文章以英矽智能 18 个月完成候选物提名的 rentosertib 项目为案例，系统梳理 AI 在药物发现四个环节的作用：找靶点、预测蛋白结构（如 AlphaFold）、设计分子和用 Agent 串联研究流程。作者强调核心价值在于扩大搜索范围、把部分试错提前到实验之前，但项目提速是数据、AI 和团队共同的成果，候选分子离患者获益还很远。文末提出判断'AI 制药突破'的四个问题：完成了什么、快的是哪一段、和谁比、失败算没算进去，提醒区分模型高分、项目提速与临床获益。
本文是一篇关于生物科技与AI结合（Bio x AI）的投资主题深度分析。作者认为这是历史上最具可操作性的主题入门指南，引用Dario Amodei在《Machines of Loving Grace》中提出的5-10年内治愈大多数疾病的愿景，并指出AI巨头正从言论转向行动：Anthropic建立湿实验室、Jeff Dean创办Discovery Loop、Demis Hassabis专注Isomorphic Labs。文章核心是'design-make-test-learn'自动化药物发现循环，并逐一分析各子主题的相关公司，如DNA/RNA合成领域的Twist Bioscience、GenScript、Azenta，以及生命科学工具公司等。
