乾濕融合的破曉時刻，模型加自動化雲端實驗室的科學生產力函數｜OpenAI、DeepMind、Anthropic、晶泰、百圖

2026 年 2 月 5 日，一份預印文本悄悄貼上 bioRxiv，沒上 CNN、《華爾街日報》頭版，連《Nature》都沒搶到首發，標題是「Closed-Loop Optimization Of Cell-Free Protein Synthesis With Reasoning Models」，作者欄裡並列 OpenAI 與 Ginkgo Bioworks 的研究員，內容講他們把 GPT-5 拿去操作波士頓海港邊那座 Ginkgo Foundry 自動化實驗室，連跑 6 個迭代、3 萬 6 千多種反應組合、580 塊 384 孔盤，把無細胞蛋白質合成（Cell-Free Protein Synthesis，CFPS）的反應，單位成本從每公克 698 美元下殺到 422 美元，省了 40%。

省 40% 聽起來很像那種鄉民隨便講講的數字，但這次不一樣，這是個 Front-End 大語言模型，從舊金山遠端開機、設計實驗、判讀資料、跑下一輪，全程沒有人類介入到實驗操作層；3 輪實驗耗時 2 個月，模型直接超越史丹佛大學 Michael Jewett 實驗室前一年才剛刊在《Nature Communications》的最佳水準。台灣的醫師朋友看到這裡可能會說，合成蛋白質省 40% 干我屁事？我又不做合成生物學；但我們可能錯了，這篇論文的真正訊號不是 sfGFP 的成本曲線，而是人類第一次有了一個可量化、可重複、可開源 Schema 的證據，告訴我們，把前沿模型接到一座完整自主雲端實驗室的乘法函數是可行的。

我把這篇論文稱為乾濕實驗室融合（Dry + Wet Lab Integration）的破曉時刻，在這之前，產業內談 AI for Science 講了至少 5 年，從 AlphaFold 2、Recursion 到 Insilico，講的都還是乾歸乾、濕歸濕，AI 出個假設丟給博士生去做實驗，6 個月後再看資料，但 2026 年這篇論文宣告的是當模型快到 1 小時跑完一輪實驗設計、實驗室快到 1 個小時內把實驗跑完、資料快到 1 個小時內回到模型手上，那麼整條 DMTA（Design–Make–Test–Analyze）迴圈就不再是一條線性的、博生加班熬夜的工作流，而是一條可以 24 小時不停轉的工業生產線。

Ginkgo 工坊，從一台 U-Haul 到全球最會被罵的合成生物學公司

要看懂 OpenAI 為什麼選擇 Ginkgo 當實驗夥伴，得先回到 2008 年那台 U-Haul。那一年，5 個從 MIT 出走的人，帶著 15 萬美元跟一些被 MIT 淘汰的設備，在波士頓南端開了一家小工坊，叫 Ginkgo Bioworks。靈魂人物 Tom Knight 是個離經叛道的角色，1990 年代之前他是電腦科學家，幫忙設計過 ARPANET 的硬體、跟 Richard Greenblatt 一起做出傳奇的 MIT Lisp Machine，然後在 50 多歲那年突然轉向，跑去學分子生物，並且在 MIT CSAIL 內部用美國國防高等研究計畫署（DARPA）的錢蓋了一座小型生物實驗室；Knight 發明了 BioBricks 這套生物積木標準，又跟學生一起辦了 iGEM 國際合成生物學競賽，想證明生物可以像軟體一樣被工程化。

跟著 Knight 出走 MIT 的另外 4 個人是 Jason Kelly（CEO）、Reshma Shetty（COO ╱ President）、Barry Canton、Austin Che，Kelly 跟 Shetty 在 MIT 修課時就是同學、後來變成伴侶，一起營運這家公司 18 年。Y Combinator 的 Paul Graham 收他們進孵化器時，Ginkgo 是 YC 史上第一家生技公司，Kelly 講過我覺得是這個產業最好注解的話：「過去那些網路、社群媒體革命，老實說對生技醫藥業來說基本上沒什麼意義；但這次不一樣，會真的改變我們做科學研究的方式。」這句話放在 2026 年回頭看，會發現它有 50% 是先知、有 50% 是業績壓力下的自我催眠。

Ginkgo 砸了將近 5 億美元蓋 Foundry 自動化實驗室，這座位在波士頓海港區的工廠，總體規劃面積超過 50 萬平方英呎，內含 Bioworks7 哺乳細胞工廠、Biofab1 擴建廠，並透過 2022 年以 3 億美元收購 Zymergen，拿到了可重組自動化推車（Reconfigurable Automation Carts，RACs），模組化的 6 軸機器手臂搭配磁浮樣本軌道，可以快速重構成不同實驗流程。MIT Tech Review 在 2021 年的報導提到，Foundry 一天能造出 5 萬個基因改造細胞變體；到了 2026 年，整個系統正在收斂為一座叫 Nebula 的中央自主實驗室，現在部署 50 台機器人，2026 年上半要擴張到 100 台。

Ginkgo 在 2021 年 9 月透過 Soaring Eagle Acquisition Corp 的 SPAC 合併，在紐約證交所掛牌，沿用 Genentech 留下來的著名股票代號 DNA，當時企業估值 175 億美元，股東名單上名列 Cathie Wood 的 Ark 跟比爾蓋茲的 Cascade，2021 年 11 月股價衝到大約 13.59 美元、市值將近 300 億美元的最高峰之後，幾乎是一條直線往下。Scorpion Capital 在 2021 年 10 月發了一份 175 頁的放空報告，指控 Ginkgo 7 成營收來自關聯交易；STAT News 的 Adam Feuerstein 直接寫「Ginkgo 不配用 DNA 這個股票代號」，市場信心一夕崩盤。截至 2026 年 4 月底，DNA 股價約 7.87 美元，市值約 4.6 億美元，從高點蒸發超過 95%，《波士頓環球報》算過 Ginkgo 自 2020 年以來累積虧損逼近 60 億美元，2021 年 Kelly 跟 Shetty 兩個人從 SPAC 後的股票補發中各拿到 3.64 億美元的天價薪酬，是家站在工業革命浪頭上、帳面卻血流成河的公司。

OpenAI 為什麼還選它？因為當這個世界要找一個最會被罵、但機器人最多、API 最完整、工程文件最清楚的雲端實驗室，Ginkgo 可能是現在的唯一答案。GPT-5 在 2025 年 8 月 7 日發布，一個結合基礎模型、思考路徑、即時路由的統一系統，並通過 OpenAI 自家的準備度框架（Preparedness Framework）被歸類為生物與化學領域的高能力模型。在 OpenAI ╱ Ginkgo 的合作裡，GPT-5 從舊金山遠端控制波士頓的機器人，每一輪它都先以一個 Pydantic Schema 驗證的格式設計實驗，包含板面配置、標準品、對照組、重複性、試劑可用量、體積限制，驗證通過的實驗才會送進 Ginkgo 的 Catalyst 排程軟體，由 RACs 執行；機器跑完之後，原始資料回傳給 GPT-5，模型分析、產生假說、提出下一輪設計。整個迭代循環只要 1 個小時，Reshma Shetty 對《Scientific American》的描述是「在人類去倒杯咖啡的時間裡，模型已經吃下資料、產生分析、設計下一批實驗」。

最終以 sfGFP 為基準，模型在試劑成本上節省 57%、蛋白質產率（titer）提升 27%，產生 15 萬筆實驗資料點，並在某次運算中為了塞進更多試劑，居然要求機器人執行負水量，意思是總體積扣掉所有試劑後是負數，機器人技術員看穿了模型的意圖（它想把反應做更濃），把整體體積稍微放大，讓實驗照樣跑下去。OpenAI 的生命科學研究主管 Joy Jiao 對《Scientific American》說「設計最佳實驗本身是一個難題，很難產生最佳解，正確性也很難驗證。」這個合作沒有公開金額，本質上是一個由 OpenAI 出資的研究示範，而不是典型的多年商業協議，Ginkgo 2025 年第 4 季財報並未直接歸因於它的營收，但更值得注意的是，Ginkgo 在公布這個結果的同一份新聞稿裡，宣布要拆分賣掉非核心的生物安全（Biosecurity）業務、把公司聚焦於自主實驗室這個主軸，並在 2026 年 3 月 2 日正式推出 Ginkgo Cloud Lab，提供「每次實驗起跳 39 美元」的雲端定價，產品開發引擎已經把 AI-improved 反應混合液放上 reagents.ginkgo.bio 對外販售。換句話說，那篇論文不是場學術活動，是 Ginkgo 從合成生物學服務商轉型為實驗算力雲的開機儀式，Kelly 自己類比「生物學界的 Waymo，研究者只要設定目標，AI 來開車」。

乾濕實驗室融合並不等於賺錢的生意，乾的部分（模型）資本效率極高，濕的部分（自動化機器人 ╳ 試劑 ╳ 人員）反而是現金黑洞，Kelly 在 Sequoia 訪談裡有一句話特別值得記住，「我們要把研究的成本結構從 95% 是人事、空間、設備，翻轉成 90% 是試劑」，描述的是一個還在發生中的工業革命，不是已經抵達彼岸的結果。Ginkgo 2025 全年營收只剩 1.7 億美元（年減 25%），其中細胞工程業務 1.33 億、生物安全業務 0.37 億；GAAP 淨損 3.13 億美元，現金及有價證券 4.23 億美元，公司 2026 年明確不給營收指引，只說現金燒款預估在 1.25 至 1.5 億之間。即便擁有人類目前最自動化的實驗工廠、剛拿下 OpenAI 合作與美國能源部 Genesis Mission 4700 萬美元合約（97 台機器人，預計 2030 年上線），Ginkgo 仍然必須在 2026 年用「替代實驗台、按次計費」的雲端商業模式，從零開始證明自己。

DeepMind ╳ Isomorphic Labs，從預測蛋白到自造藥的垂直整合

如果 OpenAI ╳ Ginkgo 走的是通用模型 ╳ 通用實驗工廠這條路，那 Google DeepMind ╳ Isomorphic Labs 走是用一系列專為特定科學問題打造的基礎模型（Foundation Models），打造一條從蛋白質結構到分子設計、再到自有臨床管線的垂直整合鏈。這條路的起點是 2018 年 CASP13 上首次亮相的 AlphaFold 1，但真正改寫一切的是 2020 年 CASP14 上的 AlphaFold 2，當年 97 個目標蛋白裡有 88 個由它拿下最佳預測，3 分之 2 達到接近實驗解析度的 GDT 大於 90 分；2021 年 7 月發表於《Nature》的論文累計引用接近 4 萬 3 千次，是史上最高被引論文之一。AlphaFold 2 的核心是 Evoformer 加結構模組（Structure Module）的雙塔架構，搭配多序列比對（Multiple Sequence Alignment）與三角不等式更新（Triangle Multiplicative Update），把蛋白質結構預測從一個 50 年的科學謎題變成可下載的開源工具；其衍生的 AlphaFold Protein Structure Database 在 2022 年 7 月一次釋出 2 億個結構，覆蓋幾乎全部 UniProt 序列，目前累計使用者超過 300 萬人、來自 190 多個國家。

2024 年 5 月 8 日，Google DeepMind 跟 Isomorphic Labs 一起在《Nature》發表 AlphaFold 3，用擴散模型（Diffusion Model）取代結構模組、用 Pairformer 取代 Evoformer，把預測能力從單純蛋白質擴展到蛋白 — 配體（Ligand）、蛋白 — DNA、蛋白 — RNA、蛋白 — 離子的聯合複合物。AlphaFold 3 也是一場學術倫理的試煉，論文初版只附 Pseudocode、未開源完整權重，加州大學舊金山分校的 James Fraser 等超過 1000 位科學家連署抗議，最後在 2024 年 11 月 11 日，DeepMind 妥協釋出非商業學術用途的 Code 與 Weights。同年 10 月，Demis Hassabis 跟 John Jumper 共享諾貝爾化學獎的一半（華盛頓大學的 David Baker 因從頭蛋白設計拿下另一半），AI 第一次正式登上自然科學的最高殿堂。

DeepMind 還生出了一整窩科學模型，2023 年 9 月在《Science》發表的 AlphaMissense，對人類所有約 7100 萬個錯義突變（Missense Variants）做致病性預測，把過去人類專家只能標註千分之 1 的領域變成全基因組的可讀地圖；2024 年 9 月推出的 AlphaProteo 完成了從「預測現有蛋白」到「從頭設計蛋白結合劑（Binder）」的跳躍，對 SARS-CoV-2 Spike RBD、PD-L1、VEGF-A 等 7 個目標的結合親和力相對既有最佳方法提升 3 到 300 倍，且首次成功設計出 VEGF-A 結合劑；2025 年 6 月發布、2026 年正式刊登於《Nature》的 AlphaGenome 進一步把輸入長度推到 100 萬鹼基對、輸出單鹼基解析度，以一個模型統一基因表達、染色質可及性、剪接、轉錄因子結合等 11 類任務，發布 7 個月內已被 160 國的近 3000 位科學家使用。

DeepMind 的科學模型工廠養出了 Isomorphic Labs，Isomorphic 在 2021 年 2 月於英國 Companies House 註冊、11 月公開亮相，是 Hassabis 親自兼任 CEO 的 Alphabet 子公司，總部設在倫敦 King’s Cross，並在洛桑與美國麻州劍橋設有辦公室。Isomorphic 押的是一個雙軌商業模式，對外提供平台給藥廠合作、對內推自有腫瘤與免疫 Pipeline 到臨床。對外的部分，2024 年 1 月 7 日同一天宣布的兩個合作震撼了業界，跟 Novartis 簽下 3750 萬美元預付加最高 12 億美元里程碑、覆蓋 3 個未公開標的（2025 年 2 月擴大為 6 個）；跟 Eli Lilly 簽下 4500 萬美元預付加最高 17 億美元里程碑、多個未公開標的；2026 年 1 月 20 日再加一個跨模態（Cross-Modality）的 Johnson & Johnson 合作，從小分子延伸到抗體、胜肽、分子膠（Molecular Glue）。在募資端，Isomorphic 2025 年 3 月 31 日宣布由 Thrive Capital 領投、Alphabet 與 GV 跟投的 6 億美元 Series A，估值約 25 億美元；Hassabis 在《紐約時報》訪談說「公司其實不需要這筆錢」，募資是為了招募頂尖人才。

對內，Isomorphic 在 2026 年 2 月 10 日發布的 IsoDDE（Isomorphic Drug Design Engine）才是它真正的核心資產，一個整合結構預測、Docking、結合親和力估計、口袋發現的統一系統，在「Runs N’ Poses」這類分布外（Out-Of-Distribution）測試上的準確度是 AlphaFold 3 的 2 倍以上；對小分子結合親和力的預測，據報告超越基於物理的 Gold Standard 方法、但只需時間與成本的一小部分。Hassabis 在達沃斯 2026 年論壇修正了原本 2025 年底前進臨床的時程，承諾到 2026 年底前，第一批由 AI 設計的腫瘤與免疫候選藥進入人類試驗；Max Jaderberg 在 2026 年 1 月 1 日由 Chief AI Officer 升任 President（前任 Colin Murdoch 卸任），主導這場 Racing Toward Clinical Reality 的衝刺。Isomorphic 至今沒有任何已上市藥物，IsoDDE 也不對外開放使用，這是它跟 Ginkgo Cloud Lab、Lila Sciences、Anthropic 等開放路線最根本的差異，是家用 AI 自己造藥、把分子變成資產的公司。

Anthropic 的安全派路線，當中介層比模型還重要

Anthropic 在這場競賽中走的是一條跟 OpenAI、DeepMind 都不同的路，它不自己造藥，也不自己蓋實驗室；它做的是把 Claude 變成生命科學工作流程的中介層（Middleware）。2025 年 10 月 20 日，Anthropic 發布 Claude For Life Sciences，在達沃斯前夕由 Life Science 負責人 Eric Kauderer-Abrams 對 CNBC 直白宣示「我們希望全球生命科學的工作量裡，有相當大一部分是跑在 Claude 上，就像今天的軟體工程裡發生的事情一樣。」此前 1 個月發布的 Claude Sonnet 4.5 在 Protocol QA 基準上拿下 0.83 分，超越人類專家的 0.79；Opus 4.5 進一步在科學圖表詮釋、計算生物學、蛋白質理解等內部測試上提升表現。

Claude For Life Sciences 的差異化不在模型本身，而在於連接器（Connector）生態，最初發布的整合對象包括 Benchling 這個服務全球 1300 家生技公司的電子實驗室筆記本（ELN）、PubMed、10x Genomics 的單細胞定序、Synapse、BioRender、Wiley Scholar Gateway；2025 年底到 2026 年初擴張到 Medidata 的臨床試驗系統、ClinicalTrials.gov、ToolUniverse 上 600 多個科學工具、bioRxiv ╱ medRxiv 預印本、Open Targets、ChEMBL，並於 2026 年 1 月 12 日的 JPMorgan 醫療大會與 Owkin 整合，後者基於 800 家醫院、10 年資料的 K Pro Agent 社群，將其 Pathology Explorer 透過 Model Context Protocol 接上 Claude。真正的破壞性升級則發生在 2026 年 1 月，Anthropic 在同場 JPM 大會上推出 Claude For Healthcare，加入 HIPAA-Ready 基礎設施、CMS Coverage Database、ICD-10、National Provider Identifier Registry、HealthEx EHR 連接器，以及一系列 Agent Skills（包括把儀器資料轉成 Allotrope 格式、scVI-Tools 單細胞分析、Nextflow 部署、臨床試驗方案草稿、預先授權審查），目標客戶從 Sanofi、Novo Nordisk、AbbVie、Genmab 一路擴展到主要保險商與 Healthcare System。

Anthropic 的差異化武器不只是連接器，更是 Constitutional AI 與生物武器紅隊（Frontier Red Team）的安全立場，Claude Opus 4 發布時觸發 ASL-3 防護，特別針對化學、生物、輻射、核（CBRN）武器相關任務；首席科學家 Jared Kaplan 對《TIME》警告：「你可以試著用模型合成類似 COVID 或更危險的流感病毒，我們的建模顯示這也許做得到」，所以模型部署了 Constitutional Classifiers 來掃描提示與回應，偵測長串生物武器建造意圖的問題鏈。Novo Nordisk 的 Louise Lind Skov 公開表示，正是 Anthropic 對 AI 安全的承諾，讓他們選擇用 Claude 把醫學內容自動化從 10 週縮成 10 分鐘。然而到 2026 年 3 月，美國衛生及公共服務部（HHS）以 Anthropic 拒絕讓 Claude 用於軍事為由，將其列為禁止合作者，可能影響 FDA 內部的 Elsa AI 藥審工具，是這條安全派路線必須付出的代價。

Anthropic 的另一個 Signal 是在 2026 年 4 月初，以大約 4 億美元股票收購 Coefficient Bio，一家 2025 年 8 月才剛成立、員工只有 6 到 9 人的紐約新創，創辦人 Aris Theologis、Nathan Frey（前 Biogen Principal Scientist）、Samuel Stanton 跟 Joyce Hong 來自 Genentech Prescient Design 與 Roivant，使命是為科學打造人工超智慧。Coefficient 加入 Eric Kauderer-Abrams 的團隊之後，代表 Anthropic 在剛完成估值 3800 億美元的 Series G 之後，已經從中介層走向自有研發引擎，這個動作把它跟 Isomorphic、Lila、Edison 拉到了同一張競爭地圖上。

Lila Sciences，花 5.5 億美元打造一個還沒看到資料的願景

Lila Sciences 是這場革命中野心最赤裸的玩家，不像 Ginkgo 從生物起家、Anthropic 從通用模型起家，而是直接以「打造科學的超智慧」為旗幟，從 AI 跟實驗的雙向閉環從零開始建造。Lila 在 Flagship Pioneering 內部潛行了 3 年（2023 年成立），由 Geoffrey Von Maltzahn 領軍，這位 MIT 生醫工程博士是 Flagship 的 General Partner，過去共同創辦過 Tessera Therapeutics、Generate:Biomedicines、Sana Biotechnology（NASDAQ: SANA）、Indigo Agriculture、Seres Therapeutics（NASDAQ: MCRB）、Quotient Therapeutics、Mirai Bio，累計市值超過 100 億美元、握有 200 多項專利。共同創辦人 Molly Gibson 是 Future Science 部門總裁、共同創辦過 Generate:Biomedicines；領導陣容還包括哈佛遺傳學家 George Church 擔任首席科學家、MIT 材料系 Rafael Gómez-Bombarelli 任材料 CSO、前 OpenAI 的 Kenneth Stanley 任開放性（Open-Endedness）副總裁、前 Navy SEAL 的 Chris Fussell 任營運總裁。

Lila 2025 年 3 月 10 日宣布 2 億美元種子輪由 Flagship 自家領投，General Catalyst、March Capital、ARK Venture Fund、密西根州退休系統與 ADIA 子公司跟投；同年 9 月 15 日 Series A 第一輪 2.35 億美元由 Braidwell 與 Collective Global 共同領投；10 月 14 日 Series A 加碼 1.15 億美元，這次由 NVIDIA NVentures 領投、Analog Devices 戰略合作，累計募資 5.5 億美元，估值在 Series A 後被定錨在 12 億美元，正式成為 AI For Science 領域的獨角獸。Von Maltzahn 把 Lila 的概念稱為科學方法機器（Scientific-Method Machines），一個統一的設施，AI、軟體、客製硬體閉環協作，AI 生成假說、設計實驗、執行、學習結果、迭代；他們已經跑了數十萬個 AI 驅動實驗，每個任務有 200 個 Agent Rollout 同時並行；自稱在生命科學端產出了數百個新抗體、胜肽、結合劑，在化學端設計出非鉑族綠氫催化劑，在材料端做出碳捕獲吸附劑。

截至 2026 年 4 月，《Fierce Biotech》已經點名 Lila 尚未公開發布任何資料以支持這些宣稱，「自主科學超智慧」是個極具魅力的願景，也是個極大的炒作風險。Lila 跟 Ginkgo 的根本差異在於：Ginkgo 是 Bio Lab（實驗為主、AI 是工具），Lila 是 AI Lab（AI 是主體、實驗是驗證器），《波士頓環球報》把這兩家放在對比框架下，「Ginkgo 在過去一年放下其原本路線、轉型為實驗算力雲；劍橋的 Lila 則在談論用 AI 不只執行實驗、還要構思實驗。」對投資者而言，Lila 是一個典型的願景估值案例，你買的是 Von Maltzahn 過去 7 家上市公司紀錄與 Flagship 從 Moderna、Generate 一路走過來的孵化能力，而不是任何已驗證的科學產出。

FutureHouse 與 Kosmos，開源派的逆襲

FutureHouse 跟它的商業分拆 Edison Scientific 用非營利、開源、學術倫理為基礎，挑戰商業大公司的封閉策略。FutureHouse 在 2023 年 9 月由 Eric Schmidt 個人資助，於舊金山成立，公開亮相是同年 11 月 1 日，創辦人 Sam Rodriques 是 MIT Ed Boyden 實驗室出身的理論物理、神經科學跨界博士，曾在倫敦 Francis Crick Institute 領導生物工程實驗室 2 年；共同創辦人 Andrew White 是羅徹斯特大學化學工程副教授、ChemCrow（2024 年《Nature Machine Intelligence》最佳論文獎）共同作者，也是 OpenAI 邀請的 GPT-4 化學紅隊成員。

FutureHouse 的產品線在生命科學社群裡有極高的辨識度，他們以鳥類為模組命名，PaperQA 是文獻檢索與摘要的核心；Crow 是生產級的 PaperQA2、回答單一問題；Falcon 處理深度文獻 Review，能同時讀數百到數千篇論文；Owl 做新穎性偵測、回答「有沒有人做過這個？」；Phoenix 是部署版的 ChemCrow，做化學資訊與合成設計；Finch 跑 Jupyter Notebook 風格的資料分析；Robin 是把 Crow、Falcon、Finch 串起來的多代理系統。底層框架 Aviary 是語言代理的健身房，LDP（Language Decision Process）則把馬可夫決策過程改寫成自然語言版本；2025 年 6 月還釋出 240 億參數的開源化學推理模型 ether0，在化學任務上超越 Claude、o1、o3 與人類專家。Robin 系統在 2025 年 5 月做出第一個端到端的 AI 科學發現案例，從文獻 Review 提出「強化視網膜色素上皮細胞吞噬作用可治療乾性年齡相關性黃斑部病變（Dry AMD）」假說，第 1 輪藥物篩選找到 ROCK 抑制劑 Y-27632，第 2 輪推薦日本已上市的青光眼藥 Ripasudil，實驗驗證確實能讓吞噬作用提升 7.5 倍，從概念到論文提交只用了 2.5 個月。

2025 年 11 月 4 日上 arXiv（編號 2511.02824）、5 日公告的 Kosmos AI Scientist，是 FutureHouse 的代表作，Kosmos 的核心創新是結構化世界模型（Structured World Model），兩個主要 Agent（資料分析 Agent 與文獻搜尋 Agent）透過一個持續更新的世界模型共享資訊，一次運行最長 12 小時、用 200 個 Agent Rollout、平均一次跑出 4 萬 2 千行程式碼、讀 1500 篇論文，跨數千萬 Token 維持邏輯連貫；FutureHouse 自稱這是「目前任何領域裡計算密度最高的語言Agent」。獨立科學家驗證 Kosmos 陳述準確率為 79.4%；7 位使用者調查顯示，1 次 20 循環的 Kosmos Run 等於平均 6.14 個月的博後工作量，且工作產出隨循環數呈線性提升，FutureHouse 把這稱為第一條科學研究的推理時間規模化定律（Inference-Time Scaling Law For Scientific Research），每次運行費用 200 美元，每個結論都可追溯到具體程式碼或文獻段落。Sam Altman 在 X 上罕見地對競爭對手公開背書：「我預期會有更多這樣的東西出現，這將是 AI 最重要的影響之一。」

Kosmos 公開的 7 項發現裡，3 項再現了發表前的研究（包括低體溫小鼠腦中代謝路徑切換到核苷酸代謝、鈣鈦礦太陽能電池的濕度致命閾值、神經元連接性的跨物種數學規律），4 項是新的發現，包括用孟德爾隨機化從公開 GWAS 與 pQTL 資料中發現高循環 SOD2 可能因果性降低心肌纖維化，rs9379084 為第二型糖尿病保護性變異，以及最重要的阿茲海默症發現內嗅皮質神經元（最早累積 Tau 蛋白的細胞）隨年齡降低 Flippase Expression，可能導致細胞表面磷脂醯絲胺酸暴露增加，觸發小膠細胞吞噬與降解，並在獨立的人類 AD 單細胞 RNA-Seq 資料集中得到驗證。Edison Scientific 在 2025 年 11 月作為 FutureHouse 的商業分拆成立，由 Rodriques 與 White 兼任 CEO 與 CTO，2025 年 12 月 18 日宣布 7000 萬美元種子輪、估值 2.5 億美元，由 Triatomic Capital、Spark Capital 領投，天使包括 Google 首席科學家 Jeff Dean 在內的多位 AI 與藥廠領導層。FutureHouse 自己用一句話總結它的位置：「Kosmos 不是一個聊天機器人，它是一個科學試劑」。

中國雙引擎，晶泰、百圖、津渡的三條路

晶泰科技（XtalPi）是中國最像 Ginkgo 的公司，由溫書豪、馬健、賴力鵬 3 位 MIT 物理博後在 2014 年於波士頓構想、2015 年 9 月在深圳註冊成立，3 個人都是物理背景出身，溫書豪是中科院大連化物所物理化學博士；馬健是浙大物理博士、研究量子資訊與量子計算，2019 年入選《MIT Technology Review》35 歲以下創新者（TR35）；賴力鵬是芝加哥大學物理博士、北大物理數學雙學士。創業的轉折點是 2016 年在輝瑞舉辦的全球晶體結構預測盲測賽中奪冠，由此跟輝瑞簽下 10 年戰略合作，馬化騰拍板由騰訊在 A 輪投資並追加 3 次。

晶泰的核心是「量子物理 ╳ AI ╳ 機器人自動化」的三角融合，ID4Inno™ 平台整合超過 500 個 AI 模型與高精度計算化學算法，覆蓋 Target 分析、分子生成、虛擬篩選、合成路徑推薦、結果預測，形成 DMTA 閉環；自 2019 年起在深圳河套深港科技創新合作區自建自動化實驗室，到 2024 年底 Wet Lab 面積累計超過 1 萬平方米、分布於深圳、上海、北京、波士頓，部署百台規模自動化工站與 AGV 小車，馬健在 2025 年 4 月 29 日向習近平做匯報時聲稱「人效提升 5 倍、資料收集能力提升 40 倍」。

2024 年 6 月 13 日，晶泰以 5.28 港元發行價、9.89 億港元淨募資登陸港交所，成為港交所 18C 章特專科技公司的第一股，也是港股 AI 製藥第一股；上市 3 個月內市值衝破 500 億港元，2024 年 9 月納入恆生綜合指數與滬港通；Ginkgo Fund I 還是它 8 家基石投資者之一，認購 1000 萬美元，兩家公司在乾濕融合路線上彼此認證的有趣畫面。晶泰的商業合作密度遠超台灣同業認知，輝瑞 10 年戰略合作（2018 年起，協助 Paxlovid 晶型預測 6 週完成、提前 1 天獲 FDA 批准）；禮來 2023 年 5 月 31 日的 2.5 億美元 AI 小分子合作（國內 AI 製藥單條管線最高），加上 2025 年子公司 Ailux Biologics 與禮來再簽 3.45 億美元雙特異性抗體合作，累計達 5.95 億美元；強生 2024 年 10 月與 Janssen Biotech 的 XtalFold™ 大分子授權；2025 年 8 月與 Gregory Verdine 創立的 DoveTree Medicines 簽下總訂單規模約 470 億港元（59 億美元），是 AI 藥物發現合作訂單的全球新紀錄。

財務面，晶泰 2025 上半年營收 5.17 億人民幣（年增 403.8%），首次實現半年盈利 1.42 億；現金結餘到 2025 年 6 月底為 53 億人民幣，加上 2025 年初兩次配售淨募資 29.68 億人民幣，可維持運營約 10 年。晶泰本身不持有臨床 Pipeline，是賦能型平台，透過孵化希格生科（全球首款基於類器官 + AI 開發的瀰漫性胃癌靶向藥 SIGX1094R，已獲 FDA 孤兒藥認定，北大腫瘤醫院 I 期中）、默達生物（全球首款口服 LDH 抑制劑，治原發性高草酸尿症）、萊芒生物（CAR-T）、深度原理（材料）等十多家公司來持有間接權益，2024 年底公司更名去除「Pharm」字樣，從 QuantumPharm 改為 XtalPi，業務重心也從藥物發現轉向更廣泛的 AI For Science，反映中國 AI 製藥產業的商業化困境，也呼應了 Ginkgo 從生技服務轉向實驗算力雲的同步路徑。

百圖生科（BioMap）走的是另一條路，中國版 Isomorphic Labs，由百度創辦人李彥宏與前 BV 百度風投 CEO 劉維於 2020 年 9 月以個人出資創立，總部北京、研發中心橫跨硅谷、北京、蘇州、香港。核心資產是 xTrimo 系列大模型，xTrimoPGLM 蛋白質語言模型於 2023 年 7 月放上 bioRxiv，2025 年 4 月正式發表於《Nature Methods》，規模 1000 億參數、訓練 Token 1 萬億、用了 768 片 NVIDIA A100，在 18 個基準測試中於 13 項顯著超越 ESM-2；衍生的 xTrimoPGLM-Ab 抗體模型推理速度比 AlphaFold 2 快數十到數千倍。2024 年 10 月在第三屆中國生物計算大會發布的 xTrimo V3 是全球規模最大的生命科學基礎模型，2100 億參數、覆蓋 DNA、RNA、蛋白質、細胞、生物文本、生物系統等 7 大模態，DNA 序列長度突破 128K，採用蛋白領域全球首個 MoE（混合專家）架構。商業端 2023 年 10 月與賽諾菲（Sanofi）簽下 1000 萬美元預付加超過 10 億美元里程碑的合作，里程碑首次以「模型開發進度」而非「藥物進度」結算，是 MaaS（Model-As-A-Service）商業模式的首例。2024 年 6 月港投公司領投新一輪融資，BioMap 承諾優先以香港作為 IPO 地點；2026 年 3 月彭博社報導百圖已秘密向港交所遞交 A1 申請，由中金、摩根士丹利、UBS 保薦，但百圖至今沒有任何管線進入 IND，跟英矽智能（Insilico Medicine）10 個 IND 對照下，將成為它上市估值的最大短板。

深圳津渡生物醫學科技有限公司，英文名 OxTium Technology，2022 年成立於深圳南山，由 4 位牛津大學校友共同創辦，CEO 金泳成博士的指導教授是奈米孔測序開創者、Oxford Nanopore 創辦人 Hagan Bayley。OxTium 的定位跟晶泰、百圖完全不同，它不是 AI 製藥公司，而是 AI For BioScience 服務商，旗艦產品是 15 億參數的 GeneLLM™ 多組學基礎模型（預訓練資料含 3.5 兆鹼基序列加 230 億測序序列）跟 BioFord™ 一站式生物科學研究平台。融資規模也小得多，2025 年 10 月由紅杉中國種子基金領投天使加輪（數千萬人民幣），加上 Pre-A 與 Pre-A+ 累計近 1 億人民幣，它的價值不在於對標 OpenAI 或 DeepMind，而在於成為中國本土科研機構（北大醫院、華大基因、中國環境科學院）的 AI 推理一體機供應商。

10 年到 3 年的承諾可信嗎？

AI 製藥從業者不斷宣稱可以把藥物研發週期從 10 到 15 年壓縮到 2 到 3 年，這個承諾在 2026 年的此時必須誠實檢驗，部分為真，但大部分仍是過度行銷。BCG 在 2024 年 6 月發表於《Drug Discovery Today》（DOI 10.1016/j.drudis.2024.104009）的研究是目前最系統性的數據盤點，在他們追蹤的 24 個 AI 設計分子裡，Phase 1 通過率高達 80% 到 90%，遠高於歷史平均的 40% 到 65%；但 Phase 2 通過率仍然落在大約 40%，跟傳統藥物的歷史均值幾乎完全一致；從 IND 到上市的 End-to-End 機率，BCG 估計從傳統的 5–10% 提升到 AI 時代的 9-18%，真正的瓶頸不在發現端，而在生物學本身的不可預測性。

Recursion 跟 Exscientia 在 2024 年 8 月宣布合併、11 月以 6.88 億美元全股票交易完成，被《Fierce Biotech》形容為「兩個受傷的 AI 製藥代表的抱團取暖」，Exscientia 的 DSP-1181（強迫症長效 5-HT1A 激動劑）曾是全球首個進入臨床的 AI 設計藥物，但 2022 年靜悄悄終止 Phase 1；CAS 化學結構分析顯示它跟 1967 年 FDA 批准的氟哌啶醇（Haloperidol）相似度極高，並非真正的全新分子。Exscientia 創辦人 Andrew Hopkins 也於 2024 年 2 月因不當關係被董事會解職，合併後的 Recursion 在 2025 年 5 月一次性砍掉 4 條管線 REC-994（CCM）、REC-2282（NF2）、REC-3964（C. Difficile）以及更多項目，理由是整體資料支持停止、腫瘤縮小有限、臨床活性弱，並裁員 20%（約 160 人）。REC-994 在 2024 年 9 月公布的 SYCAMORE Phase 2 一度看似成功，達到主要安全 Endpoint、400 毫克組 12 個月時 50% 病人病灶體積縮小，但長期延伸數據未維持，半年內被 Terminate。BenevolentAI 更慘，2023 年 4 月 BEN-2293（外用 pan-Trk 抑制劑治異位性皮膚炎）的 Phase 2a 雖達主要安全終點但療效未顯著；2024 年 12 月公司宣布從 Euronext Amsterdam 退市，創辦人 Kenneth Mulvany 透過 Osaka Holdings 私募 Entity 把上市估值從超過 10 億英鎊壓縮到 3000 萬英鎊收場。最有可能成為「AI 製藥真正成功故事」的是 Insilico Medicine 的 INS018_055（Rentosertib，特發性肺纖維化），其 Phase 2a 71 例、12 週數據於 2025 年 6 月發表於《Nature Medicine》、2025 年 12 月 30 日以 24.05 港元在港交所掛牌（29300 倍超額認購）；但 IPF 的 FDA 真正考驗是 52 週以上的 FVC（用力肺活量）Data，這場勝仗至少還要等 3 到 5 年才能下定論。

資料瓶頸：公開資料庫如 ChEMBL、PubChem、PDB、UK Biobank 雖然龐大，但藥理學論文的可重複性僅約 50%、實驗條件不一致；Private 高品質資料變成新的競爭護城河（Recursion 的 50 PB、Tempus 的腫瘤多組學、Owkin 的聯邦學習網路）。Wet Lab 的物理瓶頸，細胞培養 2 到 3 週是穩定細胞株的最低時間、無法被任何 AI 壓縮；GLP 毒理試驗 9 到 26 週是法規要求；致癌試驗在囓齒類身上要 2 年，自動化雲端實驗室並沒有讓生物實驗加速，只是讓它們可以並行，這個區別至為關鍵。臨床試驗瓶頸：美國慢性病三期試驗平均招募期是 12 到 18 個月，CCM、NF2、IPF 等罕見病更慢；IPF 看 FVC 要 52 週、腫瘤總 Overall Survival Endpoint 要 2 到 5 年 Follow-Up，AI 唯一可能加速的部分是病人精準招募、試驗點選擇與方案設計。監管瓶頸：FDA 在 2025 年 1 月 6 日才剛發布草案指引 Considerations For The Use Of AI To Support Regulatory Decision-Making （7 步可信度評估框架、依使用情境分類風險），最終指引預期 2026 年第二季發布；ICH M15、EMA 的 AI 反思文件、日本 PMDA 的 AI ╱ ML 活用指引也都還在制定中。FDA CDER 在 2016 到 2023 年總共收到含 AI 元件的申請超過 500 件，光 2021 年就有 132 件，監管端的學習速度趕不上產業端。AI 在標的識別到 IND 階段，能把 4 到 5 年壓到 1 到 2 年，這是真的；AI 把全週期從 10 到 15 年壓到 2 到 3 年是過度承諾，且目前無任何 AI 設計藥物已上市。

CRO ╱ CDMO 的不對稱衝擊

這場乾濕融合革命對代工產業的衝擊極不對稱，早期發現端（Discovery CRO）正面臨結構性侵蝕；後期製造端（CDMO）反而因模態多樣化而需求暴漲。Charles River Laboratories 是這個分歧最清晰的指標，2024 年全年營收 40.5 億美元、年減 1.9%，第三季裁員 3%（642 人）；2025 年 5 月與最大股東 Elliott Investment Management 合作啟動策略檢討，CEO James Foster 警告 2025 年仍將下滑；放棄 7% Underperforming or Non-Core 業務、目標 2 年節省 3.5 億美元成本，FDA 與 NIH 朝向減少動物測試的方向發展，藥廠客戶在 AI 加持下削減早期 R&D 外包支出。Pharmaron（康龍化成）2024 年第 4 季新訂單雖年增 20%，但毛利率與利潤已承壓，公司從 Discovery CRO 加速往後期 CDMO 轉型。

對比之下，CDMO 賽道的訂單漲爆，Lonza 在 2024 年 10 月以 16.94 億美元從 Roche 收購 Vacaville 廠（33 萬升哺乳細胞產能、全球最大 Biologics 設施之一），2025 年 CDMO 營收 CER 增長接近 20%；Samsung Biologics 2024 年合併營收 4.55 兆韓元（約 33 億美元、年增 23%），新合約總值 43 億美元、累計合約 163 億美元，服務全球前 20 大藥廠中的 17 家。Catalent 2024 年 12 月被 Novo Holdings 以 165 億美元全現金私有化，是該年最大生技 M&A，隨後 Novo Nordisk 又以 110 億美元從 Novo Holdings 買下 Catalent 義大利、比利時、印度 3 個 Fill-Finish 廠，全為 GLP-1 產能準備。藥明系也走向兩極化，藥明康德（WuXi AppTec）2024 年營收 392.4 億人民幣年減 2.9%，但 2025 前 9 月美國營收成長 31.9% 至約 31 億美元；2025 年 12 月 18 日 Trump 簽署修訂版 BIOSECURE Act 並未直接列名 WuXi 三家，只是讓 House Select Committee On China 致函建議將其列入 1260H 名單，命運懸而未決；藥明生物（WuXi Biologics）2024 年營收 186.75 億人民幣（年增 9.6%），2025 年 1 月以 5 億美元出售愛爾蘭 Dundalk 疫苗廠給 Merck，反而換來市場對其聚焦能力的肯定。

台灣的位置很有意思，保瑞藥業（6472.TWO）正在打生技業鴻海這張牌，2024 年合併營收 192.5 億新台幣（年增 35.5%、台股生技創新高）、EPS 38.69 元；海外營收 129.7 億占 62%；包含 2024 年 4 月以 2.1 億美元收購美國 Upsher-Smith Laboratories（明尼蘇達州的首個美國本土 CDMO 廠）、10 月收購 Pyros Pharmaceuticals 罕病、加上前 JHL Biotech 的 Eden Biologics CDMO 資產（5000 萬至 1 億美元），累計 7 座工廠、目標 2029 年營收挑戰 400 億元、進軍全球前 10 大 CDMO。台康生技（6589.TW）的 EG12014（Trastuzumab Biosimilar，Sandoz 在歐洲以 Herwenda 銷售）2025 年 6 月 FDA 接受 BLA 申覆審查；EG1206A（Pertuzumab Biosimilar）2025 年 1 月獲 FDA 同意 Phase 3；生物藥廠通過 5 國 GMP 查核（亞洲少數），南科橋頭園區規劃 2028 到 2032 年 3 期擴建至 175500 升，BIOSECURE Act 的潛在訂單轉移效應是台灣生技 CDMO 最大的順風。Emerald Cloud Lab、Strateos 等雲端實驗室並未真正侵蝕台廠 cGMP 製造業務；它們侵蝕的是 Discovery 階段的小型外包，影響落在 Charles River 而非保瑞、台康。AI 並未壓縮 cGMP 跟臨床試驗執行的物理時間，反而因為 ADC、雙特異性抗體、寡核苷酸、胜肽類等模態多樣化，使 CDMO 訂單擴大，真正受益者是擁有 cGMP 產能的玩家，受傷者是純早期 Discovery 加動物模型的 CRO。

台灣 ICT ╳ 醫療資料 ╳ CDMO 的三角

台灣最真實的 AI 生醫優勢，是 ICT、醫療資料、CDMO 製造這個三角，而不是新藥 AI 設計，後者落後 Insilico、Iambic、Recursion 至少 3 到 5 年，但三角優勢若整合得宜，台灣有機會成為亞洲 AI 生醫的運算中心。學研端的格局正在轉變，中央研究院 2026 年 1 月 2 日由賴清德總統任命陳建仁院士接任第 13 任院長（前任廖俊智任期至 2026 年 6 月 20 日），陳建仁的流行病學跟公衛背景，可能加碼推動 AI 結合健保資料整合，翁啟惠院士主持的醣科學工作已經把程式化多醣體合成寫成 Auto-CHO 軟體，引入 AI 演算法成功合成 4 種重要寡醣分子；台灣精準醫療計畫 TPMI 收案突破 56 萬人，2025 年 12 月於《Nature》發表 2 篇研究、建立 265 項疾病的多基因風險評分（PRS），補足全球漢人族群在精準醫療領域的關鍵缺口；國衛院藥物所推出 AI 藥物開發平台 AMIC、整合 ProteinMPNN、RFdiffusion、AlphaFold、RoseTTAFold 演算法，何志明院士發明的 AI-PRS 人工智慧表型反應曲線於 2023 年發表，國衛院電子報指出「人工智慧於藥物開發的應用仍處於萌芽階段。」國家生技研究園區則在 2026 年 1 月舉辦 AI 的發展與對生技創新的衝擊講座，並見證安宏生醫的 AH-001（雄性禿）成為台灣首家 AI 新藥廠、完成美國 Phase 1 試驗；安宏生醫由前太景生技 18 年研發老將林助強於 2020 年創立、自建 AIMCADD 平台、跟 NVIDIA 合作參加 GTC，2023 年 4 月 A 輪募資 1000 萬美元（台杉領投）。

新創端最具代表性的是雲象科技（aetherAI），創辦人葉肇元醫師打造的 aetherAI Hema，是全球第一個取得醫材許可證的骨髓抹片 AI 自動分類計數系統，aetherSlide 數位病理影像、aetherAI Endo 大腸瘜肉偵測系統皆獲 FDA 與歐盟 IVDR 認證；客戶涵蓋台大癌醫、長庚、北榮、三總，海外含德國法蘭克福大學醫院、日本國立癌症中心東病院、美國匹茲堡大學醫學院、Cedars-Sinai。雲象 2024 年 11 月 26 日登錄興櫃（每股 32 元），廣達電腦持股 15%，2025 年 11 月 21 日申請創新板上市，承銷價暫定 25 元，上市前業績發表會由台大醫院吳明賢院長與生策會楊泮池會長站台。Deep01（愛因斯坦人工智慧）由周仁海創立，是亞太地區第一家以深度學習取得美國 FDA 認證的 AI 醫材公司，腦出血 AI 30 秒內判讀加上 Midline Shift 計算，已跟 20 多國簽獨家代理。華安醫學（HuaAn Medical）2026 年 3 月於 NVIDIA GTC 大會發表「智慧協奏」老藥新用 AI 平台，成為大會 BioPharma 領域唯一入選的台灣團隊。廣達電腦林百里揭示理想跟現實的落差，旗艦平台 QOCA aim 跟健保署、台大醫院醫神計畫、北醫、榮總、國泰、雲林斗六雙星區域聯防、50 多家醫院合作，技轉自國防醫學院的心電圖 AI 判讀平台可診斷 50 多種心臟疾病，但林百里在 2026 年第 19 屆 BTC 承認「廣達近 5 年投入醫療科技，支出與收入非常不平衡 ⋯⋯ 醫師是最聰明的人，要滿足最聰明的人不容易。」鴻海則三箭齊發，Nurabot AI 護理協作機器人（跟台中榮總、川崎重工合作，搭載自研繁體中文 LLM FoxBrain，可減少 30% 護理工時）、智慧醫院數位孿生（用 NVIDIA Omniverse + Isaac Sim）、CoroSegmenter 冠狀動脈 AI 分割模型（已貢獻至 MONAI Model Zoo 開源）。

政策面的訊號相當積極，健康台灣深耕計畫（114 到 118 年）總經費 489 億元，覆蓋優化醫療工作條件、人才培訓、智慧科技醫療、社會責任永續 4 大範疇；衛福部設立負責任 AI 執行中心、臨床 AI 取證驗證中心、AI 影響性研究中心；TFDA 2025 年 8 月 14 日正式實施新版「人工智慧 ╱ 機器學習電腦輔助偵測（CADe）及電腦輔助診斷（CADx）醫療器材查驗登記技術指引」並附獨立性能評估常見問答集；數位發展部的《人工智慧基本法》於 2026 年 1 月 14 日正式上路；國發基金匡列 100 億挹注 AI 新創跟數位經濟，已投資 9 家數位健康公司；台灣人體生物資料庫（Taiwan Biobank）累計超過 25 萬人完整時序資料、可串聯健保資料庫，是台灣 AI 模型訓練的核心資產。台積電跟 NVIDIA 在 2025 年 5 月 19 日宣布在北投士林科技園區興建台灣總部、合作打造台灣首座大型 AI 超級電腦，加上 NVIDIA BioNeMo 平台導入禮來、Thermo Fisher 等合作，半導體優勢延伸到 AI 生醫的工業基礎已經就位，但楊泮池院士警示「精準健康面臨資料分散、健保資料加值受限、穿戴資料儲存於海外 3 大障礙。精準健康不是科技升級，而是國家層級資料治理模式的重塑。台灣若無法透過東南亞與國際市場延伸產品生命週期，智慧健康難成規模產業。」

復健科醫師應該如何看待職業未來

Geoffrey Hinton 在 2016 年的著名預言「應停止訓練放射科醫師、AI 會在 5 年內取代他們」，在 2026 年的此時已被現實證偽，史丹佛的 Curtis P. Langlotz 在 2025 年 12 月於 medRxiv 發表的任務分析預測，5 年內放射科醫師工作小時將減少約 33%（區間 14-49%），但 2025 年美國放射科住院醫師缺額卻創歷史新高 1208 個（年增 4%），平均年薪 52 萬美元（全美第 2 高薪），美國勞工統計局預測 2034 年前職缺成長 5%（高於整體 3%）；Hinton 在 2024 年公開修正立場，「AI 更可能讓放射科醫師更有效率，並提升準確度。」FDA 已核准 700 多個放射 AI 工具，但聚焦在乳癌、肺癌、中風等高量高能見度疾病；複雜次專科（血管、頭頸、甲狀腺、脊椎）幾乎沒有 Cover。瑞典的試驗顯示 AI 安全減少放射科醫師工作量 44%；Eric Topol 在 2024 年 9 月 NIH Grand Rounds 演講中引用《Nature》上 Google DeepMind LLM 在 26 個臨床表現變數（從診斷準確度到病人溝通與同理心）上超越人類醫師的研究，並警告強生研究估計每年 80 萬美國人因誤診重殘或死亡，但 Topol 也誠實指出「未來的醫師不是被 AI 取代，而是被 AI 放大，擁有更多時間、更好的資訊、更強的判斷。」反方觀點來自 Sparrow 跟 Hatherley 在《Hastings Center Report》的論述，在經濟誘因下，AI 將進一步侵蝕醫病關係，而非如 Topol 所願釋放更多陪伴時間。

復健醫學的核心「動作評估、鑑別診斷、再生治療、運動處方、團隊整合、病人關懷」是 AI 短板中的短板，AI 不能徒手鬆動關節、讀出中風病人疲憊眼神背後的 Post-Stroke 憂鬱及中樞疼痛、不能在家屬面前協調復健團隊跨職類的角色作業，但 AI 可以放大復健科的工作邊界，智慧感測器加影像分析即時偵測長者動作、記錄復健進度；個人化 AI 衛教與訓練方案推薦；緯創外骨骼機器人；WaCare 數位療法平台（蔡健儀物理治療師：「物理治療師未來不僅是復健執行者，更是科技與人本照護間重要橋樑」）；AI 解讀骨骼肌肉超音波、脊椎 X 光（緯創、雲象的延伸應用），「AI 影像判讀加臨床整合」反而為復健醫師創造新次專科空間。

新興職業角色的圖譜正在浮現，AI 跟科學家的中介者（為實驗科學家寫 Prompt、客製模型，雲象與安宏的 ML 工程師是台灣對標案例）；實驗自動化工程師（NVIDIA Isaac Sim、Multiply Labs 模式，鴻海康聯、Thermo Fisher 合作）；生物資料策展人（將 EMR 跟 Biobank 資料標準化、清洗，TPMI 跟 Taiwan Biobank 團隊）；AI 驗證科學家（在臨床場域驗證 AI 模型偏差，衛福部臨床 AI 取證驗證中心）；計算生物學家（從序列分析升級為 AlphaFold-Driven 結構生物，中研院基因體中心、安宏）；轉譯科學家（連結 AI 預測跟真實臨床，國衛院 IBPR、台大醫院醫神計畫）；數位病理跟醫療影像專科（葉肇元的雲象模式）；以及對復健科醫師最直接相關的 AI 復健治療規劃師（整合 AI 動作分析跟個人化處方）。Sakana AI 的「AI Scientist」雖在 2025 年通過 ICLR Workshop Peer Review、單篇論文成本只要 6 到 15 美元，但獨立評估發現 42% 實驗失敗、文獻檢索僅淺層關鍵字、虛構引用，AI 取代科學家還很遙遠，但 AI 改寫科學家的工作日常已是現在進行式。

模型 ╳ 自動化雲端實驗室，是新的科學生產力函數

OpenAI 跟 Ginkgo 合作的論文之所以重要，不在於它把 sfGFP 蛋白合成成本降了 40%，而在於它第一次以可量化、可重複、可開源 Schema 的形式，證明前沿大語言模型能夠閉環地驅動一座完整的自主實驗室，Ginkgo 的故事告訴我們乾濕融合的工業化會有殘酷的資本代價（市值蒸發 95%、累計虧損 60 億美元）；DeepMind 跟 Isomorphic Labs 的故事告訴我們科學基礎模型可以變成從蛋白質結構到自有臨床管線的整條垂直整合鏈（兩個合作 30 億美元、估值 25 億美元、預計 2026 年底進入第一個臨床試驗）；Anthropic 的故事告訴我們安全立場可以是商業差異化、也可以是政治風險（HHS 在 2026 年 3 月禁用 Claude）；Lila Sciences 的故事告訴我們願景估值的極限（5.5 億募資、12 億估值、零公開資料）；FutureHouse 跟 Kosmos 的故事告訴我們開源跟非營利路線在 AI 科學家領域的逆襲可能；晶泰科技、百圖生科、津渡生科的故事告訴我們中國的 AI 生醫競爭力是分層的、商業化是困難的；AI 製藥從 10 到 15 年壓縮到 2 到 3 年的承諾是部分為真、大部分為過度行銷；CRO 跟 CDMO 的衝擊是不對稱的，台灣的保瑞、台康正處於 BIOSECURE 順風的有利位置；台灣的優勢在 ICT、醫療資料、CDMO 製造的三角，新藥 AI 設計則仍落後 3 到 5 年；醫師（特別是復健科醫師）將被 AI 放大而非取代。

不要被 AI 取代的恐懼困住，也不要被 AI 全能的炒作迷惑；要主動學習如何質疑 AI、驗證 AI、理解它的限制，並在自己的科別裡找到只有人類醫師能做的那一塊。2026 年 2 月那篇悄悄上線的 bioRxiv 預印本，沒搶到任何頭版，卻在 580 塊 384 孔盤的反應裡，把乾濕融合的破曉時刻釘進歷史座標；模型加自動化雲端實驗室，從此不再是一句行銷口號，而是一條可以 24 小時不停運轉的科學生產線。我們站在一個既興奮又危險的時刻，興奮在 DMTA 迴圈被縮短到 1 個小時，危險在太多故事還沒寫進資料、太多估值還沒兌現成藥，Ginkgo 蒸發 95% 市值的代價、Lila 5.5 億美元的願景溢價、Anthropic 被 HHS 禁用的政治風險，都提醒我們這場革命還在現金黑洞裡踩水。台灣的位置不在新藥 AI 設計的最前線，而在 ICT、醫療資料與 CDMO 製造構成的三角；對於每一位站在臨床第一線的醫師，AI 不會奪走我們的職業，只會放大我們的判斷。

— –

📒 Compiled by — 台中慈濟醫院復健科 R4 陳佳菁醫師 Sigrid Chen, PM&R Resident Physician at Taichung Tzu Chi Hospital, Taiwan; Former Medical Consultant at ASUS Intelligent Cloud Services.