药化AI现在最像一家纸上开得极阔的馆子：菜单能写满整面墙，后厨却堵在一口火候古怪的锅前。我觉得，药化AI真正的瓶颈在合成，不在设计。那篇讲“接近自主的AI化学家改进药物化学难反应”的工作，最要紧的意义，不是它又想出了什么漂亮分子，而是它终于肯下后厨，去拧那只最难开的阀门。
这几年，AI在药物发现里最爱占据镜头的，是“设计”二字：生成新骨架、筛分候选、预测活性、把结构式排得像阅兵。看上去满城花开。可药物化学不是选美，也不是词语接龙。它更像修路。设计是地图，合成是桥。地图一夜可以改三版，桥塌一次，谁也过不去。
反常识恰恰在这儿：设计提速，往往不是加速研发，而是把拥堵更狠地推到合成口。上游从自行车换成高铁，下游还是独木桥，排队只会更长。AI一晚上能给你吐出八百个“值得一试”的分子，实验台只会冷冷回一句：这八百个里，一周内真能做出来的，也许只有六个。
上午九点，计算组把一夜跑出的候选发进群里，活性、选择性、溶解性都很体面。合成组盯着那串结构看十分钟，先划掉一半，因为关键原料买不到；再划掉一半，因为那条偶联反应一碰上多杂环底物，十有八九发黑分解；最后留下几个“勉强可试”的。屏幕上是繁华，通风橱里是户口清查。
晚上十点半，96孔反应板从加热模块里出来，液相色谱的峰形像一排病历。不是78%和82%之间的美容差别，而是0、痕量、分解、杂质、再分解。难反应最像老式锁眼，钥匙差半齿，门就不开。你可以设计一万把钥匙，锁还是那把锁。
周五项目会上，生物组催样，药代组等数据，项目经理盯时间线。设计思路已经换了四轮，真正送测的却只有三只小白瓶，其中一只纯度还不够。药企里最贵的东西，不是算力，是等待：等原料、等反应、等纯化、等表征、等那一个终于能进板测的样品。
药化AI最会做的，是把分子画得像明天；最难的，是把明天从烧瓶里倒出来。
所以我看这类“AI化学家”的文章，先不看它会不会聊天，也不先看它会不会写路线。我先看它碰不碰湿实验，敢不敢啃难反应，能不能把产率、杂质、重现性这些最土也最贵的东西往前推一寸。因为药不是从提示词里长出来的，是从反应瓶、纯化柱和等待里熬出来的。
更有意思的是，连最雄心勃勃的自动合成平台，如今也很老实。有团队把可按需合成的空间一口气枚举到34亿个分子，听着像宇宙膨胀；可真正托住这34亿的，仍然只是七类常见反应。数字很狂，手艺很诚实。还有做分子生成的人，已经不再迷信“先生成，后补救”，而是干脆把可合成性套进模型脖子上，规定哪些反应能用、哪些不能用、步数不能太长。为什么？因为他们终于承认了一件朴素得近乎难堪的事实：不是分子不够漂亮，是反应不肯配合。
真正限制药化速度的，不是想象力，而是那一步到底起不起反应。
这也是我觉得这篇工作重要的地方。它把药化AI从“会写诗的设计师”，往“会干活的工匠”那边拽了一步。别小看这一步。药物研发里最被低估的，从来不是灵感，而是那些不体面的基础设施：采购、自动化、分析、纯化、记录、复现。社会总爱高估想法，低估把想法变成东西的劳动。药化AI若只占领最轻盈的那层脑力，不过是给旧工地又挂了一块新招牌；它一旦钻进合成，才算真正摸到这门行当的骨头。
AI若只会出主意，不会拧阀门，在药化里不过是个会写幻灯片的实习生。
所以，药化AI的分水岭，不是谁又生成了更奇怪的分子，不是谁又把打分曲线抬高了几点；分水岭是谁能把那条难反应做稳、做快、做可复制。前者是纸上扩张，后者才是生产力。说得再直白一点：会想象的机器已经很多了，会把分子做出来的机器，才配叫化学家。
参考阅读：onepot CORE；Generative Molecular Design with Steerable and Granular Synthesizability Control；Chemist-X
别人聊 AI，我们测 AI——每个结论都能下载原始数据自己复算。 更多 AI 深度测评 👉 https://crawdpad.com