寻明生科完成1亿美元B轮融资 创始人、CEO赵伟安：AI制药的降本增效是伪命题

每经记者｜陈星    每经编辑｜毕陆名    

8月10日，寻明生科（Aureka Biotechnologies）宣布完成总额1亿美元的B系列融资。值得注意的是，这家成立于2023年的AI（人工智能）原生TechBio（技术驱动的生物学）公司在今年4月刚刚完成A+轮融资，前期融资累计金额已接近1亿美元。

本轮融资由Granite Asia独家投资首轮，后续轮由知名产业投资人领投，弘晖基金跟投，启明创投、经纬创投及纽尔利资本等老股东持续加注。

宣布融资后，寻明生科创始人、CEO（首席执行官）赵伟安接受了《每日经济新闻》记者的专访。

寻明生科创始人、CEO赵伟安。图片来源：受访者供图

“AI设计的药物为何尚未获批上市”：这是一个认知误区

整个AI制药行业，“干湿闭环”几乎已成标配叙事。但赵伟安指出，多数公司的湿实验通量极低，很难真正与AI形成闭环。以抗体分子设计为例，多数公司还在用96孔板做表征，一个实验只能做96个分子。而寻明生科通过单细胞功能筛选平台，一个实验可以表征100万到1000万个分子，比传统方式提高了五六个数量级。

赵伟安将公司比作“AI生物制药界的Scale AI”——当年OpenAI训练大模型需要大量人工标注数据，Scale AI解决了快速标注的问题。寻明生科同样自研了一套给分子“评价打分”的高通量生产平台。为了进一步验证技术实力并向行业开放能力，寻明生科于今年7月发布了开源版本OpenDDE。

据了解，第一代AI制药公司产生的数据形态，并不适应今天大模型训练的要求。寻明生科为基座模型预训练和持续迭代设计了数据产出体系，数据的形态、质量和通量都服务于AI的进化需求。

“我们主要服务欧美顶尖药厂，商业闭环已经在欧美被验证。”赵伟安指出，AI设计的临床前分子，能以数千万美元首付款、叠加数亿美元里程碑付款被收购。传统10年10亿美元的模式中，大部分时间花在临床阶段，而如果把前端发现压缩到1—1.5年就能完成BD（商务拓展）变现，资本就能更快看到回报。

对于“AI设计的药物为何尚未获批上市”这一行业普遍质疑，赵伟安表示，临床过程本身就需要5年—8年，这是制药产业的客观规律，跟AI没关系。他预测，未来10年到15年，大多数获批新药都将由AI设计或AI参与设计。

数据也在印证这一趋势——据平安证券报告，2025年全球AI制药领域全年融资总额高达75.53亿美元，AI驱动的新药临床管线数量已从2017年的4个增长至2026年6月的179个，其中9个处在临床三期阶段。另有数据显示，AI发现药物分子的整体成功率从5%—10%提升至9%—18%，一期临床成功率高达80%—90%。

但挑战依然存在。AI设计药物在二期临床的成功率便降至30%—40%。高质量标注数据稀缺、模型可解释性不足、干湿实验闭环尚未完全打通，仍在制约AI药物的最终成药率。

“降本增效是伪命题”：叙事泡沫下的行业淘汰已经开始

在整个AI制药行业，降本增效几乎是标准叙事，但赵伟安对此持根本性质疑态度。

“降本增效在这个阶段是个伪命题。”他说。中国企业已经把传统分子创制做到极致——高质量临床前数据包成本压缩到200万到300万美元。如果AI只做这部分事情，本质是在存量市场里抢蛋糕。AI真正的价值是打破天花板，创造更大的蛋糕——解决此前治不了的疾病，发现此前不存在的机制。

但现实困境在于，一旦所有人都挑战“上限”，研发周期变长，资本更没有信心等待。所以很多AI制药公司只能讲降本增效。“但说实话，这些事情不做AI也能做，传统方法只是稍慢一点而已。”

这种叙事同质化，在“攻克难成药靶点”这个命题上体现得尤为明显。“真正的突破程度差异极大。做一个benchmark（具备基准参考价值的分子）级别的分子和做一个各方面都合格的药物分子，中间有巨大鸿沟。”赵伟安认为，行业将进入淘汰期。所有公司都在讲类似故事，最终只有能在至少一个维度上突破现有技术极限的公司能活下来，“很多公司会慢慢没有声音”。

当“攻克难成药靶点”不再是稀缺叙事，下一个爆点在哪里？“我预测未来几年确实可以攻克大部分难成药靶点的设计难题，整个领域的最大瓶颈会变成对生物和疾病认知的边界。AI真正的价值不在于把已知的东西做得更快，而在于发现人类认知边界以外的东西。”

面对字节跳动等互联网巨头入局AI制药，赵伟安并不紧张。互联网大厂一波一波在尝试。但截至目前并未产出显著成果，核心原因正是医药研发“双十定律”与互联网“快速迭代”文化之间的深层矛盾。“大厂的核心弱点是缺乏‘背水一战’的动力。”赵伟安分析，大厂团队倾向于选择“今天最稳妥的1.5倍赔率路径”，而不是“10%成功率但100倍回报”的颠覆性路径。

AI制药终将“消失”：10年后的行业会是什么样？

寻明生科的商业模式，是在“自己做药”和“卖平台”之间寻找第三条路。“这两种模式的根本冲突发生在临床二、三期，因为到那个阶段资源消耗指数级上升。但如果只做到临床Ⅰ期或Ⅱa期（早期概念验证），创业公司完全可以承受。”公司的定位是“早期概念验证（Early POC）”阶段的TechBio——把管线推进到临床早期，通过BD交易卖出“种子”实现商业变现。过去两年，公司已与多家跨国药企达成合作，实现千万美元级收入。

在商业路径上，赵伟安看重两种模式：定制化管线开发和深度平台共建。定制化管线是目前的主流，“AI技术需要整套基础设施配合，简单的模块化授权给药企，对方用不起来。”截至2026年4月，寻明生科已有一款药物即将进入临床阶段，两款进入IND开发阶段，并在多特异性抗体、激动型抗体、高效内吞型抗体等多个高价值领域精准布局。

关于10年后的终局，赵伟安的判断是：“AI制药这个词会消失，因为所有制药就是AI制药。就像今天我们不会说‘用电制药’一样，它会变成默认的基础设施。”他指出，这期间会出现至少3到5次“AlphaFold时刻”——抗体从头设计成功率超越传统动物免疫是一个；未来5年左右的细胞模拟是另一个。当这些基点的叠加最终使AI制药变成默认的基础设施，行业就完成了质变。

但他同时强调，真正的里程碑不是“AI设计的药物获批上市”——因为那一定会发生，而且会成批发生。“真正的里程碑是AI能够发现并验证此前人类未知的新靶点。”让First-in-class（首创新药）不再是偶然，而成为可重复、可扩展、可交付的系统能力。

封面图片来源：受访者供图