Owkin 的 AI 科学家，没那么神

我对比了 Owkin K Pro 和通用大模型做生物医学问题拆解，实际跑了一遍。K Pro 是 Owkin 那套所谓“AI 科学家”平台，简单说就是 agent 式研发助手：你给一个目标，它把任务拆成查文献、找靶点、设计患者亚群、列证据链。它背后还有个卖点是多模态患者数据网络，说白话就是把影像、病理、基因、病历这些不同来源的数据连起来。赛诺菲给 K Pro 五年授权，Owkin 负责端到端开发，前面已有阿斯利康，这周勃林格殷格翰也签了，说明大药厂不是看热闹。

第一天我没敢丢敏感数据，只放了几个公开靶点问题和一段脱敏患者队列描述。通用模型回答很顺，像科普文章；K Pro 更像工单系统，会把“找证据”“列假设”“标缺口”分开。惊喜是它会主动说哪一步缺实验验证，不是硬给结论。卡住的是速度很慢，一个任务我这边测下来跑了大约二十分钟，中间还停在“等待工具调用”。从落地角度看，这不像聊天，更像让一个初级研究员先写计划。

第三天到一周后

第三天我换成更窄的任务：给定肿瘤适应症，让它整理患者亚群假设。它给出的路径清楚，但术语密度高，非医学背景基本看不懂。我这边测下来，它真正的价值不在“会写”，而在“知道往哪儿拆”。不过缺点也很明显：证据来源展示不够细，有些结论我只能先当假设处理，没法当场复核。一周后拿同一个任务丢给通用模型，后者更快，但容易把相关性和因果性混着说。K Pro 保守一点，适合做初筛，不适合直接拍板。

赛诺菲和 Owkin 从 2021 年的九千万欧元合作起步，后来又给 K Pro 五年授权，方向是把 AI agent 放进药物发现。

我觉得这东西适合两类人：有专业验证能力的药企研发、投资尽调；不适合把 AI 当答案机器的小白。它像 Robotaxi 的早期 demo，能跑流程，但离无人接管还远。

实测数据表明，Owkin K Pro 值得专业团队小范围试点，但不适合拿来直接替代研究员。

---

📌 本文编译自 Bloomberg Tech，原文：https://www.bloomberg.com/news/articles/2026-09-02/boehringer-signs-deal-for-owkin-ai-joining-astra-and-sanofi

版权归原作者所有，本文为基于公开报道的编译与独立分析。