2026 年 7 月 14 日，成立僅兩年的 AI 驅動藥物發現公司 Chai Discovery（下文簡稱 Chai）宣佈完成 4 億美元的 C 輪融資，估值達到 38 億美元。
Chai 的目標是“爲分子構建一套計算機輔助設計工具（CAD for molecules）”，將充滿不確定性的藥物發現過程轉化爲可預測的工程問題。禮來（Eli Lilly）、輝瑞（Pfizer）和諾華（Novartis）已成爲第一批爲這一願景付費的客戶。
這家公司備受制藥巨頭青睞的原因或許在於，在一個靠臨牀資產賺錢的行業裏，Chai 多次公開承諾， 自己只賣工具，永遠不會自建管線。
一支“人工智能原住民”組成的創始團隊
Chai 的四位創始人幾乎都來自 AI 領域。CEO 約書亞·邁爾（Joshua Meier）本科在哈佛大學修讀化學和計算機科學，期間進入張鋒實驗室參與 CRISPR 研究。2018 年，約書亞加入 OpenAI，親歷 GPT-1 和 GPT-2 的開發過程。這段經歷讓他意識到， 大模型如果能理解自然語言，理應可以理解 DNA 這種“真正的自然語言”。 他決定帶着這一新認知重返生物技術行業。
約書亞隨後加入 Facebook 人工智能研究院（現在的 Meta FAIR），共同主導開發首批基於 Transformer 架構的蛋白質語言模型 ESM-1b 和 ESM-1v。2023 年，他出任上市 AI 生物製藥公司 Absci 的首席人工智能官，帶領團隊推進從頭抗體設計的生成模型研究。
聯合創始人傑克·登特（Jack Dent）是邁爾在哈佛計算機系的同班同學。首席技術官（CTO）馬修·麥克帕特隆（Matthew McPartlon）是約書亞在 Absci 工作期間的同事，擅長從頭抗體設計建模。第四位創始人雅克·布瓦特羅（Jacques Boitreaud）則來自一家名爲 Aqemia 的法國 AI 製藥公司。
約書亞在 OpenAI 期間曾與山姆·奧特曼（Sam Altman）多次討論過孵化一家蛋白質組學衍生公司的可能性，只是當時覺得時機未到。2024 年初，約書亞和傑克再次找到山姆。談話結束後，他們決定創辦 Chai Discovery，OpenAI 成爲最早的種子輪投資方之一，並連續參與了之後多輪融資。
（來源：Chai Discovery）
這支團隊的 AI 原生基因給公司注入了關鍵理念：他們將生物製藥視爲一個藉助軟件產品邏輯不斷迭代的信息處理問題，而非通過溼實驗室反覆試錯的傳統手藝。
讓模型先學會“看”分子，再“造”分子
2024 年 9 月，公司發佈多模態基礎模型 Chai-1，能預測蛋白質、小分子、DNA、RNA 以及共價修飾的三維結構，性能與 AlphaFold 3 處於同一水平。在基準測試上，Chai-1 的蛋白質-配體預測成功率達到 77%，多聚體結構預測準確率爲 69.8%，超過 AlphaFold Multimer 的 67.7%。
Chai-1 還具備一個關鍵優勢，無需藉助多序列比對（MSA）就能順利完成任務。相比之下，大部分其他結構預測方法通常需要進行大量 MSA 計算，預測全新序列的價格相當昂貴。
2025 年，單克隆抗體爆發，佔據新藥批准的 25%，成爲製藥行業增長最快的板塊之一。而且，抗體從頭設計所涉及的公開數據相對豐富，分子結構-功能關係清晰，Chai 看準了這一點，將下一代模型高度聚焦於抗體設計。
2025 年 6 月底發佈的多模態生成模型 Chai-2 完成了從“看”分子到“造”分子的升級。Chai-2 採用全原子（all-atom）架構，將結構預測與序列生成整合進單次推理。使用者僅需指定靶點結構和綁定表位（幾個殘基即可），即便未提供任何已知起始抗體模板，模型也能直接“零樣本”生成完整的抗體設計。
實驗驗證中，團隊在 52 個此前沒有已知抗體結合物的全新靶點上開展測試，Chai-2 的整體命中率爲 15.5%。模型還成功爲難以處理的靶點設計出了結合物，小蛋白結合物任務的命中率達到 68%，部分設計的結合親和力達到皮摩爾級。作爲對比，傳統計算方法的抗體設計命中率通常低於 0.1%。
Chai-2 的效率也是一大看點，每個靶點只設計了不到 20 個分子，其中一半靶點在單輪測試中找到了至少一個成功的結合物。 從發現、設計到實驗室驗證的全流程不到兩週。
（來源：Chai Discovery）
2026 年，公司推出最新一代 Chai-3 模型，目前尚未公開技術報告或第三方基準測試，但 Chai 宣稱其成功率是 Chai-2 的兩倍，在治療性結合、多特異性分子設計和跨靶點泛化方面均有提升。
速度之外，值得關注的還有 Chai 的開源策略。
Chai-1 的模型權重和代碼全面開放，可供非商業研究使用，網頁版工具還對商業用途免費開放。截至 2026 年 4 月，Chai-1 已被超 400 篇學術引用，成爲結構預測的主流研究工具之一。
從 Chai-2 開始，公司全面轉向閉源。核心的生成設計能力不再公開，只通過商業許可提供。2026 年，Chai 與禮來、輝瑞相繼建立合作，基於後者各自的專有研究數據訓練定製版模型。
這構成了三層遞進的產品架構：開源基座模型建立品牌認知和學術信任，閉源產品向藥企收取許可費，定製模型深度嵌入客戶工作流。
只做軟件，不建管線
“計算機輔助分子設計”（CADD）是 Chai 押注的技術路線，但該賽道已經存在了數十年，我們熟知的藥明康德就在長期提供此類服務。
（來源：Chai Discovery）
真正將 Chai 和競爭者區分開的，是其“只做軟件，不建管線”的業務承諾。
AI 製藥領域存在一個行業共識：要想賺大錢，就必須自建臨牀資產，最好能變成一家藥企。共識之下，其他頭部公司幾乎都轉向了“平臺+管線”的混合路線。
但 Chai 決定挑戰這一教條。傑克的判斷是： 如果一款藥物發現引擎能可靠地產出大量有前景的候選分子，其價值已經足以撐起一家公司。
2025 年 8 月，Chai 完成 7,000 萬美元 A 輪融資，並宣佈前輝瑞首席科學官米卡埃爾·多爾斯滕（Mikael Dolsten）加入董事會的消息。米卡埃爾稱讚 Chai 做出了一個“明智的選擇”：在一個大藥企需要最值得信任的外部合作伙伴的世界裏，不同時運營自己的管線，才能真正獲得客戶信任。
除了消除客戶戒心，這一策略還有望大幅降低資本投入，同時提升公司對接藥企時的靈活性。
藥物研發是重資產行業，推進單個分子進入臨牀，動輒燒掉數億美元。但 Chai 直接將所有物理驗證打包交給合作伙伴，輕裝上陣。
當然，純平臺模式的代價顯而易見。按照慣例，如果合作方最終開發出年銷 10 億美元的重磅藥物，Chai 只能拿到 500 萬到 5,000 萬美元；如果公司建立自有資產，按標準生物技術條款授權，能獲取的價值則在 5%~20% 之間。Chai 目前並未公開具體的收入結構。行業推斷，公司與禮來簽訂的年度許可費在數千萬美元級別。
在巨頭環伺中等待“臨牀大考”
在 AI 藥物發現的戰場上，Chai 的處境可謂強敵環伺。
谷歌孵化的 Isomorphic Labs 主攻藥物設計引擎，同時推進自有候選藥物。3 月，Isomorphic Labs 獲得 21 億美元融資，與禮來和諾華敲定了總價近 30 億美元的合作。
也有 AI 巨頭選擇親自下場做藥：OpenAI 通過與諾和諾德（Novo Nordisk）和賽諾菲（Sanofi）的企業合作進入藥物研發，Anthropic 推出了 Claude for Life Sciences 產品線……
諾貝爾化學獎得主大衛·貝克（David Baker）聯合創辦的 Xaira 自研虛擬細胞模型，從細胞擾動響應角度開發藥物。大衛團隊 2025 年在《自然》（ Nature ）發表從頭生成全長抗體的工作。Xaira 同期也建設了大規模實驗平臺和自有藥物管線。
Recursion 和 insitro 走表型組學路線，用高通量成像和多組學數據構建生物學模型。前者擁有全球最大的自動化生物實驗室之一，在微軟 Azure 的算力支持下，多個自研分子已進入臨牀階段。開源競爭者 Boltz 2026 年初完成 2,800 萬美元種子輪融資，與輝瑞簽署多年合作。
從對手公司的合作版圖中，我們不難看出，大藥企普遍採取“多家賽馬”策略，Chai 並非唯一選項。
但 Chai 必定不滿足於只當備選。砍掉自建管線的後手，提升模型性能就是唯一的出路。在前期訓練中，大部分蛋白質和抗體結構數據都是公開資源，差異只來自算法和算力，極易被資金充足的對手砸錢追平。
如果能與藥企深度綁定，爲其定製模型，Chai 就能拿到更多不公開的優質數據，理論上可以形成“越用越好”的飛輪，進而提高客戶的切換門檻。
問題在於，整個行業目前還沒跑通臨牀驗證。全球目前已投入約 200 億美元用於生成式人工智能藥物發現，超過 173 個人工智能來源的藥物項目正在推進開發，卻沒有一款人工智能設計的藥物獲批上市。
數據顯示，人工智能驅動的藥物發現在一期臨牀通過率上可達 80% 到 90%，但到二期臨牀時會降至 40% 左右，與經典藥物發現策略的通過率基本持平。也就是說，人工智能到底能否又快又好地設計出新藥，目前仍是一個無法證實的命題。
隨着模型能力不斷提升，當 AI 輔助藥物發現成爲標配工具，行業格局或將演變爲少數平臺供應商服務絕大部分藥企。Chai 若能保持兩年迭代三代模型、每代性能都翻倍的節奏，有望樹立 AI 製藥的“摩爾定律”。
以上只是最樂觀的猜想。
作爲 Chai 此次融資的參投方之一，General Catalyst 董事總經理埃琳娜·維博奇（Elena Viboch）在 2026 年初表示：現在與 Chai 建立合作的藥企，將在 2027 年底迎來首批進入臨牀試驗的新藥。
這是一劑強心針，也開啓了緊張的倒計時：如果到時依然沒有分子進入臨牀，客戶的合作信心會被動搖，進而影響 Chai 的市場價值。
結構預測正在被商品化，下一階段，AI 藥物發現將在閉環實驗、表型整合、臨牀轉化預測等領域展開競爭，這些都不在 Chai 目前的能力範圍內。加之純平臺模式的獲利天花板遠低於自建管線，只做軟件的承諾或許只是一種早期獲客策略。
因此，Chai 究竟會成爲走在 AI 製藥前沿的行業定義者，還是轉而加入“平臺+管線”的賽場，明年底是第一個觀察窗口。
參考內容：
https://www.nytimes.com/2026/07/14/business/dealbook/chai-discovery-ai-drug-development.html
https://www.chaidiscovery.com/news
免責聲明：本文旨在傳遞生命科學和醫療健康產業最新信息，不代表平臺立場，不構成任何投資意見和建議，以官方/公司公告爲準。本文也不是治療方案推薦，如需獲得治療方案指導，請前往正規醫院就診。
運營/排版：何晨龍
注：封面/首圖由 AI 輔助生成