讓AI從回答問題走向執行模擬：Schrödinger推出分子探索助手Bunsen

藥物設計的瓶頸，往往不只是缺少運算工具，而是如何把一個生物學問題拆成合適的計算步驟，再從大量結果中決定下一個實驗。Schrödinger推出早期試用版Bunsen，企圖讓人工智慧跨過這道門檻：它不只回答研究人員的提問，也能規畫並執行分子模擬工作流程。

依Schrödinger說明，研究人員可先以自然語言交代科學目標、專案背景與限制，Bunsen再選擇適當的計算方法，組織多步驟流程、調度運算資源，最後分析與視覺化輸出，提出後續研究方向。實際應用可能包括評估化合物與蛋白質的結合方式、比較候選分子，或在進入實驗室合成與測試前縮小搜尋範圍。

這類「代理型AI」與一般文獻問答工具的差異，在於它能呼叫專業軟體並啟動計算。Bunsen建立在Schrödinger的物理式分子建模平台上；公司表示，內部藥物與材料研究團隊先前已在不同專案使用該系統，希望讓計算化學家同時推進更多工作，也讓不熟悉建模操作的藥物研究人員使用較複雜的方法。

運算基礎設施則來自Schrödinger與NVIDIA、Google Cloud的合作。Bunsen可與NVIDIA BioNeMo Agent Toolkit整合，並利用Google Cloud提供的彈性運算及NVIDIA Blackwell硬體。NVIDIA另行公布的資料顯示，BioNeMo可把分子生成、對接、性質預測、蛋白質設計與基因體分析等工具交給AI代理呼叫，使其執行計算、解讀輸出，再選擇下一步；Schrödinger是正在將這些能力整合進科學應用的平台商之一。

然而，目前公布的證據主要描述功能與商業部署，並未提供公開基準測試、使用的評估資料集、與人工規畫流程的對照，也沒有揭露Bunsen是否提高實驗命中率、減少合成次數或縮短候選藥物進入臨床前研究的時間。公司所稱的建模方法曾經驗證，不等同於AI能在不同靶點與化學空間中穩定選對工具、正確解讀結果；計算排序仍須接受實驗確認。

Bunsen現階段僅供特定客戶早期使用，Schrödinger預計在2026年底前全面商業推出。正式採用前，研究機構還需檢視資料保密、模型與軟體版本追蹤、錯誤處理及流程可重現性。它能否成為可靠的研究協作者，關鍵不在於完成多少自動步驟，而在於每一步是否可查核，以及最終預測能否在真實實驗中兌現。