在传统药物研发领域，动辄十年数十亿美元的投入如同沉重的锁链，湿实验的漫长周期成为难以逾越的瓶颈。当全球目光聚焦于AI能否颠覆这一高成本、低效率的困局时，Deep Origin团队于2025年4月在arXiv上发表的突破性研究《Can AI Agents Design and Implement Drug Discovery Pipelines?》给出了震撼答案：一个名为Deep Thought的AI多智能体系统，在模拟药物发现的复杂挑战中，其表现已逼近人类顶尖专家水平。

药物研发评估体系遭遇根本性挑战

尽管AI驱动的预测模型已在药物研发各环节崭露头角，但现有评估体系存在根本性局限：

• 割裂的基准测试： TDC、DrugOOD等主流平台虽覆盖靶点识别、分子性质预测等关键任务，却将流程碎片化评估，无法衡量智能体整合资源、自主决策的核心能力。

• 脱离真实场景： GuacaMol、MolGym等专注于分子生成或性质预测单项技能，忽略了药物研发中资源紧张、多目标权衡、标注成本高昂等现实约束。

• 自主性评估缺失： 现有基准极少考察系统自主设计模型、生成代码、执行实验流程的战略决策能力，而这恰恰是AI驱动端到端药物自动化的核心。

DO Challenge：构建药物研发的“综合考场”

为破解评估困境，Deep Origin团队创新性地提出了“DO Challenge”基准测试，其设计直击药物发现的核心痛点：

• 任务复杂度： 智能体需从包含100万个无标签分子的数据库中，精准识别潜力最高的Top 1000候选分子。

• 资源严约束： 仅允许最多请求10万个分子的关键评分（DO Score）标注，需智能体自主决定标注策略与时机。

• 全流程自主： 要求智能体独立完成从化学空间探索、模型选择、资源分配到策略执行、代码编写调试的全链条操作。

• 实战化评估： 通过最多3次提交及反馈机制，模拟真实研发中的迭代优化过程，最终以预测Top 1k分子与实际结果的重叠率为关键指标。

Deep Thought：模块化智能体逼近人类专家

研究团队构建的Deep Thought多智能体系统，在此严苛基准下展现出惊人潜力：

• 精密分工协作： 系统由Software Engineer（全栈开发）、Installer & Evaluation（环境部署与错误诊断）、Scientist（策略规划）、Research（信息检索）四大智能体组构成，实现模块化专业协同。

• 人机对决结果： 在限时挑战中，Deep Thought最终得分达33.5%，不仅大幅超越普通人类队伍平均水平（16.4%），更与人类专家组的顶级表现（33.6%）仅有微弱差距。

• 模型能力图谱： 通过消融研究，团队清晰揭示了不同大语言模型（LLMs）在担任各类智能体角色时的优势与短板，为后续优化指明方向。

通向未来：AI自主药物研发的曙光与挑战

Deep Thought在DO Challenge中的表现证明：AI智能体已初步具备在高度复杂、资源受限的药物研发环境中进行战略决策与端到端操作的能力。尽管目前尚未超越顶尖人类专家，其展现的潜力已清晰描绘出未来图景：

• 研发范式革新： 自主智能体系统有望将药物发现从依赖大量人工试错的传统模式，转向高效计算驱动、闭环自动优化的全新范式。

• 成本与周期革命： 通过大幅减少昂贵湿实验的盲目性，AI自主流程可能将新药研发的时间与资金成本压缩至传统方法的零头。

• 现实挑战仍存： 研究也揭示了系统当前在复杂策略优化、错误处理等方面的不足，这为后续研究聚焦解决实际落地难点提供了靶点。

Deep Origin团队的工作如同一枚深水炸弹，震动了药物研发与AI交叉领域。当Deep Thought以逼近人类专家的表现通过DO Challenge的严苛考验时，它传递的不仅是一个系统的胜利，更是一个时代的信号：药物研发的“无人区”探索，已正式拉开序幕。 随着智能体自主能力的持续进化与更贴近真实场景的基准推动，AI主导的“无人化”药物发现工厂，正从科幻加速驶入现实地平线。