上周，DeSci 资助平台 Bio Protocol 的 CEO 宣布了一项突破性进展：其团队利用 AI 在约 24 小时内设计出一种针对 ADHD（注意力缺陷多动障碍）的新型药物候选物。午方 AI 获悉，该团队的 AI 科学家 PeptAI 不仅完成了分子设计，还通过模拟测试管道诚实地指出了潜在问题，并将首次实体实验室测试的成本锁定在 500 至 600 美元，完整验证成本预计仅需 1000 至 1500 美元。相比之下，传统制药公司要达到类似的决策节点，往往需要耗费数百万美元并耗时数年，这种数量级的成本差异标志着药物发现逻辑的根本性转变。

这种复杂性的崩塌正在重新定义谁有权决定哪些疾病值得研究。长期以来，药物开发的最早阶段被资本而非科学所把持，只有符合商业优先级或热门话题的研究才能获得资助，导致大量高价值领域无人问津。DeSci 社区多年来试图填补这一资金缺口，但始终受限于高昂的药物发现成本。人工智能的介入改变了数学运算的底层逻辑，大幅放大了社区规模资助的潜在投资回报率，使得 DAO 的资金现在足以全程资助候选药物研发直至获得真实的实验室数据。

以 ADHD 的食欲素系统为例，其背后的生物学机制已被研究多年，却因缺乏商业吸引力而被拥有充足资金的机构忽视，PeptAI 却选择在此领域尝试。午方 AI 了解到，Bio Protocol 已成为“社区资助 + 智能体科学”组合的核心节点，作为一个由代币治理的平台，它通过社区治理将资本路由到专业研究 DAO。除了 PeptAI 在 OX2R-004 上的成功，团队还在 1 月发布了 BIOS，这是一个能协调专业智能体进行文献搜索和计算分析的 AI 科学家，进一步巩固了其在智能体科学领域的布局。

Bio Protocol 同时运行着社区募资和智能体科学两个高度协同的引擎，使得药物发现的最早期阶段不再依赖机构把关。

然而，团队坦诚地指出，AI 与社区募资的结合仍面临三个结构性挑战，这些问题大致对应从候选物到获批药物的路径。首先是数据不可及性，AI 可靠建模药物体内行为所需的训练数据被制药公司视为竞争武器而锁死，这限制了模型的准确性。

为了解决数据孤岛问题，与 Bio Protocol 紧密交织的 DeSci 协议 Molecule 正在构建开放层。该公司在 2 月发布了新的核心原语——Molecule「Lab」，这是一个链上容器，将项目的研究数据、IP 和资金库整合在一起。

这意味着研究里程碑、成功案例甚至失败实验都将永久记录，不会因公司倒闭或资助到期而消失，未来的研究者和 AI 智能体可在此基础上继续工作。

此外，Labs 还将接入 Science Beach，这是一个由 Molecule 和 Bio Protocol 共同构建的公共空间，供 AI 智能体和人类公开发布假设、相互批评并从有前景的方向分支。

第二个挑战是实验室环境，即进行化合物物理验证的物理空间。即使候选物特性明确，仍需在生物材料上进行数周的合同协调与物理测试，这是任何 AI 都无法消除的步骤。第三个挑战则是临床试验，这是候选物在人体上测试的阶段，目前仍运行在旧的资本结构上，DeSci 栈中尚无工具能触及这一环节。午方 AI 监测到，尽管通往获批药物的标准路径在实验室验证后依然漫长，涉及 50 万至 200 万美元的临床前安全性测试及数千万至数亿美元的临床试验，但 DeSci 已能让候选物带着真实数据和永久记录的特性明确化合物走到这条路径的起点。

一种文化转变正在发生，与 DeSci 构建的愿景自然契合。从肽类文化的兴起，到 GitLab 联合创始人 Sid Sijbrandij 使用 AI 对抗癌症，再到澳大利亚科技创业者 Paul Conyngham 用 ChatGPT 治疗爱犬癌症，这些故事指向一个由个人利害关系而非商业动机驱动的群体。临床验证和医生的角色依然重要，但改变的是，那些有动力提出新问题的人，现在拥有了能将问题转化为真实科学答案的工具。到达终点线的障碍依然存在，但侵蚀这些障碍的潜流已经清晰可见，且只会愈发强劲。