（来源：上观新闻）
传统蛋白质研发的♓🀄最大痛点🔕在于“慢”和“难🦴”🇲🇵。想想挺吓人😢🎟的，这些处于🧼▪现代 AI 触🧨🌐角之外的🗂🔮电脑，却在支撑着⚪🗞重要的社会功😗🇳🇫能🇲🇦。在 Ap🍡ple✒ 工作👰期间，我很早🤹♀️👀就观察到了🇲🇴一些现🇭🇳象，当时我并不💛🇹🇭清楚该如🎩💂♀️何解释🍂。全球AI🈷蛋白质设计⛑赛道呈现出🔡👩🦰明显的多方👱♀️🇬🇫竞速态势：🍅以Gener🕜💆ate B🥏🇱🇾iomedici📨nes和X🚔🔂aira为代表🐴的“管↗线优先🅾”模式🌗🎤，专注于推进少👩💻数精选药♥⛄物进入临床🇺🇸💖试验；⏸🔐以天鹜科💟1️⃣技、分☃🧣子之心为代表的🌻技术平台🧒型公司，则强调🌒将AI设计🇳🇮🇳🇪能力与自动📁化湿实验深🔦度整合，赋💵能更多产业开发🚪者🍾。
WALL-🇧🇱🇲🇰B 在任🇧🇼务失败后能自主🍯💢调整策略👹🚈再次尝试，并将🇳🇱成功经验实时💀🥺更新至模型参数🎺💻。因此在✝ 1995👨🏫 年 🔟1 月🍮，当我们召开年📄®会并推出新🚀🤜产品时😔🆘，我犯下🤝🍬了我职业生涯中最😱📖大的营销失误⚜💲。这件事已经不是新🗨概念了📊🇲🇼。
目前国内🏙蛋白质设计🍧赛道主要分🇵🇦为三类玩家🐣：一是纯算法公司🤙（只卖✂🇰🇲软件/模型🇲🇲），二是传🧞♂️统CRO（依赖👭📡人工实验🏙），三是🧒❄像天鹜这样融合💶🇲🇿AI与自动化实🙅验室的平台型公🔶😀司💂♀️。然后我们拉了一个⛲💩小团队，🕚🗣快速验证一⬅🇦🇼个想法：如何🦶让 Claude➗ Co🇼🇸de 在🥺“非编程🌘🛤场景”下🙋♂️也变得非常高🇲🇴效🇦🇶。
