Schrödinger Bunsen AI 共同科學家：點樣用 LLM 加物理模擬顛覆藥物發現？

Bunsen 點樣結合 LLM 同物理模擬？

Bunsen 嘅核心係將大語言模型（LLMs）同 Schrödinger 嘅物理分子建模技術結合——包括 FEP+、docking 同分子動力學（MD）模擬 。LLM 層負責理解研究人員用自然語言表達嘅科學目標，然後規劃工作流程；而物理引擎就提供經過實驗驗證嘅分子屬性預測。正如 Dr. Karen Akinsanya 所講，呢個結合「通過 AI 推理同第一性原理計算，解鎖咗之前未探索嘅生物『目標空間』」。

Bunsen 嘅四大核心功能

Bunsen 嘅工作流程係一個閉環循環：

1. 理解（Understand） —— 用自然語言理解研究人員嘅科學目標。
2. 制定策略（Strategize） —— 開發計算策略，揀選最適合嘅物理方法。
3. 執行（Execute） —— 自主運行分子發現工作流程（docking、自由能微擾、ADME 預測等）。
4. 迭代（Iterate） —— 分析結果並優化方法，將 AI 推理同物理計算結果連成一個閉環 。

呢個設計令研究人員可以用自然語言指導多步驟計算 campaign，而 Bunsen 就負責自動化工作流程同物理計算。

AI-for-Science 領域嘅主要競爭對手

Google DeepMind — Co-Scientist

Co-Scientist 係一個基於 Gemini 2.0 嘅多智能體 AI 系統，專門用於結構化假說生成同科學推理 。2026 年 5 月喺 Nature 發表 ，佢使用七個專門 AI 智能體（Generation、Ranking、Evolution、Proximity 等）互相辯論同優化假說。已經展示咗提出新治療假說嘅能力——例如為肝纖維化進行藥物重新定位——而且得到實驗驗證 。同 Bunsen 最大嘅分別係：Co-Scientist 係一個通用生物醫學假說生成引擎，本身冇內置物理分子模擬功能。佢可以閱讀文獻同生成 idea，但需要外部工具或人類研究人員去執行計算化學工作 。

FutureHouse — Robin

Robin 係一個專為端到端生物發現而設嘅多智能體 AI 系統，同樣喺 2026 年 5 月喺 Nature 發表 。佢可以自動完成假說生成、實驗設計、數據分析同洞察生成嘅完整循環 。Robin 嘅能力已經通過自主識別 ripasudil（一種現有青光眼藥物）作為乾性老年黃斑病變（dAMD）嘅潛在治療方案得到驗證 。佢使用專門子智能體：Crow（文獻問答）、Falcon（深度綜合）、Owl（回答）同 Phoenix（編碼/分析）。同 Bunsen 嘅主要分別係：Robin 專注於實驗生物學同藥物重新定位，唔涉及計算化學，亦冇內置物理分子模擬引擎 。

其他值得注意嘅競爭對手

Q1 2026 財務背景

Schrödinger 喺 2026 年 5 月 5 日公布咗 Q1 2026 業績，重點如下：

• ACV（年度合約價值）：Q1 達到 2,840 萬美元，同比增長 12%；過去四季嘅 ACV 總共 2.01 億美元 。增長主要來自 top-20 藥廠客戶嘅用量提升同新產品部署 。
• 總收入：5,860 萬美元，同比下跌 2%，但比市場預期高約 22% 。
• 軟體收入：3,560 萬美元，同比下跌 21%，直接原因係公司加速從本地部署授權轉向 SaaS 交付模式 。
• SaaS 佔比：SaaS 軟體收入佔 Q1 軟體收入嘅 34%，高於一年前嘅 24% 。公司目標係到 2028 年 SaaS 佔比達到約 75% 。
• 藥物發現收入：2,300 萬美元，同比增長超過一倍（+124%）。
• 2026 全年指引：軟體 ACV 預計介乎 2.18 億至 2.28 億美元（增長 10-15%）；藥物發現收入介乎 5,500 萬至 6,500 萬美元 。

管理層將 SaaS 轉型形容為短期內對已確認收入嘅不利因素，但唔會影響 ACV 或現金流。SaaS 佔比每增加 1%，對已確認收入嘅影響約為 200 至 300 萬美元，原因係 ASC 606 會計準則嘅時間差 。呢個轉變係為咗令收入確認更貼近客戶嘅實際使用量，從而提高客戶留存率。

現金狀況

目前可得嘅業績摘要報告冇明確列出 Q1 2026 嘅現金及等價物具體數字。不過，Schrödinger 一直保持穩健嘅資產負債表，用嚟支持持續嘅平台開發（包括 Bunsen）同治療管線。要了解 Q1 2026 嘅精確現金、現金等價物同有價證券數據，需要參考公司嘅 10-Q 申報文件。喺 Q4 2025，Schrödinger 報告咗強勁嘅流動性，管理層亦表示 SaaS 轉型唔需要額外集資 。