作者丨馮汝梅

編輯丨關雎

圖源丨Midjourney

2020年，Google DeepMind開發的人工智能系統AlphaFold 2，將蛋白質結構預測從傳統實驗方法的“數年時間”縮短至“幾分鐘到幾小時”，且精度達到實驗測定水平，解決了困擾生物學界50年的“蛋白質折疊難題”。

2024年，AlphaFold 2的開發者Demis Hassabis和John Jumper也因此獲得諾貝爾化學獎。這一里程碑式突破開啟了AI在生物醫學從概念驗證邁向實際應用的分水嶺——AlphaFold時刻。

第二個“AlphaFold時刻”即將來臨。

2025年12月16日，成立僅1年9個月的生物科技初創公司Chai Discovery宣布完成1.3億美元的B輪融資，投后估值達到13億美元（約合92億元人民幣），正式躋身AI制藥獨角獸行列。這距離其上一輪7000萬美元的A輪融資，僅過去了不到四個月。

這家初創企業正在利用前沿AI技術加速藥物發現，核心目標是打造一個“分子計算機輔助設計套件”，實現從零開始設計完整療法，最終將生物學從“描述性科學”轉變為“工程學科”。

目前，公司已開發出兩款AI模型——Chai-1和Chai-2，用于預測和重編程生化分子，如蛋白質、小分子、DNA和RNA等之間的相互作用。其中，Chai-2帶來了類似AlphaFold 2的突破性變革。它在零樣本抗體設計實驗中，成功率高達15%-20%，相比之下，傳統的計算方法成功率僅約0.1%，實現了百倍效率提升，直接改變了該環節的成本與時間邏輯。

自2024年成立以來，Chai Discovery完成了3輪融資，總融資額達2.3億美元，獲得了OpenAI、Thrive Capital、Menlo Ventures、General Catalyst、Oak HC/FT等機構的連續押注。

關于此次B輪融資資金，Chai Discovery將用于加速研發、模型開發和商業化。目前，公司正在全球范圍內大力招聘，計劃在未來一年內擴大工程團隊規模。

01從哈佛宿舍到硅谷

Chai Discovery的故事，是一個典型的“AI時代生物技術革命”敘事：一群對人工智能與生命科學交叉充滿熱情的極客，在經歷了個人成長、職業積累和技術拐點的洗禮后，于關鍵時刻匯聚在一起，創立公司并實現快速增長。

從左到右依次為Joshua Meier、Jacques Boitreaud、Matthew McPartlon和Jack Dent

圖源：Genetic Engineering & Biotechnology News

創始人兼CEO Joshua Meier出生于1996年，從4歲就開始對科學產生濃厚興趣，特別是科學、歷史、創業和古希伯來文本等領域。他被描述為一個“天生好奇”的孩子，早年就展現出跨學科思維。

高中時期，Meier就已展現出過人的創業天賦和科研實力。16歲時，Meier牽頭創立生物技術公司Provita Pharmaceuticals，公司完全由高中生組建和運營，專注于兩個創新方向：研發減少血友病患者注射頻率的醫療器械，以及探索通過蚊子傳播疫苗的“飛行注射器”技術。其中，“飛行注射器”項目成功入圍谷歌科學挑戰賽，還登上《科學美國人》雜志。

次年，17歲的Meier斬獲多項國家級科技獎項，包括西門子科學競賽全國第四名和英特爾科學人才搜索（Intel Science Talent Search）全國第四名，以及總額達8萬美元的賽事獎金。

后來，Meier進入哈佛大學攻讀計算機科學和化學雙學位及計算機科學碩士學位。在哈佛期間，他就已嶄露頭角，早早開始接觸機器學習與生物學的交叉應用。此外，他還加入CRISPR-Cas基因編輯技術先驅之一張鋒的實驗室，擔任研究助理，幫助其開發機器學習平臺，用于設計CRISPR篩查實驗。

畢業后，Meier先在OpenAI從事生成式大模型研究，隨后加入meta FAIR（Facebook AI研究），擔任核心科學家，主導開發首個Transformer架構蛋白質語言模型ESM-1b，該模型被生物制藥行業廣泛使用。2021年，Meier加入AI制藥公司Absci并擔任首席AI官，帶領團隊開發生成式AI模型用于創造新型蛋白質療法。

另一位聯合創始人Jack Dent擔任公司總裁。Dent比Meier小一歲，同樣畢業于哈佛大學計算機科學專業。兩人是大學同學兼室友，在校期間就結下了深厚友誼，曾共同參與TaxiLater應用開發，解決預約Uber的實際難題。畢業后，Dent加入全球支付巨頭Stripe，擔任核心工程與產品負責人。

盡管畢業后各奔東西，但他們保持著每3-6個月交流一次的習慣，Meier不斷向Dent分享他在AI藥物設計領域的研究進展。在一次交流中，他向Dent展示了“以原子級精度設計分子”的可能性，這打動了Dent，讓他覺得相比之下“其他項目都顯得不那么重要”，并決定放棄Stripe的高薪職位，與其共同創業。

2024年3月，Chai Discovery在美國加利福尼亞州舊金山正式成立。選擇此時創業并非一時沖動，而是基于對技術成熟度的判斷。他們認為，谷歌DeepMind的AlphaFold 2在2022年基本解決了蛋白質折疊問題，而擴散模型和大語言模型（LLM）的突破，為將結構預測推進到“分子生成”創造了條件。Meier后來表示，這是一次經過深思熟慮的“押注”，最佳創業窗口期可能只有一到兩年。

Matthew McPartlon和Jacques Boitreaud是其他兩位聯合創始人，前者在多家技術生物公司負責機器學習領導工作，后者在法國AI制藥公司Aqemia領導團隊，專注將機器學習工具應用于小分子發現。

02“藥界ChatGPT”

首先需要了解的是，現代藥物研發的關鍵在于針對導致疾病的特定靶點蛋白進行設計。這類似于治療需要找準核心的發病機制。通過精準干預這個關鍵的分子“開關”，藥物能夠在盡可能減少對正常細胞影響的前提下，達到治療效果。

然而，這一過程長期面臨根本性挑戰。首先，僅解析靶點蛋白的三維結構就可能耗時數年且成本高昂；其次，在海量無限的化學空間中尋找并優化能與靶點精準結合的分子，如同大海撈針，依賴大量試錯。這導致一款新藥的平均研發周期長達10-15年，耗費數十億美元，且失敗率極高。

Chai Discovery正在為這些問題提供AI解決方案，并已取得顯著進展。

剛起步時，公司團隊規模不到10人，擠在舊金山一間辦公室開展工作。創始成員直接參與模型開發，并在幾個月后快速推出首個基礎模型Chai-1。

圖源：Chai Discovery

Chai-1是多模態分子結構預測基礎模型，其核心突破在兩方面：一是開源屬性，它是首個完全開源的AlphaFold3復現版本，采用Apache 2.0許可證，明確允許免費商業使用，打破了AlphaFold3僅開放學術場景的使用限制，降低了行業技術應用門檻。二是性能表現，在PoseBusters等權威基準測試中，其預測準確率與AlphaFold3相當甚至更優，尤其在單序列輸入、無需多序列比對的復雜場景下，仍能保持穩定的高精度輸出。

Chai-1的核心定位是高精度生物分子結構預測，具備跨分子類型的統一預測能力，可精準解析蛋白質、小分子、核酸等多種核心生物分子的三維結構，精度達到“原子級顯微鏡”水準。這一步恰好解決了藥物設計的核心前提——讓藥物分子與靶點蛋白精準匹配，若無法清晰解析靶點蛋白的精確空間結構，后續設計便無從談起。

技術突破快速轉為市場認可，Chai-1發布當日，公司同步宣布完成近3000萬美元種子輪融資，獲得OpenAI、Thrive Capital及Dimension的支持。

不到一年，Chai Discovery便實現技術迭代升級。2025年6月，公司正式發布多模態生成式AI模型——Chai-2。相較于Chai-1的“結構預測”，Chai-2實現了從“預測”到“創造”的跨越。

圖源：Chai Discovery

Chai-2的核心亮點是“零樣本”從頭抗體設計，僅需輸入靶點抗原信息，就能直接生成全新的、具有結合活性的抗體或微型蛋白的序列和3D結構。實驗數據顯示，其成功率平均達到15.5%-20%，相較于傳統計算方法僅約0.1%的成功率，效率提升超100倍。更重要的是，Chai-2能針對傳統上“無藥可靶向”的G蛋白偶聯受體等靶點生成高親和力抗體，這被業界視為通過純計算方式實現的重大突破。

這意味著，一個過去耗資數百萬美元、歷時數年的早期發現難題，現在可能被縮短至數周內解決。

并且，與僅能設計蛋白質片段的許多模型不同，Chai-2能夠生成長度完整的抗體。設計分子在原子級精度與實驗結構一致，86%的設計達到可直接進入早期藥物開發的標準。

現在，Chai-2被業內形象地稱為“藥界ChatGPT”，因為它實現了從“讀分子”到“寫分子”的改變。與AlphaFold專注于“預測蛋白質結構”不同，Chai-2致力于“創造所需蛋白質”，即將開啟生成式AI在藥物研發領域的全新應用場景。

隨著B輪融資的完成，Chai Discovery正在推進商業化進程，拓展合作伙伴關系，推動其平臺在更多生物制藥公司中的應用。

03 AI制藥的新階段

如果說AlphaFold 2解決的是“看清”的問題，那么Chai-2則更進一步，解決的是“創造”的問題。AlphaFold 2像一臺超高精度顯微鏡，讓科學家能快速地看到幾乎所有蛋白質的形狀。Chai-2則像一個分子生成器，能根據靶點直接設計出全新的、可能成為藥物的抗體。

這一跨越對制藥行業的意義在于，它有望從根本上解決行業長期面臨的“高投入、低產出”難題。

與之對應，Chai Discovery未來將打造一個“分子的計算機輔助設計套件”，讓生物學家能像工程師一樣，可預測、可編程地設計生命分子。正如其創始人Meier所言，未來最強的抗體工程師可能不再是傳統的生物學博士，而是懂得如何與AI協作的“分子提示詞工程師”。

盡管AI設計的分子仍需經過漫長且嚴格的臨床實驗驗證，但Chai Discovery無疑代表“生成式AI制藥”的前沿方向——不局限于篩選，而是直接創造全新分子，以攻克傳統難以解決的靶點。

在全球范圍內，類似的競爭正聚焦于生成式AI的工程化能力。在國內，這一賽道同樣活躍，據不完全統計，已有上百家公司在此布局，部分企業已在技術突破和商業化方面取得實質性進展。

市場分析認為，盡管在底層通用生成模型方面與國際頂尖公司存在差距，但國內企業在特定靶點、臨床數據應用及本土市場結合方面正快速發展。中國在政策與臨床資源整合上的優勢，未來可能催生全球級的AI醫藥研發服務平臺。

本文為創業邦原創，未經授權不得轉載，否則創業邦將保留向其追究法律責任的權利。如需轉載或有任何疑問，請聯系editor@cyzone.cn。