AI 设计的分子若能由独立实验室测出行为，就更值得关注。但距离称为有用药物，仍有很长路径。Chai Discovery 与 GSK 的合作同时说明这两点：内部湿实验评估促成更广协议，公开证据却仍处于早期发现阶段。
合作公告称，GSK 测试了 Chai 生成设计，在评估中的每个靶点都发现结合分子。但公告没有披露靶点身份、数量、合成设计总数或财务条款。这些缺口限制外界对效率与商业价值的判断。
区分靶点覆盖和命中率
结合分子会附着到靶蛋白。每个测试靶点都有结果，是有希望的覆盖表现，却不能说明此前付出多少失败设计。同样覆盖全部靶点，每靶点试十个或数百个候选，对实验成本意味着不同结果。
报道将不使用靶点专属训练的生成方式称为零样本设计。这提示模型在已评估集合内可迁移到新任务，但不代表所有蛋白类别或未来困难靶点都一样有效。应询问靶点资格、实验选择方式，以及现有方法提供了什么基线。
明确成果处于开发哪一段
结合只是诸多属性之一。候选还可能需要适当选择性、稳定性、效力、可制造性和体内行为。高亲和力不等于患者安全或获益；如果靶点对疾病的影响不符合预期，设计优秀的分子也会失败。
Chai 的平台说明聚焦分子设计和结构能力。评估应说明这些能力改善哪个具体决策。来源引用的药物发现综述也强调项目情境，不能将通用模型成绩当作临床证据。
认可实验，但准确表述价值
GSK 自己的科学家测试后扩大合作，因此其决定比供应商自选基准有更强商业说服力。但这仍不能证明 Chai 击败所有替代方案，或未来一定出现获批药物。
报道说，GSK 将 Chai 与使用专有实验数据的内部模型互补。这是实用分工：外部系统提出假设，药企控制筛选和验证。合作伙伴数量说明采用，项目推进、持续使用及实验轮次改善才更能解释长期价值。
设计前瞻评估
研究采购方应在生成前确定靶点面板、候选预算、测定方法、基线和成功条件。成功与失败候选都要记录，并追踪到达下一决策所需优化轮次。合同也应说明模型运行地点、哪些数据返回供应商，以及输出归属。
下一层更强证据，是合作方前瞻实验给出完整分母，随后出现符合开发标准的候选，并最终进入人体测试。每一层回答不同问题。当前结果支持有意义的早期发现流程，还不能证明临床进展。这样既能识别真实模型价值，也能将实验效率和治疗获益作为分别需要证据的主张。