跳转至

Chai Discovery（Matt McPartlon & Neil Patil）

  • 公司: Chai Discovery，蛋白质设计公司，成立约两年半（截至 2026-08）。⚠️ 自我定位是"一个做药的中性软件工厂（a neutral software factory for making medicines）"——明确不做自己的药。
  • 本页两位:
  • Matt McPartlon — 联合创始人，研究侧。PhD 起于理论计算机科学，后转 AI-bio；入行时正赶上 AlphaFold 1 前后蛋白质结构预测"刚开始有生命迹象"的阶段。
  • Neil Patil — 平台与产品负责人（训练/服务基础设施 + 产品化）。经历是 app 开发 → 机器人/自动驾驶（2018–2019）→ SaaS 公司 Vanta 早期员工 → 自己创办安全公司 → 2025 年（Chai 2 发布后不久）加入 Chai。
  • 其他被提到的人: Josh（CEO，曾在 Meta 参与最初的 ESM 论文）、Jack（联创）、Nathan Rollins（早期硬核实验科学家招聘）、Kevin（研究团队里另一位有 bio 背景的人）。⚠️ 姓名拼写均来自自动字幕，本库未核实。
  • 规模: ⚠️ 全公司约 30 人，研究团队约 10 人。
  • watchlist 位置: 经 Latent Space 的 "AI for science" 子系列收录（⚠️ 该子系列不由 swyx / Alessio 主持）。

立场与关注点

商业模式：中性软件工厂

  • ⚠️ "很多 AI for bio 公司在做自己的药。我们完全不那样看自己。" 已公布合作方为 Eli Lilly、Pfizer、Novartis 及第四家（⚠️ 转录稿作 our Gen X，疑为 argenx，本库不认定），并刚再融 4 亿美元。
  • ⚠️ Matt 给的激励论证："我喜欢这里面的激励一致性——我们把模型做得更好，合作伙伴就更成功，然后它自己迭代自己。"
  • ⚠️ 这在本库 AI 商业化与价值捕获 里是罕见的主动放弃向下游整合的样本：与 Retell AI 想替掉客户的 CRM、Decagon 明确不做 CRM 这组对立并读，Chai 是第三种位置——不仅不整合，还把"中性"本身当卖点，因为它同时服务互相竞争的药企。
  • IP 与安全那一关：被告知"药企不会把数据放进平台"，他们的解法是极度激进的数据隔离 + 单租户（几乎给每个客户部署单独版本/账户）。Neil 的安全背景在这里是决定性的。

研究方法论

  • ⚠️ "be bitter lesson pilled"：Chai 2 之后内部分歧——是研究那 25 个失败靶点找共同性质，还是赌模型会变好？"我们绝对是选了后者，然后在那个方向上尽可能猛推。"
  • ⚠️ "复杂性和 bitter-lesson-pilled 是根本对立的。" 他举 AlphaFold 3 大约 23 个子模块（自陈数字可能记错）："你会想'加个模块 24 让它更好'，但你到底该不该加，还是该想想怎么删东西？"办公室墙上挂着 SpaceX Raptor 1 vs Raptor 2 的对比图。
  • ⚠️ 主持人当场给了有分量的反驳：AlphaFold 2/3 之所以 work，恰恰因为它们是相对小、数据效率极高的模型，一层归纳偏置叠一层归纳偏置；要超过它"你真的需要新的数据来源"。本库记为未解决的分歧。
  • "把每个问题映射成核心 ML 问题"：研究团队里"除了我和 Kevin，几乎没人有所谓 bio 背景"。他的类比："人们以为不是生物学家就不能做 AI bio，这就像说你不是导演就不能做视频模型。"⚠️ 但他自己加了限定：蛋白质"确实很难"——结构数据没那么多（序列数据一大堆，这是 ESM 能 work 的解锁点），"如果你拿实验结构数据做同样的事，祝你好运"。

产品哲学：不是聊天框

⚠️ 本库第一份"科学 AI 的界面不该是聊天框"的完整论证：

"看起来远不像 ChatGPT，更像 Autodesk、SolidWorks 或者 Figma"——加载分子，一个近乎 Photoshop 式的设计套件，有相当于画笔工具的东西涂你的 epitope，有相当于内容感知填充的东西生成 binder。

Neil 把这条与他"人才晦涩性"的诊断连起来了：生物之所以吸不到人才，一半原因是它不可视化。

组织：每个人都是资本配置者

  • 研究"几乎像一份投资的工作——你在把想法投向算力"。Neil 推得更广：全公司每个人都在配置注意力和算力。
  • ⚠️ 他对"人 vs 资源"二分法的部分反驳值得记：主持人说 SaaS 公司的约束是人、科学公司的约束是实验室/算力。Neil："那个 API 也有增量成本——你得支持它、它给产品加复杂度、它是又一个要去做市场和销售的东西。"在一个"建东西变得极其便宜"的世界里，稀缺的是注意力——你的和你客户的。

工程判断

  • ⚠️ "算力市场被 LLM 化了（LLM pilled）"——本库 AI 算力与基础设施 里第一条来自非 LLM 工作负载的抱怨：
  • B300 一类新卡，超大规模云与最大的几家 AI 实验室买走 95% 以上，创业公司抢剩下的渣。
  • 更要紧的是硬件形状：Vera Rubin / B300 是照 LLM 造的（巨大 KV cache、72 张 GPU 互连）；而结构模型是 L² 的成对表示、实际 batch 后 L³ 的计算量、小隐藏维度 + 大序列维度——"恰好和 GPU 被设计来处理的东西相反"，内存带宽而非算力是瓶颈，"哪怕简单如一个 layer norm 都可能占掉相当一部分算力"。
  • ⚠️ 与 刘子鸣的"Transformer 中了硬件彩票" 是同一论证的另一侧：刘子鸣说架构中了彩票，Chai 说的是没中彩票的架构现在过得什么日子。
  • durable execution：他们把尽可能多的东西跑在 Temporal 上。⚠️ 落点直接回答了"生物学变成工程学最大的阻碍是什么"："我其实认为很大一部分瓶颈就是没有对的工程原语。"

对科学现状的判断

  • ⚠️ "AlphaFold 2 解决了结构预测"是错的：其 multimer 版本在抗体-抗原预测上只做对约 11%，"意思是 90% 的时候它是错的"。机制是抗体在进化上不可能有模板，所以 MSA 这个魔法在抗体上失效。
  • ⚠️ epitope 预测比设计 binder 更难，他自己承认："这是个难得离谱的问题。我同意你——这是更难的那个问题。"他猜虚拟细胞可能是最接近 SOTA 的东西，"但那还有很远"——⚠️ 这条直接把 Chai 解不了的那层指向了 Xaira 在做的那层。
  • 验证回路：已从"月/年"压到"周"，但明确承认"不像 LLM 那样能扩个 eval、砸算力、几小时拿结果"；Matt 说如果能凭空移除一个瓶颈，他要的就是验证回路。
  • "我们最大的竞争对手是老鼠"（Josh 的说法）——传统抗体发现要么给小鼠打病原体看它产生什么抗体，要么做超大规模酵母展示，"字面意义上大海捞针"，筛几十亿个分子拿到一两个、最多十几个 hit，而且你不知道它们结合在哪儿、是否类药。

制药业的资本结构（本库此前完全没有这条线）

  • ⚠️ "我不知道还有哪个领域里一个 token 的下游价值有制药这么高"——出来的药可以是几十亿美元级资产；GLP-1 的两个药加起来大概是万亿美元级资产。
  • ⚠️ "直到大约三个月前（约 2026-05），GLP-1 的总收入比所有 AI 实验室加起来还多。" 两人都感叹市场给的估值相对低得离谱。⚠️ 本库未核实。
  • 药企其实是 VC：手上是靶点的投资组合，在其中做配置。Neil 举 Genentech 是 80 年代最早、最大的风险投资成果之一。
  • ⚠️ Eroom's law（Moore 反过来拼）：做出一个药的成本大致在指数上升。主持人接："这保证了在某个点上新药开发的边际回报会变成负的。" Matt："我认为我们可能正处在把其中一些翻转过来的边缘。"

人才晦涩性（Neil 想移除的瓶颈）

⚠️ 给 AI 与就业 补了一个此前没有的方向——不是 AI 怎么改变现有岗位，而是人才在领域之间怎么流动、以及生物为什么拿不到人：

  • 门槛不是能力，是入门路径的长度（"我可以打开电脑就写 app；想做生物我得去上学、拿好成绩、可能还得读 PhD"）与不可视化。
  • ⚠️ 他把它上升成资源配置问题："90 年代往金融流，2000 年后往科技流，大科技吃掉很多人才，现在 LLM 和大 AI 实验室在吃掉很多好人才。在元层面上，怎么才能把人才配置得更好？"并诚实加了限定："出于私心我想要更多人才进生物。我们大概也需要更多人才进制造业和物理世界的事情。"

关键数字（均为自报，本库未核实）

  • Chai 2 对 50 个靶点设计抗体，约一半拿到 binder，平均结合命中率约 20%。⚠️ 靶点集合经 CRO 可行性预筛。
  • ⚠️ cryo-EM 验证误差 0.33 埃（约 1/3 个原子宽度）——他们第一反应是"这不可能对，他们肯定把我们自己的设计发回来了"。靶点特意选择无已知抗体 binder，以排除数据泄漏。
  • 收尾时提到的命中率"50% 以上"（"96 孔板里有 48 个有意思的 binder"）。⚠️ 与 Chai 2 时期的"约 20%"不是同一时点，本库并列不合并。
  • OpenAI 联合领投种子轮；公司早期 5 人时坐在 OpenAI（Mission 区）办公室。
  • AlphaFold 3 约 23 个子模块（自陈可能记错）。

已收录访谈

日期 视频 主持
2026-08-11 生物学正在变成软件——蛋白质设计的"中性软件工厂" Brandon（Atomic AI）& RJ Honiki（Mirror Omix），Latent Space "AI for science" 子系列