黃金層數(shù)據(jù)，但兩邊共享白銀層的基礎(chǔ)特征。

數(shù)據(jù)治理曾經(jīng)是AI制藥的剎車片，現(xiàn)在成了油門。

微軟的角色更偏基礎(chǔ)設(shè)施。Azure的算力池讓Tevogen能按需擴容——訓(xùn)練大模型時拉滿GPU，日常推理縮到CPU集群，賬單跟著彈性走。這對現(xiàn)金流緊繃的生物科技公司比"買斷超算"現(xiàn)實得多。

藥價能降多少，還是一筆糊涂賬

時間壓縮了，成本賬還沒算清。Tevogen沒披露這套系統(tǒng)的總投入，但Databricks+Azure的訂閱費、數(shù)據(jù)工程師的人力、持續(xù)迭代的標(biāo)注成本，都是隱形負(fù)債。更關(guān)鍵的是，AI篩出來的候選分子，進(jìn)臨床后失敗率會不會比傳統(tǒng)方法低？數(shù)據(jù)還沒出來。

他們的管線目前集中在病毒性疾病，新冠是打樣的第一步。腫瘤和神經(jīng)退行性疾病的數(shù)據(jù)復(fù)雜度指數(shù)級上升——腫瘤異質(zhì)性意味著同一病灶里細(xì)胞基因型都不一樣，神經(jīng)疾病的靶點驗證周期更長。24小時的奇跡能不能復(fù)制，要看后續(xù)管線的真實表現(xiàn)。

行業(yè)里有種聲音：AI制藥的泡沫在于混淆了"發(fā)現(xiàn)加速"和"上市加速"。臨床一期到三期的人體試驗，該熬的時間一點省不了。Tevogen的CEO Ryan Saadi在內(nèi)部溝通中提過，他們的目標(biāo)是"把臨床前的垃圾時間砍掉"，而非宣稱能繞過FDA的流程。

這話實在。制藥業(yè)的瓶頸從來不止一處，AI解決的是最燒錢的早期篩選環(huán)節(jié)。能把30億美元的平均研發(fā)成本砍掉10%，已經(jīng)是行業(yè)地震。

誰在賭這家公司

Tevogen不是唯一玩家。Recursion、Insitro、晶泰科技都在用AI篩分子，但路徑不同。有的自建濕實驗室閉環(huán)驗證，有的純賣軟件服務(wù)。Tevogen的選擇是"平臺+管線"雙輪——既對外授權(quán)ExacTcell技術(shù)，也自己推產(chǎn)品進(jìn)臨床。

這種模式的風(fēng)險是資源分散。做平臺要養(yǎng)工程團隊，做管線要堆醫(yī)學(xué)人才，兩邊搶預(yù)算。Tevogen的融資歷史不算激進(jìn)，2023年通過SPAC上市時估值約8億美元，在生物科技板塊屬于中小盤。跟微軟、Databricks的合作，某種程度上是用大廠信用背書，降低自己的基建投入。

他們的下一個里程碑是第二個適應(yīng)癥進(jìn)臨床。如果能在腫瘤領(lǐng)域復(fù)現(xiàn)新冠靶點的速度，估值邏輯會徹底重寫。眼下投資者更關(guān)心的是：24小時的研發(fā)周期，能不能轉(zhuǎn)化成可量化的專利壁壘？

技術(shù)細(xì)節(jié)披露得越細(xì)，這個問題越難回答。Lakehouse架構(gòu)是Databricks的標(biāo)準(zhǔn)方案，Medallion架構(gòu)是行業(yè)通用實踐，Tevogen的真正護(hù)城河可能是那16億數(shù)據(jù)點的標(biāo)注質(zhì)量——但標(biāo)注方法論又沒公開。

AI制藥的悖論在于：你說自己快，得先證明不是抄近道抄進(jìn)了溝里。

93%-97%的召回率聽著漂亮，但召回的是"免疫活性肽段"，不是"能成藥的安全分子"。從活性到毒性、從體外到體內(nèi)、從動物到人，每一關(guān)都是新的漏斗。Tevogen的賭注是：早期篩得越準(zhǔn)，后期摔得越輕。這個假設(shè)要三到五年才能驗證。

他們的合作方Databricks最近也在猛推生命科學(xué)客戶，Tevogen是招牌案例之一。雙方利益綁定越深，獨立評估越難。一個值得盯的細(xì)節(jié)是：Tevogen的下一季度財報里，研發(fā)費用會不會因為AI投入出現(xiàn)結(jié)構(gòu)性下降？如果研發(fā)開支沒減、只是人員結(jié)構(gòu)變了，"降本"的故事就得打折講。

制藥業(yè)的AI轉(zhuǎn)型，現(xiàn)在卡在"快"和"省"的證明題上。Tevogen交了第一張答卷，分?jǐn)?shù)還沒批改完。如果24小時成為新常態(tài)，藥價里的"時間溢價"確實會被擠掉一部分——但擠掉之后，患者最終能省多少，可能取決于保險公司和醫(yī)院怎么重新談判，而非技術(shù)本身。

技術(shù)改變了成本結(jié)構(gòu)，利益分配是另一場戰(zhàn)爭。