近日，Anthropic首席执行官达里奥·阿莫代伊在公司IPO路演视频中表示，他认为癌症、阿尔茨海默病、心脏病及精神疾病等，在不到10年内可能成为过去。他表示，如果AI技术得到妥善应用，人类有望迎来一个能够解决困扰文明数千年难题的“奇迹时代”。
此前，阿莫代伊在接受美国CBS《60 Minutes》采访时曾表示，AI未来有望帮助找到治疗大多数癌症的方法、预防阿尔茨海默病，甚至将人类寿命延长一倍。他提出“压缩的21世纪”概念，认为如果AI能够与顶尖科学家协作，医学进步速度有望提升至原来的10倍，将原本可能需要整个21世纪取得的医学进展压缩至5至10年。这个判断有一个私人背景。阿莫代伊的父亲死于丙型肝炎，而在他父亲去世几年后，治愈率超过95%的丙肝药物索磷布韦（Sofosbuvir）上市了。他说，如果AI能早几年加速这类突破，父亲很可能还活着。这是一个可以理解的出发点。围绕这个判断，医学界、制药界和AI领域给出了不同的回应。把这些回应摆在一起看，比简单判断“对”或“错”更有信息量。
医学界和制药界，没有买账
全球数字医疗领域有影响力的心脏病学家埃里克·托波尔（Eric Topol） 的回应是：“严重偏离现实，根本不可能。” 他列出了一份清单，上面是现代医学中能被药物“彻底治愈”的非感染性疾病——这份清单很短。高血压、糖尿病、阿尔茨海默病，目前都只能控制，无法根除。
计算生物学家基思·罗比森（Keith Robison） 的措辞更重，称这种表述是在“贩卖魔法思维，对绝望的患者极其残忍”。哈佛大学陈曾熙公共卫生学院研究员凯瑟琳·杨（Catharine Young） 则指出了一个基础事实：癌症不是一种病，是200多种截然不同的恶性疾病的统称。肺癌有效的靶向药，到了胰腺癌面前可能一文不值。
制药业的回应更多集中在研发规律上。有分析指出，这场讨论涉及AI制药的估值叙事：AI确实在提升研发效率，但临床验证的高失败率和漫长的监管路径，并没有被算法绕过去。《华尔街日报》的报道标题是：硅谷承诺AI能治愈疾病，制药公司CEO们不信，因为生物学才是那个障碍。
AI在癌症领域已经做到什么，还没做到什么
把观点放一边，看已经发生的数据。
AI在药物发现前端确有加速。有综述指出，AI可以将药物发现的时间线缩短40%—60%，把hit-to-lead成功率从12%提升到25%—35%。AI设计的分子进入I期临床的比例，也高于历史平均水平。
但数据同样显示，后面的路并不平。一项2026年的分析显示，AI相关药物发现管线中，I期临床成功率为77.8%，II期骤降至19.5%。而肿瘤药物从进入人体试验到最终获批的整体概率，长期徘徊在4%左右。AI加速的是“找到候选分子”这一步，但它没有改变“证明它对人有效且安全”这一步的难度。
在筛查和诊断端，AI的表现呈现“实验室数据好、真实世界验证难”的特征。一篇2026年的综述统计了4667项癌症AI原始研究，其中88.2%是临床前研究，只有2.4%是随机对照试验。另一项多癌种筛查综述列出了几个瓶颈：数据稀疏、模型泛化能力不足、假阳性和假阴性，以及可负担性。AI在回顾性数据上“看得准”，不等于在前瞻性人群中“靠得住”。
两种“治愈”，两个时间尺度
这场讨论里，有一个容易被忽略的语义差异。
在肿瘤医生的话语里，“临床治愈” 有相对明确的标准：治疗后连续5年复查无复发、无病灶。早期乳腺癌、结直肠癌、甲状腺癌和宫颈癌，手术后5年生存率普遍超过90%，这些癌种在早期阶段，已经可以实现临床治愈。但临床治愈不等于体内一个癌细胞都不剩，也不等于终身不再患癌。
而“成为历史”在普通读者的理解里，更接近根除：像天花一样，一种病原体被彻底清除，从此不再发生。
这两件事之间的距离，不是算力能直接填平的。世界卫生组织的框架把癌症分成三部分：三分之一可预防，三分之一通过早诊早治可实现临床治愈，剩下三分之一无法根治但可以通过综合治疗实现长期带瘤生存。AI能够在这三个部分里都发挥作用——加速预防性疫苗设计、提升筛查灵敏度、优化治疗方案组合——但它不改变“癌症是一组生物学上高度异质的疾病”这个底层事实。
Demis Hassabis，谷歌DeepMind负责人、诺贝尔奖得主，也表达过类似“十年左右治愈所有疾病”的判断。这说明阿莫代伊不是孤例，而是一批掌握前沿AI资源的人共享的一种技术乐观主义时间感。肿瘤学家面对的是另一种时间感：一个II期临床失败，可能意味着三到五年和数亿美元沉没；一个药物在动物身上有效、在人身上无效，是常态而非例外。
写在最后
阿莫代伊有一句话值得单独拿出来看：“AI公司想赢回公众信任，唯一办法是把癌症治好。” 这确实比任何公关话术都有说服力。
但“把癌症治好”这个目标，可以对应两个不同的时间表：一个是一部分早期癌症已经实现的临床治愈，并随着AI辅助筛查和药物发现继续改善；另一个是把癌症作为一类疾病整体根除，这涉及200多种疾病的异质性、耐药机制的演化、免疫系统的复杂性，以及临床验证不可压缩的时间成本。
你更愿意相信哪一个时间表？ 是“十年”，还是“一步一步来”？当一个承诺同时具备“激励人心”和“需要被仔细拆解”两种属性时，它对正在等待新药的患者和家属来说，意味着什么？
这个问题，可能比“AI能不能做到”更值得讨论。
参考来源：
Silicon Valley Promises AI Will Cure Disease. Drugmaker CEOs Aren’t Buying It. The Wall Street Journal. 2026.
Artificial intelligence–enabled drug discovery: A growing but largely early-stage clinical pipeline. ScienceDirect. 2026.
AI Tools Show Early Promise Across Drug Discovery, Clinical Decision-Making in Lung Cancer. OncLive. 2026.
Big Data and Artificial Intelligence in Cancer Drug Discovery. JoVE. 2026.
AI in Drug Discovery: From Target Identification to Clinical Success in Cancer Therapeutics. Lighthope. 2026.
Machine learning and AI for cancer research and care: a review of applications, limitations, and future directions. PMC. 2026.
Artificial intelligence-driven multi-cancer screening: Achievements, challenges, and future prospects. ScienceDirect. 2026.
Demis Hassabis: AI could cure all diseases within 10 years. Times of India / 60 Minutes. 2025—2026.
