2026诺贝尔化学奖启示：从分子的左右手到AI4S的自我加速

互为镜像、无法重合的分子，像两只永远握不到一起的手——这就是今年诺贝尔化学奖的主角。

北京时间10月7日17时45分，2026年诺贝尔化学奖揭晓：法国科学家Henri B. Kagan与日本科学家Kenso Soai，因“发现不对称有机合成中的非线性效应与自催化现象”获奖。这是手性化学近三十年来第三次登顶诺奖（2001年Knowles、Noyori、Sharpless；2021年List、MacMillan）。这一次，奖杯再次递向同一个主题，问题却更根本——生命，为什么“只用一只手”？

伸出双手，掌心相对——两只手轮廓相同，却永远无法完全重合。分子世界也有这样的“左右手”，化学家称之为“手性”；互为镜像、无法重合的两个分子，叫“对映体”。这个概念并不遥远：香芹酮的一种对映体闻起来像薄荷，另一种像葛缕子，识别气味的受体本身也有手性，鼻子才分辨得出这种差别。

而生命的选择比鼻子挑剔得多。构成生命的许多分子都具有手性。例如，天然蛋白质主要由L-氨基酸构成，而DNA中的糖采用D 构型。虽然这些分子都存在对应的镜像形式，但生命体系在构建这些关键生物分子时，通常只选择特定的一种构型。这种高度一致的手性选择，被称为“同手性”。把生命放进镜子，镜中的生命无法运转。

这个谜题始于150多年前：1848年，Louis Pasteur在显微镜下发现酒石酸晶体有两种镜像形态；1857年他又发现，细菌只“消化”其中一种，对镜像版本视而不见。20世纪60年代的沙利度胺事件，更让“手性纯度”成为制药工业生死攸关的指标。

药物分子多有手性，人体靶点蛋白同样“有手性”——错误的对映体不仅无效，还可能有害。在有机合成中，如何精准控制反应的对映选择性，使目标对映体优先生成，一直是不对称合成领域的重要研究课题。对于可能形成一对对映体的反应，若缺乏有效的手性诱导，产物通常以外消旋混合物的形式生成。如何通过手性催化剂实现高效、稳定的对映选择性控制，是化学家长期探索的重要方向。

20世纪初，Willy Marckwald首次用带手性的催化剂实现不对称反应，此后催化剂越做越精巧。但一个问题始终悬而未决：想要高纯度的单一对映体，催化剂本身是否也必须“纯净”？在简单的线性模型中，催化剂的对映体过量（ee）与产物的对映体过量呈线性关系，即随着催化剂ee的增加，产物ee按固定比例变化。然而，Kagan的研究表明，在某些不对称催化体系中，两者之间可能存在显著的非线性关系。

Kagan研究的部分不对称催化体系采用由金属中心与手性配体形成的配合物催化剂。在这一模型中，当金属中心与两个手性配体配位时，可能形成“右右”“左左”和“左右”三种组合。不同组合的催化活性存在显著差异，其中异手性组合（“左右”）的催化活性明显低于两种同手性组合 （“右右”和“左左”）。

奇妙的手性放大效应由此出现。假设催化体系中的手性配体由75%的右手型和25%的左手型组成。当这些配体随机两两结合时，形成的催化组合中，“右右”约占56%、“左右”约占38%、“左左 ”约占6%。如果“左右”组合几乎不具有催化活性，那么实际发挥作用的主要是“右右”和“左左”两类组合。将这两类有效催化组合重新归一化后，“右右”约占90%，“左左”约占10%。也就是说，虽然初始右手型配体仅占75%，但在有效催化组合中，右手型的优势进一步扩大。 这种催化物种组成的变化可能使产物表现出更高的对映选择性，但有效催化组合的比例并不直接等于产物中两种对映体的比例如果将催化剂与产物的对映体过量分别绘制在坐标轴上，某些催化体系呈现的并非简单的线性关 系，而是明显的非线性变化。这正是Kagan于1986年报道的“非线性效应”。在具有正非线性效应的特定催化体系中，即使催化剂未达到极高的对映体纯度，也可能获得较高对映体过量的产物。如今，非线性效应已成为研究不对称催化反应机理的重要工具。

Kagan解决的是“放大”，还差最后一块拼图：自我复制。1953年，理论物理学家Charles Frank提出：如果一种镜像分子既能促进自身生成、又能抑制另一种生成，最初微不足道的手性偏向就会像雪球一样越滚越大——这正是“同手性”从无到有的数学图景，却无人知道如何实现。

Kenso Soai做到了。1990年，他实现产物催化自身生成的自催化反应，但手性纯度不升反降；1995年，他从对映体过量值仅2%的原料出发，把这一数值推高到87%；2003年，他完成了被称作“有史以来最令人惊叹的化学实验之一”的“Soai reaction”：从完全非手性的原料出发，偶然产生的一点手性偏向在自催化下反复放大，最终某种对映体在产物中占比高达99.99%——这是人类第一次在生命之外，从“无手性”中创造出“手性”。

更迷人的是它的“运气”，每次实验最终胜出的可能是“左手”也可能是“右手”，取决于开始时那一点随机波动。生命起源时，是否也经历过这样一场“滚雪球”？

诺贝尔化学奖委员会主席Heiner Linke评价：“他们为一个困扰化学界逾百年的谜题提供了解答，他们开发的化学反应令人惊叹。”这些发现如今已广泛应用于药物、香料、农药与新材料的合成。更有意味的是，今年诺奖三大科学奖项不约而同指向三个“起源”：宇宙起源、意识起源、生命起源。

而Soai本人的一句话，是最好的注脚：“这当然不是最终答案。”

今年诺奖有两个关键词：非线性放大、自催化闭环。微小优势被反复放大，产物又成为下一轮反应的催化剂——这种“自我强化”的逻辑，正在今天的科研中重演，只是主角从分子变成了数据、模型与实验。这正是AI for Science（AI4S）的底层图景：一次实验产生数据，数据训练模型，模型设计下一次实验，效率沿闭环不断放大。

传统科研并非没有回路——提出假设、设计实验、验证、修正——只是它的反馈周期以月、以年计，任一环节的停顿都会拖慢整个链条。AI4S改变的，正是回路转动的速度：把反馈周期压缩到天、到小时，让每一次实验结果都成为下一次实验的先验。这几乎是Soai反应的科研版——在Soai反应里，产物成为自己的催化剂；在AI4S里，数据成为模型的催化剂。

而要让闭环真正转起来，三个环节必须同时在场：能稳定、可重复地产出高质量数据的实验平台，能把数据转化为判断的AI模型，能把判断再调度回实验台的执行能力——缺了任何一个，闭环都会断裂。这正是青葵智造以“自驱动实验室”重构科学研发的起点：NexoLab让实验操作标准化、可重复，AI智能体承担合成路线设计与多目标优化，“设备—数据—模型”首尾相接，形成干湿一体、不断自我强化的实验闭环。

当分子的“手性”之谜被诺奖点亮，AI4S的“自催化”之路，正加速铺展。