深夜的实验室里，张肖男盯着屏幕上环肽分子的动态构象模拟，眉头紧锁。这位深旋科技（Atomelody）创始人兼CEO清楚，团队正在挑战AI制药领域公认的两座险峰——抗体从头设计与环肽药物发现。成立于2021年的深旋科技，深耕AI大分子药物发现赛道，核心产品为自研的多模态基础模型Melo系列，面向创新药企提供de novo药物分子设计与优化服务。
希鸥网观察到，当大多数AI制药公司涌入小分子领域时，深旋科技却选择了一条更陡峭的技术路线。张肖男说得很直白：抗体的瓶颈在于“从正确结构走向可开发分子”，而环肽的挑战则是“让AI理解并驾驭复杂的非天然化学与构象空间”。问题是，一个AI模型究竟要具备什么能力，才敢说自己是“做药”而不是“算结构”？
外界常有一个误解，认为AlphaFold3不支持非天然氨基酸。张肖男纠正了这一点：AF3-like模型确实能表示相当一部分非天然化学实体，但这不代表模型理解它们。D型氨基酸、N-甲基化、侧链修饰、环化拓扑——这些化学变化会重塑分子的几何结构、立体化学偏好和构象分布，而模型真正要学会的，是这些变化如何影响三维结构与靶点相互作用。能表示不等于能理解，能预测一个结构不等于能设计一个分子。
环肽的难点还在更深处。它不是一个“缩小版的蛋白质”，很多小环肽在溶液中不存在唯一的静态构象，而是处于一个不断动态变化的构象系综。张肖男强调，模型即使预测出某一个环肽构象，也不意味着理解了分子整体——真正需要掌握的，是其在真实环境中可能存在的整组构象间的动态平衡。当序列、化学组成、拓扑和构象自由度同时展开，这个多维空间的设计复杂度远远超出传统“20种氨基酸序列”的范畴。
这就是深旋要解决的核心问题：让AI在巨大的化学、拓扑与构象空间中主动搜索，生成真正具有结合能力、功能和成药价值的环肽。张肖男给AI大分子药物发现的成熟度打了一个谨慎的分数——部分环节已能产生很有价值的结果，但距离全面替代传统流程还很远。小型蛋白的de novo设计在特定靶点上已有不错成功率，VHH也出现令人鼓舞的结果，但环肽还缺乏成熟标准化的AI设计与湿实验闭环。
希鸥网认为，AI制药的竞争已从“有没有模型”进入“模型能解决什么湿实验问题”的阶段。深旋科技押注的正是下一代AI大分子基础模型——从结构预测走向分子主动生成与智能评估。这个方向一旦跑通，改变的是药物发现的底层流程，而不只是某个环节的效率提升。
张肖男对团队定位的评价带着一种“无知者无畏”的坦然。他坦承，深旋对于传统药物研发而言确实有些“外行”，但这种陌生感恰恰给了团队尝试大胆方向的勇气。为了让这份大胆有边界，他借鉴了一个有趣的比喻：“组织机制要像模型训练中的奖励函数——设计得好，团队才能朝真正希望的方向迭代。”创业者需要敢于尝试尚未被验证的方向，同时借助行业经验不断校正路径，避免盲目试错。
在张肖男看来，AI制药的深水区不是技术单一突破，而是学科与组织的双重融合——AI与生物交叉之后，化学和生物之间、不同疾病领域之间同样需要交叉融合，没有人能独自覆盖全部知识。这要求创始人放下过强的自我，建立起真正激发创造力的组织。他给出的药方是把公司当成一支球队：“大家有分工也有合作，有一个共同想赢球的目标。”面对“创新”与“风险”这对永恒矛盾，团队既要有无所畏惧的冲劲，也要有自省纠偏的机制，才能走到终点。
张肖男反思深旋的长跑逻辑时，恰好映射了达利欧在桥水经历的深刻教训——他曾以为自己能依靠个人判断推动组织前进，最终发现问题远比单点突破复杂。优秀的领导者不是凡事亲力亲为，而是设计一套机制让团队共同进化，并在错误中不断校准。深旋选择走一条几乎没人走通的环肽与抗体路线，本质上是相信AI制药的终局属于那些敢于触碰“最难问题”的团队。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo