17日，Anthropic 发布了一项重大消息。
Claude 在不到四周的时间里优化了30多个开源生物分子模型，推理速度平均提升了约4倍，还开发出一种低内存模式，能够在单个 NVIDIA H100 GPU 节点上处理超过10000个 token 的生物分子系统预测。
（图片位置）
光有模型还不够。
Anthropic 还与 Adaptyv Bio 联合举办了一场蛋白质设计公开赛——精心挑选了5个前沿设计难题。
计划在 Adaptyv 的自动化实验室中验证超过5000条设计，提供最多100万美元的 Claude 积分。
消息一出，业界一片哗然。
AI + 蛋白质 + 一百万，「千禧年难题」的风潮刚席卷数学领域，Anthropic 就将目标锁定在药物发现上。
看起来，这是本月最具野心的一步棋。
但是——
回顾时间线就会发现，Anthropic 并非首创者。
就在它发布帖子的前一天，9月16日，一家刚正式宣布成立一周的 AI 制药公司，已经发布了同等规模的悬赏令。
而且玩法更为激进：不是悬赏解决方案，而是悬赏问题本身。
这家公司名为 Geodesic Intelligence（极奥智能）。
它向全球征集药物发现领域中最棘手的问题，标准只有一个：一旦解决，就能改变这个行业未来5到10年的能力格局。
科学委员会将逐一评审，入选的问题每道奖励10万 Geodesic credits。
问题确定后，再单独开启一轮解决方案征集——每道正式挑战，谁提交经过验证的答案，奖励100万美元现金。
不是积分，而是真金白银。
（图片位置）
创始人顾全全在转发时只写了三句话：「有些问题值得用最快速度去解决，药物发现就是其中之一，一起把最难的题找出来、解决掉。」
（图片位置）
两件事放在一起，画面显得相当奇特。
Anthropic 花钱做实验。 比赛每周一道设计题，看谁设计的 binder（能牢牢抓住靶点的小型蛋白钩子）能在实验室中制造出来并测试成功。
官方条款明确表示没有现金大奖，一百万主要是积分和湿实验费用。
Geodesic 花钱买问题。 100万美元现金留给经过验证的答案，但第一步是让全世界告诉它，什么问题最值得解决。
一个在提供样品，一个在确立主题。时间上，Geodesic 先行一步，Anthropic 晚了一天。
太令人惊讶了。。。
一家刚亮相一周的初创公司，竟然被 Anthropic 给「蒸馏」了！
事情到这里并未结束。
深入挖掘后，一个比谁先谁后更尖锐的问题浮现出来——谁有资格参赛？
Anthropic × Adaptyv 蛋白质设计公开赛，首页大字写着「Open to everyone and free to enter」——对所有人开放，免费参赛。
听起来很不错。
然而，翻开官方比赛条款 Section 3.1，一份禁赛名单赫然在列：
参赛者不得为以下地区的合法居民或注册实体——Belarus、China、Cuba、Iran、Myanmar、North Korea、Russia、Sudan、Syria、Crimea……
这意味着，中国的蛋白质设计研究者——无论你是中科院的结构生物学家，还是清华的计算化学博士，无论你有多少篇 Nature、多少个经过验证的 binder，你都没有资格参加这场「对所有人开放」的比赛。
首页说「Open to everyone」，条款里却将14亿人排除在外。
再看 Geodesic 那边。
Grand Challenges 征题页面写得很清楚：
Anyone is welcome to submit questions, whether you are a researcher, clinician, drug developer, student, or simply someone with a deep interest in the future of drug discovery.
研究者、临床医生、药物开发者、学生——不问国籍，不问身份。
（图片位置）
100万美元可以奖励一个答案，但提出问题的资格，不应该由护照决定。
Geodesic 没有 Anthropic 那样的规模。但它愿意从一个更简单的原则出发：让全世界的科学家，都有机会把自己认为最重要、最困难的问题带到桌面上来。
因为真正伟大的科学，从来不属于某一个国家、某一家公司。
它属于所有愿意解决问题的人。
本月10日，顾全全在 X 上正式宣布 Geodesic Intelligence（极奥智能），同时发布两款产品。
（图片位置）
公司官网首页只写了一句目标，简洁到近乎傲慢：Build AGI that discovers the shortest path from biology to medicines（打造能发现从生物学到药物最短路径的 AGI）。
（图片位置）
如何实现？Geodesic 构建了一套名为 Nova Stack 的技术栈，从软件到模型到实验室，三层全部自主掌控。
NovaDDE 是 Geodesic 的智能体工作台。
药物研发的工序很多，翻文献、查生物学证据、看分子结构、跑计算模型、评估结果，平时需要在十几个工具之间来回切换。
NovaDDE 将这些全部整合进一个平台，用 AI 智能体替科学家规划任务、调用模型、评估结果，每一步决策都自动留下记录。
你可以用自然语言描述你想做的实验决策，也可以直接进入设计模式——圈定靶点表面，让系统生成约80个氨基酸的 binder。
官网给出的数据漏斗很直观：设计1000多个候选分子，排出100多个高质量方案，最终10多个送进实验室验证。
（图片位置）
一个关键细节：用户的靶点数据归用户所有，不用于训练模型，要求删除即可删除。
NovaAtom-Lite-Preview 是 Geodesic 自研的全原子结构预测模型，是 NovaAtom 家族的第一个成员。
简单来说就是，输入一组分子的序列，计算出其中每个重原子的三维坐标。将分子的形状以及它们如何相互咬合，像做 CT 一样看清楚。
（图片位置）
三个核心特点。
一是「全家桶」式预测。 蛋白质、DNA、RNA 和小分子放在一起计算，而不是分开预测再拼接，而是一步到位。这对理解药物和靶点之间的复杂互动至关重要。
二是支持复杂约束条件。 环状多肽、需要与靶点形成共价键的药物、指定结合位置——都能作为条件输入模型。
三是自带「可信度标签」。 每个靶点给出5个预测结果并排序，每一处结构还标注着模型对这个位置的把握程度。
目前发布的是轻量快速版，更大的版本还在训练中。
光在屏幕上画分子不算数。NovaLab 是 Geodesic 自建的湿实验验证系统，负责将设计转化为实物。
每个 binder 要过七关：能不能制造出来？制造得对不对？能不能结合？结合得有多牢固？换一台仪器反过来再测一遍，信号是否真实？有没有成药的潜力？到底有没有效果？
七关走完，实验数据反馈回 AI，训练下一代模型。这就是 Geodesic 反复强调的闭环：AI → 设计 → 实验 → 学习 → 再来一轮。
做 AI 制药的公司不少，但从 AI 智能体、基础模型到自建湿实验室全链条都自己搭建的，在初创公司中极为罕见。
大多数同行要么做模型不做实验，要么做实验不做模型。Geodesic 两头都押，一开始就打全栈。
OpenAI 花费数百万美元算力攻克数学难题，转身放弃百万奖金；Anthropic 拿出百万级资源赞助蛋白质设计比赛，让更多设计有机会进入实验室。
Geodesic 从另一个方向切入——先让全世界告诉它，哪些题最值得做。
Anthropic 解决的是「验证贵」的问题。Geodesic 解决的是「方向对不对」的问题。
两件事并不冲突，两头都缺钱。
但谁先确立问题，谁就在定义这个行业的未来十年。
数学的千禧年难题，等了26年才等到 OpenAI 宣称攻克第二道。
药物发现等不了这么久，它值得用最快的速度去解决。
本文来自微信公众号“新智元”，编辑：所罗门，36氪经授权发布。
03条评论
李明
2026年8月19日 11:252026年9月10日，中超联赛迎来关键对决，九游体育实时比分系统为您呈现最新赛况。结合我们的装备搭配分析，帮助您在成就收集过程中做出最优决策。
回复