2026 年 8 月 19 日，Moderna 股價一天漲了 177%，空頭賠掉 55 億美元。

催化劑是一則臨床新聞：Moderna 與 Merck 聯合宣布，個體化 mRNA 癌症療法 intismeran（mRNA-4157）聯合 Keytruda，在 1,137 名術後高危黑色素瘤患者的三期試驗中，同時達成無復發生存期（RFS）和無遠處轉移生存期（DMFS）兩個終點——個體化新抗原療法史上第一個三期陽性。

當天 Elon Musk 發了一則推，超過一百萬人看過：

“Artificial RNA essentially makes curing diseases a software problem.” （人工 RNA 本質上讓治癒疾病變成一個軟體問題。）

治病 = 軟體問題。癌症 = 可以編譯的代碼。「AI 攻克癌症」的頭條開始滿天飛。

先停一下。這篇文章想做兩件事。第一，把「AI 在這裡到底做了什麼」講清楚——不誇大，也不否認。第二，回答一個比股價更重要的問題：這件事對你我這種普通人，到底意味著什麼？

到底發生了什麼

流程確實很像在編譯軟體：先對患者的腫瘤和血液做定序，演算法從成百上千個突變裡挑出最多 34 個最可能引發免疫反應的新抗原，編碼進一條患者專屬的 mRNA，自動化生產，打回體內，訓練免疫系統去清理手術刀搆不到的殘留癌細胞。

每位患者拿到的藥，都是根據自己的腫瘤重新計算、重新設計、重新製造的。一人一藥——這在傳統製藥的經濟學裡幾乎不可能成立，正是它真正特別之處。

而且這不是小樣本的僥倖。二期只有 157 人，三期放大到 1,137 人，設計更嚴格，結果依然成立。安全性無新訊號。總生存期（OS）仍在隨訪，完整數據將在之後的國際醫學會議公布。

這是 AI 的勝利嗎？X 上吵翻了

消息一出，X 上迅速分成兩個陣營。

科技圈想把它收編進 AI 敘事。Nikita Bier（173 萬瀏覽）寫道「癌症疫苗現在都由 AI 發現了」；Reddit 創辦人 Alexis Ohanian 直接一句「The power of AI, everyone.」

科學圈立刻反擊。聲量最大的反方貼文來自 PhD 創業者 Abu（22.7 萬瀏覽）：

「AI 沒有突然發現癌症疫苗，那是流量誘餌。這款疫苗 2017 年就進入人體試驗，Moderna 當時用的是內部生物資訊演算法。BioNTech、Roche、NEC 多年來都用類似方法。把基因組學、免疫學、mRNA、製造、臨床科學的十年累積說成『AI 今天發現了癌症疫苗』，是純粹的 AI 炒作。」

那 AI 到底有沒有參與？有。而且有監管文件背書。Moderna 的 10-K 年報白紙黑字寫著：公司在 mRNA-4157 的生產中使用「完全自主、整合的 AI 演算法」，由機器學習為每位患者設計專屬療法。

關鍵在於：這裡的 AI 是什麼？Ramez Naam 講得最精準：

「確實用了 AI，但不是 LLM——是傳統生物資訊加機器學習。很棒，但別和大語言模型的進展混為一談。」

再技術一點：定序找出突變是既有技術，過濾器做了大部分粗篩，機器學習模型負責最後那一步排序——預測哪些突變蛋白能被 HLA 呈遞、能誘導 T 細胞反應，從海量候選裡挑出最值得下注的 34 個。這是行之有年的生物資訊 ML，不是 ChatGPT 吐出一個癌症解藥。AI 買到的是速度和選擇品質，不是魔法。

還有一個最容易被忽略的時間常數。Charlie Petty 點得一針見血：

「mRNA-4157 是 2017 年進臨床的。這對『AI 將解決所有疾病』的敘事很有啟發：就算你把藥物發現的時間歸零，前面還有大約十年的臨床試驗。」

所以我的立場是中間派：這次驗證的是整套系統——定序、演算法選靶、mRNA 設計、自動化生產、聯合免疫療法，加上九年臨床累積——而不是單獨的 AI 演算法。 AI 是這台機器裡一個真實、必要、但不充分的零件。

真正的護城河也不在模型本身，而在「預測 → 治療 → 臨床結果 → 再訓練」的數據飛輪。只是這個飛輪轉得很慢：從首次給藥到觀察復發，一圈要七年。AI 的算力可以指數成長，但醫療落地不是純指數型——它得通過人體試驗、長期安全性驗證、監管審批、規模製造、支付體系這五道閘門，每道都有自己的時鐘。

一個人、一隻狗、同一條管線

在 Moderna 動用千人臨床和數十億美元之前，有一個更小、更野的故事，卻走了幾乎一模一樣的路徑。

澳洲科技創業家 Paul Conyngham，擁有十七年機器學習經驗，但沒有任何醫學背景。2024 年，他領養的混種犬 Rosie 確診肥大細胞癌，傳統治療失效。Paul 做了一件大多數人不會做的事：他決定自己設計一款客製化 mRNA 癌症疫苗。

流程和 Moderna 驚人地相似：花 3,000 美元做腫瘤 DNA 定序；用 AlphaFold 建模 c-KIT 突變蛋白結構；自己寫機器學習演算法篩選新抗原；再與 UNSW RNA Institute 合作生產疫苗。過程中他用 ChatGPT 做研究策略規劃——不是讓 AI 設計疫苗，而是用 AI 把自己從「完全不懂免疫學」拉到「能跟專家對話、能讀懂論文、能設計實驗」的程度。

結果：Rosie 的腫瘤縮小了 75%，恢復了跳躍和活動能力。（完整故事）

這個案例的價值不在於它能被複製——樣本量是 1、成本超過十萬美元、背後有大學實驗室支持，這不是你我能在家裡做的事。它的價值在於它展示了同一條管線的可拆解性：定序 → AI 選靶 → mRNA 編碼 → 生產 → 免疫反應。Moderna 用十億美元級的基礎設施跑這條管線；Paul 用開源工具、雲端 GPU 和一間大學實驗室也跑通了。

這正好印證了中間派的判斷：AI 不是魔法，但它確實在降低這條管線的門檻。 Moderna 的三期證明它在千人規模上有效；Paul 的故事則證明這套邏輯已經不再被鎖在大藥廠的圍牆裡。兩個刻度放在一起看，你會更清楚 AI 在這裡扮演的角色——不是發明者，而是降低門檻的槓桿。

AI 讓個人化醫療變成可能

把 Moderna 的千人三期和 Paul 的一人一狗放在一起看，一件事已經很清楚：AI 正在讓「根據你的身體重新設計一份藥」從天方夜譚變成工程問題。門檻在降低，管線在加速，適用的癌種在擴大。

這不是某一天突然發生的奇蹟，而是一條正在鋪設的路——每一次三期成功、每一次製造成本下降、每一次新癌種驗證，路就往前推進一段。未來十年，這種等級的個人化療法只會越來越多。

但這也帶出一個比股價更重要的問題：

如果 AI 加上生物科技，真的在未來一二十年持續產出這種等級的療法——你要怎麼確保自己活著、健康地等到它們？

這就牽出一個概念：長壽逃逸速度（Longevity Escape Velocity, LEV），也叫「精算逃逸速度」。

它的意思是：醫療科技延長剩餘壽命的速度，開始超過時間流逝的速度——每過一年，新療法替你增加超過一年的預期壽命，讓你持續等到下一輪更強的治療。這目前仍是假說，不是已被驗證的醫學現象（相關學術討論）。

Ray Kurzweil 把對應的個人策略講得更直白：活得夠久，等到能活得更久（Live long enough to live forever），並提出三座橋的框架：

  • 第一座橋：利用今天已確定有效的醫療、運動、睡眠與風險控制，維持身體功能。
  • 第二座橋：撐到基因治療、再生醫學、AI 藥物設計、癌症疫苗等技術成熟。
  • 第三座橋：更具推測性的細胞修復、奈米醫療、人機融合。

Moderna 這次三期成功，就是第二座橋上亮起的一盞燈。橋還沒通車——黑色素瘤還得走完監管、還得證明能複製到肺癌等大癌種、還得把一人一藥的製造成本降下來——但它第一次用千人規模的三期試驗證明了：這座橋在工程上是蓋得起來的。

LEV > 1 的數學：臨界點不等於奇蹟

LEV 是最容易被浪漫化的概念，有必要把數學攤開。

把 LEV 定義為：每經過 1 年，醫療進步能增加多少年的剩餘預期壽命。 那麼：

  • LEV < 1：死亡仍在逐漸靠近。你每過一年，跑道縮短的速度比醫療延長的速度快。
  • LEV = 1：死亡的距離不再縮短。理論上的平衡點。
  • LEV > 1：死亡的預期時間反而逐漸遠離。

但注意——LEV > 1 是臨界點，不代表跨過去就瞬間多活幾十年。

舉例：LEV = 1.2，過了一年你老了一歲，但新醫療增加 1.2 年壽命，剩餘跑道淨增加 0.2 年。維持十年，跑道也只直接增加約 2 年。

真正巨大的效果不在這 2 年本身，而在這 2 年讓你等到下一輪更強的療法，形成連續橋接——每一座小橋把你送到下一座更大的橋。這才是 LEV 的指數性所在。但要讓它運作，必須同時滿足：

  1. LEV > 1 能持續，而非曇花一現。
  2. 新療法能修復既有損傷，不只是延緩新增損傷。
  3. 能處理多種老化機制，而非只治好癌症或心臟病。
  4. 個人能及時、安全、負擔得起地接受療法。
  5. 沒有死於意外、感染、戰爭等非老化風險。

第五點帶出一個數學上的硬限制：即使完全控制老化，只要每年仍有固定的非老化死亡機率，平均壽命仍然有限。假設每年意外死亡風險固定為 0.1%，理論平均剩餘壽命約為 1,000 年——很長，但不是永生。

所以最精確的結論是：短暫的 LEV > 1，只會增加一些壽命；持續且可反覆橋接的 LEV > 1，才可能產生極其巨大的生命延長。

但這裡有一個更務實的觀察：LEV 不需要超過 1，才算有意義。

過去幾十年，LEV 大約在 0.1 到 0.3 之間徘徊——醫療進步每年大概延長幾個月的壽命，遠遠追不上時間流逝。如果 AI 加速了藥物研發、個人化診斷和精準治療，把 LEV 從 0.3 推向 0.7 甚至 0.9，會發生什麼？

不會永生，但壽命可能大幅延長。一個本來預期活到 80 歲的人，可能多活十年、二十年。那不是科幻——那是你多看到孫子長大、多寫幾本書、多走幾個國家的真實時間。

LEV > 1 是一個令人著迷的理論門檻，但老實說，它在可見的未來不太可能跨過——老化機制太多元，醫療落地太慢，非老化風險永遠存在。真正可能發生的，是 LEV 從接近 0 大幅推向接近 1。 而這已經足以改變你我的人生長度。

健康壽命橋接策略

把以上收攏成一句話：

AI 可能在未來十年大幅提高醫療研發、診斷與個人化治療的能力——Moderna 是第一份三期級別的證據。LEV 未必會超過 1，但它從 0.3 往 0.7、0.9 移動的每一步，都在替你多爭取真實的時間。最合理的個人策略不是賭某項神奇療法，也不是等待永生降臨，而是擴大自己的健康生存跑道——讓醫療進步的每一步加速，都能加在你身上。

具體是五件事：

  1. 用 AI 降低認知負荷，換回時間與精力。 把可委派的認知工作交給 AI，降低工作對身體的消耗——這是 AI 現在就能兌現的紅利，不必等十年。
  2. 優先維持 healthspan——肌力、心肺、代謝、睡眠、認知功能。這是第一座橋的橋墩，全部是今天證據最扎實的干預，也是投資報酬率最高的下注。
  3. 控制最可能提前終止跑道的風險：心血管疾病、癌症漏篩、意外、吸菸、肥胖、慢性睡眠不足。LEV 的數學講得很清楚——非老化死亡風險是壽命上限的分母。
  4. 保留接受新醫療的能力：財務資源、保險、完整病歷，以及持續理解新證據的能力。療法出現的那天，能及時、安全、負擔得起地用上，本身就是一種競爭優勢。
  5. 別在第一座橋上自己拆橋墩。 避免為了追求長壽，反而使用證據不足、可能傷害肝腎或免疫系統的激進療法。第二座橋還沒通車，你最不該做的事就是把第一座橋的結構搞壞。

這本質上是一個不對稱下注：即使 LEV 始終沒有逼近 1，健康、工作效率與生活品質仍然全額受益；而每當醫療往前推進一步，保持健康的人就是最可能接住那份紅利的人。下檔有限，上檔極大。

結語

Moderna 的三期成功不是「癌症被攻克」，也不是「AI 發現了癌症疫苗」。

它是一個更安靜、但更重要的訊號：從資料到演算法到藥物到人體的閉環，第一次在千人規模的三期臨床裡走通了。這種等級的療法，未來十年會一個接一個出現——有的成功，有的失敗，但方向已經很難逆轉。

你不需要預測哪一個會成功。你只需要做一件事：

不要假設永生必然到來；但把自己經營成最有機會活著、健康地接住每一次醫療躍遷的人。

養好身體。LEV 每往 1 靠近一步，你多拿到的都是真實的時間。

本文提及之個股僅為產業分析案例，不構成任何投資建議。醫療決策請諮詢專業醫師。