一家成立不到5年的生物科技公司，用一套算法把新藥研發(fā)周期砍掉了98%。不是概念驗(yàn)證，是實(shí)打?qū)嵉?6億個(gè)數(shù)據(jù)點(diǎn)跑出來(lái)的結(jié)果。Tevogen Bio的PredicTcell模型現(xiàn)在能做到93-97%的召回率，而成本？傳統(tǒng)路徑燒掉30億美元和12年，他們押的是另一套解法。

這個(gè)行業(yè)的老毛病，Tevogen的CEO Ryan Saadi早就門(mén)兒清。濕實(shí)驗(yàn)室（wet-lab）的手工測(cè)試像一條單車(chē)道高速，多線(xiàn)程并行？不存在的。一個(gè)HLA限制性產(chǎn)品的概念驗(yàn)證，18到24個(gè)月就這么耗進(jìn)去了。更麻煩的是數(shù)據(jù)——多TB級(jí)別的蛋白質(zhì)序列庫(kù)散落在各處，科學(xué)家找靶點(diǎn)像在大海里撈針，還得先造一艘船。

lakehouse架構(gòu)成了破局點(diǎn)

2023年，Tevogen.AI拉來(lái)了微軟和Databricks。不是買(mǎi)幾臺(tái)服務(wù)器那么簡(jiǎn)單，他們要建的是一套 governed data platform（受治理數(shù)據(jù)平臺(tái)）。Databricks的Medallion Architecture（ medallion架構(gòu)）被搬進(jìn)來(lái)，數(shù)據(jù)按青銅-白銀-黃金三層沉淀，Unity Catalog（統(tǒng)一目錄）管權(quán)限，細(xì)到誰(shuí)能看到哪張表都可控。

「我們選擇Databricks作為現(xiàn)代化改造的底座，」Tevogen的技術(shù)團(tuán)隊(duì)復(fù)盤(pán)時(shí)提到。分布式計(jì)算把原本50天的流程壓到24小時(shí)——這還不是極限測(cè)試，是常規(guī)跑批的結(jié)果。16億個(gè)數(shù)據(jù)點(diǎn)喂進(jìn)去，PredicTcell的alpha版本直接給出免疫活性肽的預(yù)測(cè)，召回率穩(wěn)定在93-97%區(qū)間。

這個(gè)數(shù)字什么概念？傳統(tǒng)藥物發(fā)現(xiàn)靠高通量篩選，命中率常以個(gè)位數(shù)計(jì)。AI制藥喊了這么多年，多數(shù)公司卡在「實(shí)驗(yàn)室驗(yàn)證」這道坎：算法跑得再快，濕實(shí)驗(yàn)跟不上就是紙上談兵。Tevogen的ExacTcell平臺(tái)不一樣，它從設(shè)計(jì)之初就錨定了單一HLA限制性——覆蓋人群夠廣，生產(chǎn)路徑夠標(biāo)準(zhǔn)化，這是能把預(yù)測(cè)結(jié)果快速兌現(xiàn)成實(shí)體療法的前提。

數(shù)據(jù)層的暗戰(zhàn)比算法更殘酷

很多人以為AI制藥的護(hù)城河是模型架構(gòu)，Tevogen的經(jīng)歷指向另一個(gè)真相：數(shù)據(jù)治理才是隱形戰(zhàn)場(chǎng)。多TB規(guī)模的蛋白質(zhì)序列庫(kù)，特征工程怎么做、元數(shù)據(jù)怎么標(biāo)、版本怎么管，這些臟活累活決定了模型能不能持續(xù)迭代。

他們干了件很產(chǎn)品經(jīng)理的事——把「科學(xué)家找靶點(diǎn)」這個(gè)用戶(hù)場(chǎng)景拆解成可量化的SLA。過(guò)去數(shù)月級(jí)的文獻(xiàn)調(diào)研和序列比對(duì)，現(xiàn)在變成平臺(tái)內(nèi)的即席查詢(xún)。青銅層存原始數(shù)據(jù)，白銀層做清洗關(guān)聯(lián)，黃金層輸出可直接用于訓(xùn)練的結(jié)構(gòu)化特征。每層都有治理規(guī)則，不是事后打補(bǔ)丁，是架構(gòu)級(jí)的設(shè)計(jì)。

微軟的角色偏基礎(chǔ)設(shè)施，Azure的算力池和Databricks的湖倉(cāng)技術(shù)棧做耦合。這套組合的微妙之處在于：Tevogen保留了核心算法的自主知識(shí)產(chǎn)權(quán)，同時(shí)把數(shù)據(jù)工程的復(fù)雜度外包給云廠(chǎng)商。對(duì)于一家還沒(méi)盈利的生物科技公司，CAPEX（資本性支出）轉(zhuǎn)OPEX（運(yùn)營(yíng)支出）的財(cái)務(wù)結(jié)構(gòu)更友好。

從新冠到腫瘤，平臺(tái)化野心暴露

最初的POC（概念驗(yàn)證）選在SARS-CoV-2，這是個(gè)聰明的起手式——病毒序列公開(kāi)、免疫機(jī)制相對(duì)清晰、臨床需求緊迫。但Tevogen的招股書(shū)和公開(kāi)演講里，腫瘤和神經(jīng)系統(tǒng)疾病被反復(fù)提及。ExacTcell平臺(tái)的賣(mài)點(diǎn)正是「單一HLA限制性覆蓋多適應(yīng)癥」，這意味著底層數(shù)據(jù)架構(gòu)和算法框架可以復(fù)用，每次擴(kuò)展新病種邊際成本遞減。

「我們的使命是提供更快、更便宜、更可及的療法，」Ryan Saadi在多個(gè)場(chǎng)合重復(fù)這句話(huà)。聽(tīng)起來(lái)像典型的biotech口號(hào)，但結(jié)合那組24小時(shí) vs 50天的對(duì)比數(shù)據(jù)，野心變得具體。傳統(tǒng)CRO（合同研究組織）按項(xiàng)目收費(fèi)，周期越長(zhǎng)賬單越厚；Tevogen想把自己變成「療法基礎(chǔ)設(shè)施」，客戶(hù)按數(shù)據(jù)調(diào)用量或預(yù)測(cè)次數(shù)付費(fèi)，模式更接近SaaS。

風(fēng)險(xiǎn)不是沒(méi)有。93-97%的召回率是在alpha模型上測(cè)的，beta版本和最終臨床驗(yàn)證的數(shù)據(jù)尚未公開(kāi)。AI制藥的歷史上，算法在in silico（計(jì)算機(jī)模擬）階段表現(xiàn)驚艷、進(jìn)入體內(nèi)實(shí)驗(yàn)后斷崖式下跌的案例比比皆是。Tevogen的差異化在于，他們的平臺(tái)輸出的是實(shí)體細(xì)胞療法（T細(xì)胞產(chǎn)品），而非小分子化合物——后者從預(yù)測(cè)到合成到ADMET（吸收、分布、代謝、排泄、毒性）測(cè)試鏈條更長(zhǎng)，前者的關(guān)鍵瓶頸在于細(xì)胞制備工藝，而這恰恰是ExacTcell試圖標(biāo)準(zhǔn)化的環(huán)節(jié)。

一個(gè)被忽略的產(chǎn)品細(xì)節(jié)

技術(shù)白皮書(shū)里埋了一條腳注：Tevogen的數(shù)據(jù)平臺(tái)支持「多租戶(hù)隔離」，意味著未來(lái)可能向第三方科研機(jī)構(gòu)開(kāi)放部分能力。這不是單純的 generosity（慷慨），是平臺(tái)化擴(kuò)張的標(biāo)準(zhǔn)路徑——先用自己的管線(xiàn)驗(yàn)證價(jià)值，再把基礎(chǔ)設(shè)施變成可售賣(mài)的模塊。

回到那個(gè)24小時(shí)的數(shù)字。它代表的不僅是效率提升，更是一種權(quán)力轉(zhuǎn)移：當(dāng)預(yù)測(cè)周期從月級(jí)壓到小時(shí)級(jí)，科學(xué)家的角色從「實(shí)驗(yàn)執(zhí)行者」變成「假設(shè)提出者」。Tevogen賭的是，這種轉(zhuǎn)移會(huì)讓更多資源流向早期靶點(diǎn)發(fā)現(xiàn)，而非后期重復(fù)的濕實(shí)驗(yàn)驗(yàn)證。如果賭對(duì)了，30億美元和12年的行業(yè)詛咒或許真的會(huì)被打破。

現(xiàn)在的問(wèn)題是：當(dāng)AI把藥物發(fā)現(xiàn)的周期壓縮到以天為單位，監(jiān)管框架和臨床倫理跟得上嗎？FDA的細(xì)胞療法審批指南最近一次重大更新還是在2021年。