2026年初，制药行业迎来一系列AI平台交易，标志着行业文化从单一资产押注转向对广泛发现的AI基础设施投资。
AI初创公司Chai Discovery、Noetik和Boltz分别与制药巨头礼来（Eli Lilly）、葛兰素史克（GSK）和辉瑞（Pfizer）达成合作，将在生物制剂设计、癌症临床结果预测和小分子药物发现等多样化应用中实施AI平台。
"如果说2025年是突破性研究之年，我们认为2026年将成为部署之年，"Chai联合创始人杰克·丹特（Jack Dent）表示。
这家由AI驱动的生物制剂公司成立于2024年，旨在开发针对以往难以成药靶点的药物。Chai在2025年底完成了1.3亿美元的B轮融资，公司估值达13亿美元，距离成立仅18个月。
Chai的核心技术围绕Chai-2展开，这是一种从头设计（de novo）的抗体设计模型，能够生成具有治疗属性的全长抗体，从而减少对劳动密集且耗时的实验筛选的依赖。
在bioRxiv上发布的一篇预印本中，Chai-2被报道实现了两位数的成功率，比先前的计算方法提高了100多倍。Chai的平台已经攻克了一系列难靶向目标，包括肽MHCs、与癌症相关的免疫复合物以及G蛋白偶联受体（GPCRs）。后者是信号蛋白，约占当前药物靶点的三分之一，但由于其可及区域几乎不突出于细胞膜外，因此以难靶向著称。
早期采用者
传统的科技-制药合作专注于少数药物靶点，例如在多年内针对一到三个项目。制药公司提出挑战并提供资金和临床开发专业知识，而科技合作伙伴则致力于发现分子。
相比之下，Chai与礼来的最新交易将部署Chai的技术，为多个靶点设计新型生物制剂。Chai还将为礼来开发一个专属AI模型，该模型基于这家制药巨头的专有数据训练，并针对礼来的发现工作流程进行定制。
据丹特介绍，这种平台转变非常罕见。采用这些工具的公司将获得速度、成本和为难靶向目标实现首创新分子的竞争力优势。值得注意的是，在早期合作中看到Chai-2研究成果后，礼来代表在几天内就进入了Chai的办公室。
"我们选择礼来作为首发合作伙伴，因为它是行业内最大的制药公司。潜在影响巨大，那里的团队非常出色，"丹特告诉GEN Edge。"有趣的是，该领域最大的玩家也是最快的。"
礼来Catalyze360 AI副总裁兼礼来TuneLab全球负责人Aliza Apple博士重申，礼来的AI和药物发现理念核心是成为有前景工具的早期采用者。模型需要丰富的数据支持并经过严格测试，以便从一开始就设计出更好的分子。
"我们希望尽早采用那些真正有差异化的工具，并投入礼来的资源支持它们，而不仅仅依赖我们已有的成果，"Apple告诉GEN Edge。与Chai的合作不是将分子设计外包，而是将生成式AI能力引入内部，以增强礼来科学家的能力。
与Chai的交易只是礼来众多基于AI的举措之一。例如，在上周的摩根大通医疗保健会议上，礼来宣布与英伟达（Nvidia）达成10亿美元的合作，共同建立创新AI实验室，以解决药物发现中的关键挑战。该实验室将由这家制药巨头和计算巨头的联合团队运营。
获取许可
Noetik首席执行官Ron Alfa医学博士回忆道，当Noetik三年前成立时，这家总部位于旧金山的公司大胆押注于构建基于人类数据训练的生物基础模型，尽管当时行业大部分仍专注于分子设计。
虽然AI领域（如蛋白质建模）由大量公共数据集（如蛋白质数据库PDB）推动，但大规模转化数据仍是一片空白。
Noetik通过从具有完整体内（in vivo）环境的人体组织样本生成多模态数据来解决这一差距。这些数据训练了该公司的基础模型，旨在预测癌症患者的临床结果。
本月早些时候，Noetik宣布与葛兰素史克（GSK）达成一项为期五年的许可合作伙伴关系，使这家制药巨头能够访问Noetik的非小细胞肺癌和结直肠癌基础模型。该交易包括5000万美元的预付款，并将采用基于订阅的框架。
Alfa将与GSK的合作描述为"生物技术领域首批真正基础模型许可交易之一"。这一独特的合作弥合了SaaS式软件许可与生物制药在知识产权和数据安全方面的严格要求之间的差距。
"多年来，该行业一直在寻找将AI作为基础设施而非标准研发合作进行商业化的方法，"Alfa告诉GEN Edge。"现在，我们有了一个模板。"
葛兰素史克全球人工智能和机器学习高级副总裁Kim Branson告诉GEN Edge，尽管AI模型许可的先例有限，"我们的雄心使这一举措成为正确的选择。"
Noetik的模型可以使用GSK的数据集和患者结果进行微调，以改进靶点发现、患者分段和反应预测。"这补充了我们内部平台和类器官能力，帮助我们为患者发现、开发和交付潜在的新癌症药物，"Branson说。
为患者加速
AI与大型制药公司的交易并未止步于此。
Boltz是一家本月早些时候以2800万美元启动的新型AI研究和产品公司，已与辉瑞（Pfizer）达成多年期合作，将构建专属模型以改进结构预测、小分子亲和力和生物制剂设计的靶点选择。Boltz科学家还将与辉瑞的发现团队紧密合作，推进多个靶向项目的定制模型和工作流程，以增强临床前决策。
Boltz是一家致力于推进基于AI的药物发现开放科学的公共利益公司（PBC）。这家初创公司由三位麻省理工学院（MIT）研究人员共同创立——Gabriele Corso博士、Jeremy Wohlwend博士和Saro Passaro，他们以开发广受欢迎的Boltz系列模型而闻名。
此外，Isomorphic Labs本周宣布与强生（Johnson & Johnson）达成协议，这是其第三家制药合作伙伴。这家源自谷歌DeepMind的衍生公司去年曾宣布与礼来和诺华（Novartis）的合作。
根据这一新的多靶点研究合作伙伴关系，Isomorphic Labs将负责计算机模拟（in silico）预测和设计，而强生将进行实验测试，以推进项目开发。与Chai、Noetik和Boltz不同，AlphaFold 3的开发公司传统上一直将模型保留在内部。
反思这种交易模式，Amplify合伙人Elliot Hershberg博士表示，两点显而易见。首先，制药业领导者将AI视为对其业务未来至关重要的投资领域。其次，部分创新将通过外部交易实现。
"虽然这些工具很强大，但它们也越来越难以在内部构建和维护，"Hershberg告诉GEN Edge。
在审视AI竞争格局时，该领域预期未来模型将商品化，这对寻求基于平台差异化的公司构成了挑战。然而，Hershberg指出，我们尚未接近这一阶段。
"尽管存在真正的竞争，但只有一小部分团队能够接近最先进的成果，"他表示。AI公司继续通过追求专有数据、分布外问题或构建工作流程和基础设施来使自己脱颖而出，这些使工具能够广泛地被科学家使用。
Dimension合伙人兼研究主管Simon Barnett补充说，当今许多蛋白质语言和结构模型已经饱和了相同的基准测试，给人以技术已触顶的错误印象。
"Barnett告诉GEN Edge，"我们目前还无法用这些工具做到很多事情，但我相信这些问题将变得可解决。"这些模型面临的剩余挑战包括准确预测体内（in vivo）免疫原性、生成双特异性抗体等复杂模式，以及将命中结果扩展到更难的靶点，包括T细胞受体。
Barnett还预测，当前一波AI药物发现公司与大型制药公司之间将出现更多大规模合作伙伴关系，指出提供数据、模型、基础设施、评估服务等的公司组合将为未来研发提供创新引擎。
"制药业资金充裕且渴望实验，无论是通过传统的并购来加强其管线，还是像礼来那样进行更大胆的模型和数据许可交易，"Barnett继续说道。
Braidwell合伙人Nick Myerberg描述了一个更大的趋势，即较少关注模型的新颖性，而更加关注科学决策实际上是如何做出的。
"Myerberg在LinkedIn上写道，"真正的价值不仅仅在于构建更好的模型，而在于创建旨在使发现过程对患者更快、更智能、更可靠的系统。"
总的来说，文化变革缓慢，重建基础设施需要时间。然而，制药业对AI加速的投资反映了一种日益坚定的信念，即这些技术可以重新定义药物发现。这一主张最终将在临床中得到验证或证伪。
【全文结束】
