一燊
一、技术原理
定义与核心机制：
Absci 与 Chai 的结合，代表了 AI 制药的**“端到端闭环化”**。
它不再只是生成蛋白序列，而是让 AI 完成整条路径：
从设计分子 → 模拟结构 → 预测表达与溶解性 → 验证实验结果 → 自我迭代优化。
Absci 的强项是 蛋白表达预测 + 高通量实验反馈系统，
能快速判断 AI 生成的蛋白是否能在真实细胞中稳定表达。
Chai 则是一个 生物大模型团队，由前 OpenAI 与 DeepMind 成员创办，
专注于“分子级 LLM”（Large Language Model for Biology），
让 AI 能像写代码一样“写出药物分子”。
当两者结合，就构成了一个 AI-First 生物系统：
AI 生成候选分子，Absci 实验室自动验证，
实验结果再反馈给模型，形成“自演化”的药物开发智能循环。
形象化比喻：
如果传统药企像是一个由科学家组成的乐团，
那 Absci × Chai 就是让 AI 同时成为作曲家、演奏者、混音师。
人类科学家只负责听结果，而不再需要演奏每一个音符。
一句话本质：
从“AI 辅助制药”到“AI 主导制药生产力”。
二、美国谁在做
代表企业：Absci Corporation × Chai Bio
Absci
成立时间： 2011 年，美国华盛顿州。
上市状态： NASDAQ: ABSI（2021 年 IPO）。
核心产品：
Integrated Drug Creation™ Platform： 从序列生成到蛋白表达的闭环系统。
Generative AI Model for Protein Design： 预测稳定性、溶解性与免疫原性。
融资情况： 超过 4 亿美元。
合作方： Merck、AstraZeneca、Eli Lilly 等。
Chai Bio
成立时间： 2024 年，旧金山。
核心产品： BioLLM 模型，可基于多模态数据（序列 + 结构 + 文献）生成候选分子。
融资情况： 2025 年完成 2 亿美元 A 轮融资，投资方包括 Andreessen Horowitz、OpenAI Startup Fund。
团队背景： 前 DeepMind AlphaFold、Anthropic、Meta FAIR 成员。
象征意义：
Absci × Chai 的结合象征着 制药业进入AI主导的“自动创造阶段”，
相当于「OpenAI + 台积电」的生物版本：算法 + 制造 一体化。
三、做到哪期
阶段：
Absci 已有数条 AI 生成抗体管线进入临床前。
与 Chai 联合的项目正构建首个“AI自动生成→实验验证→反馈再生成”的商业闭环系统。
关键节点：
2024 年底 Absci 发布首个 AI 生成抗体体内数据。
2025 年 Chai 完成 BioLLM-2 训练，可生成具备可表达性约束的蛋白序列。
2026 年前预计推出首款 AI 全链路生成药物候选物（IND级）。
阶段意义：
从“AI能帮忙”到“AI能自己做完”的里程碑。
四、为什么中国这里没做到
系统割裂： 国内AI制药公司多只做模型或筛选环节，缺乏“模型+实验+反馈”的一体化系统。
数据闭环不完整： 缺乏高通量表达实验数据，无法形成自学习循环。
技术封闭： 算法开源少、企业数据私有化严重，生态没有互相喂养。
资本误区： 投资偏向单点爆发的工具公司，而非长期生态平台。
监管不适配： 缺乏AI自主设计药物的审批路径与责任界定。
五、中国可以怎么补位 / 投资 / 合作
技术补位： 建立“中国版 Absci 平台”，重点攻克 AI→实验的反馈桥梁层（高通量验证自动化）。
临床补位： 选择代谢类疾病、肿瘤免疫等靶点做AI生成药物验证项目。
合作方向： 与 Absci/Chai 建立「联合模型中心」，共研中文分子语料与本地优化模型。
政策建议： 建立“AI药物生成伦理沙箱”，允许算法主导的药物设计流程进入监管试点。
资本策略： 投资链条要从“算法工具”升级为“AI药厂”模式，
支持具备数据闭环和硬件实验能力的复合型公司。
长线价值：
Absci × Chai 模式意味着制药业正式进入 “AI制造时代”：
算法取代实验为主线、算力成为新药产能、数据成为新专利。
它不仅重塑了药物创造方式，更重塑了 生物产业的生产关系。
S.L