Chai Discovery 的赌注
来自 Training Data · 期号 2026-08-06
摘要
The Takeaway：Chai Discovery 的赌注是，drug design 首先不是神秘的 biology 问题，而是一个 scaling problem；过去推动 LLM 进步的 bitter lesson，也可能让 molecule design 变得更像工程。 Chai Discovery 的两位 co-founder Josh 和 Matt 把公司的目标描述为：把药物发现从依赖运气和试错，变成更接近 computer-aided engineering 的过程。关键变化是 abstraction：软件之所以能快速迭代，是因为 code 成了表达意图的清晰接口；而 biology 也需要更好的接口，让人能描述一个 molecule 的“理想状态”，再让模型去搜索 design space。他们最反直觉的观点是：biology 也许并不是 modern ML 的特殊例外。原话很直接：“we’re a very bitter lesson built company. So we really believe in scaling data, scaling models, scaling compute.” 最值得注意的运营经验是 simplicity。Chai 的早期模型有很多 submodule，这让迭代变得困难，因为每个组件都有自己的行为和 failure mode。按照他们的说法，前进路径不是继续加第 25 个 module，而是简化系统，让 scaling direction 更容易被识别。他们也强调，biology 比软件 benchmark 更需要谦逊：wet lab 的 error bar 很大，几个百分点的提升不一定代表真正进步。这要求更大的 step change、更强的 rigor，以及 production-grade engineering。更大的目标不是做出几款 therapy，而是构建一个面向 molecule 的 CAD suite。