重仓AI4S，B轮融资再度落地1亿美金！

发布时间：2026-09-11来源：药事纵横

历经数轮资本冷热交替，AI制药行业正告别早期“工具赋能、效率优化”的浅层发展阶段。过去数年，行业普遍将AI的核心价值锚定在研发降本、流程提速层面，这一认知也催生了大批以辅助传统药物研发为核心的AI医药企业。但随着创新药研发赛道内卷加剧、同质化分子泛滥、难成药靶点攻坚陷入瓶颈，单纯的降本增效红利已趋近天花板，甚至陷入“提速不提质、降本不增值”的行业困境。

2026年8月，成立仅三年的AI原生TechBio企业寻明生科完成1亿美元B系列融资，一年内累计完成三轮融资、总融资额近2亿美元，成为当下AI4S赛道最受资本青睐的新锐企业。不同于行业多数玩家聚焦流程优化的发展路径，寻明生科的快速崛起，核心并非依托AI压缩研发成本、缩短周期，而是凭借闭环AI基础设施与生物基座模型体系，实现了从“辅助研发提效”到“原生创新造资产”的范式升级。其创始人提出的“AI制药降本增效是伪命题、短期实为增本降效”的反常识判断，精准戳破了行业长期存在的认知泡沫，也标志着国内AI制药正式迈入以生物基座模型为核心、以闭环实验迭代为支撑、以差异化药物资产创造为目标的全新发展阶段。

图1. 国产AI驱动研发的双靶点激动剂分子结构

一、AI 制药亟需从存量优化走向增量创造

之前AI制药的核心叙事始终围绕“降本增效”展开。依托人工智能的算力优势与算法迭代，AI能够有效替代传统药物研发中靶点初筛、分子批量筛选、结构初步预测等重复性工作，将临床前研发周期缩短50%以上，降低三成以上的无效试错成本，这也是早期资本与药企布局AI制药的核心逻辑。但落地到真实产业场景，这套叙事的局限性已全面凸显，成为制约行业深度发展的核心瓶颈。

图2. OpenDDE功能和结构预测概述

更核心的行业痛点在于，降本增效导向的AI应用，无法解决创新药研发的核心矛盾——同质化内卷。当前多数AI制药企业仍依托公开静态数据集训练模型，仅能对成熟靶点进行分子优化与批量生成，无法突破传统研发体系的技术边界。AI提速带来的结果，并非优质创新资产的增量，而是同质化候选分子的批量泛滥，进一步加剧了后端临床资源拥挤、赛道内卷的问题。可以说，单纯的效率优化已无法支撑AI制药行业的长期发展，行业亟需从“存量优化”转向“增量创造”，这也是头部玩家与资本纷纷抛弃传统叙事、布局AI原生创新的核心原因。

二、AI原生闭环体系，重塑药物发现底层逻辑

寻明生科与传统AI制药企业的核心差异，在于彻底摒弃了“AI工具叠加传统研发流程”的改良模式，搭建了行业稀缺的Lab-in-the-Loop闭环AI原生基础设施，构建了数据、模型、实验、药物资产四位一体的正向飞轮，从底层重构了药物发现的研发逻辑，这也是其能够突破行业瓶颈、实现差异化创新的核心壁垒。

在这套体系中，实验室不再是AI结果的后置验证环节，而是模型学习进化的核心载体。模型不再依赖固化的公开数据，而是通过持续的真实药物研发实验，自主产出大规模、多维度、高信息密度的功能数据，用于基座模型的预训练、强化学习与项目定制化后训练。这种“以动制静”的迭代模式，彻底解决了传统模型预测精度不足、脱离真实药理功能、难以适配复杂成药场景的痛点，让模型能力能够持续贴合真实生命科学规律，实现从“预测生物结构”到“生成功能分子”的关键跨越。

三、从技术模型到高价值药物资产的商业化闭环

不同于传统AI企业的软件订阅、技术服务费模式，寻明生科的核心商业化逻辑是依托模型闭环能力，规模化产出传统研发无法攻克的差异化药物分子。针对自身免疫、心血管代谢、中枢神经系统等临床刚需赛道的难成药靶点，公司通过项目定制化模型后训练，将通用生物基座模型转化为场景专属模型，结合AI智能体全流程赋能，完成靶点解析、差异化分子设计、成药性评估与实验验证全流程工作，产出具备临床优势的候选药物资产。

商业合作层面，公司已与多家全球头部药企达成战略合作，采用“轻量化项目验证+深度管线共建+资产授权分成”的新型合作模式，跳出传统技术服务的低价值陷阱。药企聚焦传统研发无法突破的难点靶点，由寻明生科依托闭环体系完成差异化分子设计与初步验证，能力验证达标后，双方推进管线联合开发与商业化落地，共享长期资产收益。目前公司已实现千万美元级稳定商业收入，成为国内少数真正将AI模型能力转化为规模化商业价值与优质药物资产的AI TechBio企业。

图3. OpenDDE架构、结构标记推理和原子形状互补性

四、未来演进：从研发提效到生物世界模型的终极突破

本轮1亿美元B系列融资的落地，标志着寻明生科正式开启技术范式的第二次跃迁，行业AI应用的终极形态也随之清晰：告别单点研发环节优化，迈向模拟、理解、干预复杂生命系统的生物世界模型时代。这也是AI4S技术发展的必然趋势，彻底打破了AI制药的传统边界。

从产业维度来看，这一演进路径彻底改写了AI制药的游戏规则。过去行业比拼的是研发效率、筛选速度与成本优势，未来行业竞争的核心将是生物智能认知能力与差异化资产创造能力。随着生物基座模型Scaling law持续兑现，模型算力、算法、数据的规模化迭代，将持续抬高药物研发的技术上限，让诸多传统手段无法攻克的难成药靶点、复杂疾病靶点具备可开发性。

未来，随着生物基座模型持续迭代、生物世界模型逐步落地，AI将彻底重构创新药研发的底层逻辑与产业格局。行业将彻底摆脱同质化内卷的困境，依托AI4S的科学突破，实现生命系统的深度解析与精准干预，为疑难疾病创新药物研发开辟全新路径。对于全行业而言，唯有跳出传统效率思维，搭建适配AI生产力的新型研发体系与商业模式，才能真正抓住AI制药的终极红利，实现从制药大国到制药强国的技术跃迁。

参考资料：

[1] 寻明生科，https://www.aurekabio.com/

[2]

[3]

作者介绍：Ketty，主要从事药物研发和科普，制药行业政策和发展研究工作。

立即扫码加入药事纵横交流群

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。