用 AI 把新藥研發的環節一段段縮短

140 · 用 AI 把新藥研發的環節一段段縮短

48:14YouTube 上架 2025-11-13Sajith Wickramasekara（Benchling）

No Priors Ep. 140 | With Benchling Co-Founder and CEO Sajith Wickramasekara

Benchling 共同創辦人兼 CEO Saji 和 Sarah Guo 談生技景氣、中國藥廠的崛起，以及為什麼押注 AI 輔助而非全自動的 AI 科學家，最後聊到跨界帶團隊的心得。

140 講了什麼

新藥又貴又慢又常失敗Saji 說做一款藥在有分子之後還有 9,999 個步驟，通常要超過 20 億美元、大約 10 年，而且多半在很後段才失敗。Saji 認為成本有一大塊來自產業的手工作坊式做法，所以 AI 的機會是用更低的成本多試幾次、做出更好的分子。
生技景氣與中國Saji 把近幾年比作生技版的網路泡沫破滅，原因包括利率、關稅、監管不確定與新型態藥物沒有商業化得那麼快。大藥廠也開始去中國買原本會向美國生技公司買的分子。
Benchling AI 的兩條線一條是把開源與公司內部模型接進科學家的工作流程，並建議下一個實驗；另一條是在 Benchling 資料上運作的 deep research agent，例如有客戶用它查出準備要做的小鼠實驗有人做過。
短期押輔助，不押全自動Saji 用 Waymo 與 Tesla 兩種路線打比方，認為未來一兩年更看好輔助科學家的做法，目標是把 7 到 10 年壓到 2 到 3 年。多數大藥廠還在試點，R&D 組織尚未被翻轉。
為什麼科學對 LLM 友善Saji 覺得科學文獻是大量非結構化文字，專業知識又極度分散，AI 能讓小型生技團隊用上頂尖專家的知識；Benchling 與 Anthropic 也有合作。
經營與文化共同創辦人轉去全職做 AI 引發過內部爭議；Saji 把大量時間花在客戶身上，並談到科學家與軟體人混在一起時，因為學界與公司的誘因不同而產生的衝突。

從哪一段開始看19 段

00:05Benchling 是什麼Saji 從自己在生物實驗室看到紙本筆記本與試算表談起，說明 Benchling 約 13 年前創立，服務約 1300 家生技與製藥公司。
02:25做一款藥要走哪些步驟從找標靶、設計分子、細胞與動物試驗、臨床試驗到製程與法規，Benchling 專注在實驗室產生的科學資料。
03:46生技景氣循環Saji 說這幾年像生技版的網路泡沫破滅，基因編輯、細胞與基因療法等新類型藥物曾被過度期待。
06:37中國與大藥廠買分子Saji 認為下一階段比的是速度與成本，大藥廠開始從中國買分子；西方生技的反應有人受刺激、有人懷疑。
09:33藥的投報與失敗率藥是很划算的投資，而且會變成學名藥、越來越便宜，但成本高、失敗率也高，投資人很難承擔。
11:24產業太手工實體端已經系統化，但協作與資料流程都是各公司自己發明，所以 AI 能幫忙多試幾次、做出更好的分子。
13:44買創新很沒效率以 GLP-1 與 Keytruda 為例，說明好的科學曾被放著，Saji 引 Dario 的「returns to intelligence」說法。
16:07Benchling AI分成模擬工具與 agent 兩塊，deep research 能在數小時內回答過去要花數週的問題，並以小鼠實驗為例。
18:39AI 科學家與人的角色Saji 偏向輔助路線，用 Waymo 對 Tesla、放射科醫師的例子說明為何仍需要人負責決策。
20:46信任與介面生技還沒找到屬於自己的聊天介面，離舊金山越遠，對準確度、IP 與資安的疑慮越大。
23:05藥廠態度與模型生態大藥廠樂觀但務實，開源模型與聯邦式學習才剛起步，製程與臨床預測仍是缺口。
27:14模型公司與資料買賣討論模型公司會不會變成自己有管線的藥廠、模型能否像軟體一樣銷售，以及資料交易為何稀少。
29:33工具為什麼一直不受重視解釋早年生技業還在用紙本與地端試算表，Benchling 前幾年在推廣上線，之後十年在說服人結構化資料很重要。
32:26模型公司為什麼愛談科學Saji 認為科學文獻適合 LLM，並說明與 Anthropic 的合作。
35:00共同創辦人轉去做 AI共同創辦人 Ashu 交出所有直屬部下、全職做 AI，公司內部有爭議；Saji 說共同創辦人的力量在於道德權威，有客戶看到公告還以為 Ashu 離職了。
37:03貼近客戶Saji 把三到五成時間花在跟客戶講話，認為五到十位客戶就足以代表整個產業需要什麼。
40:25科學家與軟體人共事Sarah 問怎麼管科學人才，Saji 說最大衝突來自學界與公司誘因不同。
43:15科技與生技互相學什麼生技需要學科技說故事、直接面對大眾，科技則該學生技的嚴謹與安全。
46:20生技之外的興奮點Saji 久未寫程式，這次試了 agentic coding 工具覺得好玩，也談到家人使用 AI 的體驗。

值得記的話5 句

it is probably easier at this point to send things to space or to put people on the moon than it is to get a new medicine approved現在要送東西上太空、把人送上月球，大概都比讓一款新藥核准上市容易10:37
we've got GPT but there's no chat我們有了 GPT，但還沒有 chat。Saji 指的是生技還沒有讓大家用起來的介面21:31
most people aren't really using that much AI and R&D yet多數人在研發上其實還沒怎麼用 AI21:46
I think the AI that wins is going to be the one that people actually use我認為最後贏的 AI，會是大家真的在用的那一個22:50
being a co-founder is actually just in moral authority當共同創辦人的力量，其實就在於道德權威35:33

名詞與人物10 個

Benchling: Saji 共同創辦的公司，做科學研發用的軟體，定位是生技 R&D 的 system of record。
system of record: 把實驗室產生的各種科學資料集中、整理、可搜尋的資料平台。
Benchling AI: 兩塊：把模型接進科學家工作流程的模擬工具，以及在 Benchling 資料上運作的 agent。
deep research agent: Benchling 推出的 agent，在 Benchling 資料與資料模型上回答科學問題。
modality: Saji 用來指新型態的藥物類別，例如基因編輯、細胞與基因療法、RNA。
Legend Biotech: 中國生技公司，Saji 說 Johnson and Johnson 與它合作，作為大藥廠向中國買分子的例子。
GLP-1: Saji 舉的例子：曾被視為沒人願意投資的肥胖症領域，後來成為改變治療方式的藥。
Keytruda: Saji 舉的例子：一個轉手多次的分子，後來由 Merck 全力投入。
Boltz: Saji 提到的開源結構預測模型。
Anthropic: Benchling 的合作夥伴，Saji 說雙方在互通性與對科學的重視上很契合。

提到但沒有展開

Saji 提到 Eli Lilly 公開了一個把內部模型開放給外部生態圈的專案，以「give to get」的聯邦式方式讓對方訓練，但看不到實際科學資料。
Saji 認為大藥廠的優勢在於能大量產生實驗資料來訓練自己的模型，預期之後會從藥廠冒出很特別的預測模型。

在 YouTube 看原片 ↗

Benchling