从一个目标分子倒推原料与反应步骤，是药物研发和材料研究里的复杂工序。微软研究团队与合作伙伴介绍的新模型 RetroChimera，试图让 AI 先给出更有价值的路线候选，再由专业人员完成判断。
微软9月21日发布的信息显示，微软研究院与 GSK、诺华等合作方开发的 RetroChimera，面向的是“逆合成”问题：先确定想得到什么分子，再一步步向后拆解，寻找可行的反应路径与原料组合。相关研究已发表于《自然》杂志，系统将多种模型的预测与搜索算法结合，而不是只依赖单一答案。
官方介绍提到，在一个由10个分子组成的专家评测中，该模型有9个给出了被完整接受的反应序列；研究人员也比较了它与既有路线的表现。这样的结果更适合被理解为研发辅助证据，而非“AI 已能独立做化学”。不同数据集、目标分子和实验条件，都会改变一条路线能否真正落地。
它的实际价值或许在于把筛选工作前移：让研究人员更快看到值得讨论的方案，把时间投入到验证、成本、收率和安全性这些现实问题上。对于专业工具而言，最好的位置往往不是替代专家，而是让专家少被重复劳动拖住。
