AI制药最容易被追问的一句是：生成了一大堆序列之后，实验室还要测多少、能成几个？分子之心用一份跨靶点湿实验报告，把回答写成「少测、高中」。
分子之心是国内AI蛋白质设计与生物计算公司，平台包括从头设计MMDesign、结构预测MMFold等。最新技术报告称：在覆盖18个不同靶点、纳米抗体（VHH）与大环肽两类模态的19个设计项目中，单项目仅测试9至50个候选（中位数约21个），18个项目获得经实验确认的结合分子，项目成功率约94.7%；453个受测候选中约139个确认结合，整体候选命中率约30.7%。
高难度样本落在GPCR。报告称针对CCR7、CCR8、EP2、GPR68、NK3R、A2AR六个GPCR靶点全部获得结合分子，最优亲和力均达纳摩尔级，其中GPR68最优KD约12.1 nM；NK3R的30个候选全部命中。对Thera-SAbDab中未检索到已编目治疗性抗体先例的部分GPCR靶点，亦给出较高候选命中率口径。另对六个此前已命中靶点再设计，五个在命中率或亲和力上进一步提升。
结构底座方面，自研MMFold在FoldBench全部172个抗体-抗原界面上，Top-1高质量结构预测成功率约39.0%，约为报告所列AlphaFold 3对照结果（约19.8%）的两倍。公司强调分数服务的是候选优选，而非单纯打榜。上述结果均为主体技术报告与湿实验口径，不同检测条件与靶点难度下不可简单外推为临床成功率。
产业含义清晰：若计算端能把实验通量压到数十个分子仍维持高项目成功率，早期发现成本曲线会被改写。药企更关心可开发性、表达与专利空间；报告亦提及部分可开发性指标与序列新颖性观察。目前MMDesign可对制药伙伴合作，MMFold已作为MoleculeOS功能提供。
收尾：分子之心把「AI会生成」推进到「实验室少测也能中」——真正的药还要过临床，但这份报告把早期发现的效率尺子立起来了。