2026年AI药物圈的集体砍单
上个月跟某头部CRO的计算化学主管喝酒，他吐了一肚子苦水。年初董事会拍板砸两个亿上量子模拟管线，年中就砍了三分之一的项目。
为什么？原来所有AI预测的小分子结构，最后都要过一遍计算化学验证，核心就是用密度泛函算结合能。原来用的老泛函，误差经常飘到2kcal/mol以上，筛出来的分子到了湿实验一半都不活。业界都喊，要做泛函修正，提精度。
现在精度提上去了，问题来了。算一个分子量500的小分子蛋白结合能，原来用一块A100跑8小时出结果，上了最火的双杂化泛函修正，跑一次要整整五天。相当于什么？相当于耗掉了一辆标准版特斯拉Model 3跑2100公里的用电量，就为了算一个分子。
你要筛一万个分子，这算力成本够把整个项目组的人力成本翻三倍。湿实验的同事还在等着要结果，你这边GPU还在嗡嗡转，转的不是数据，是投资人的钱。
很多人说，摩尔定律还在走，算力会越来越便宜。别骗自己了，现在GPU的价格三年涨了四倍，你精度提10%，算力涨十倍，这个窟窿什么时候填得上？很多搞AI药物的创业公司，一轮融资烧完，一半都砸在GPU机房电费上，死在临产前的，不是技术不行，是烧不起钱。
泛函修正的底层：学界和产业界的路线博弈
很多人说泛函修正就是拼精度，谁误差小谁牛。其实完全不是这么回事。密度泛函从诞生那天起，就是个近似产物。你可以把它类比成外卖平台的骑手派单算法。原始的泛函就是只算了距离，没算写字楼高峰期等电梯、小区门口刷门禁的时间，算出来的预计送达时间永远不准。泛函修正，就是给这些误差加补正。
学界的玩法是，把所有能想到的影响因子都加进去，修正到误差几乎为零，发顶刊拿基金。产业界的玩法完全不一样，你要那么准干什么？
本土AI药物研发企业深势科技去年给创新药客户做的定制化泛函修正，就是把没用的高精度修正项砍了，只保留和小分子结合能相关的核心修正，结果出来，精度比传统PBE泛函提升了18%，只比学界最牛的全修正差不到2%，算力成本直接砍了83%。这个幅度相当于什么？相当于把一块3nm英伟达H100芯片的成本从3万美元降到了5000美元，还能保住98%的性能。
说实话，我见过太多本土创业公司，一开始跟着学界走，卷高精度修正，卷到烧完钱都没落地，转头往成本方向一走，活了。不过话说回来，这个路线博弈也不能全怪学界，人家发论文要的就是指标，你做个半经验修正，精度差一点，顶刊根本不发。生存规则不一样嘛。你总不能要求评教授的时候，说我这个方法便宜，所以给我职称对吧？
普通从业者的选择题
现在随便开个计算化学的会，十份报告有九份在讲新的泛函修正方法，个个都号称精度碾压前辈。但是落到产业里，十个能用的有一个就不错了。
对普通做计算化学的博士生，或者刚进CRO的年轻工程师来说，你现在面临的选择，比十年前残酷多了。你是跟着学界的节奏，天天调参数卷顶刊，还是蹲下来找产业真正需要的痛点？
我上个月听一个在恒瑞做计算化学的老工程师说，他们筛分子，只要泛函修正后误差控制在1kcal/mol以内，完全够用了，你做到0.1kcal/mol，对最终的药物分子选中率，提升不到0.5%，算力涨十倍，换谁会用脚投票？
很多人喊卡脖子，说我们搞不出顶级的泛函修正，其实哪里是搞不出来，是不需要那么顶级的。产业要的不是完美的精度，是足够用、算得快、花得起。
卷不动顶刊的年轻人，别慌，你转头去给现有泛函做产业适配，比你憋三年发一篇Nature有用多了。当然，基础研究肯定要做，高精度修正的方向不能丢，但不能所有人都往那一条路上挤对吧？
再过三年，90%发在顶刊上的高精度泛函修正方法，都会躺在实验室的硬盘里落灰。你熬了无数夜调出来的参数，真的能帮到需要的人吗？
