一燊
一、技术原理
定义与核心机制：
Generate Biomedicines 的核心理念是：
“用生成式AI直接设计蛋白质药物，而不是在自然界里去找它。”
他们建立了一个名为 Generative Biology Platform 的系统，
本质上是一种「从目标功能反推分子结构」的生成式模型——
输入目标（如“抑制某受体”、“结合某病毒”），AI 自动生成最有可能实现这一功能的蛋白结构，
随后通过自建实验流水线验证，并不断反馈到模型中迭代优化。
形象化比喻：
传统制药像是在沙滩上捡贝壳，AI生物学是造贝壳。
Generate 就是第一家开起“贝壳工厂”的公司——
每一颗分子，都是由算法生长出来的人工生命体。
一句话本质：
从“筛选自然分子”到“生成功能分子”。
二、美国谁在做
代表企业：Generate Biomedicines
成立时间： 2018 年，总部位于波士顿。
母公司背景： 由 Flagship Pioneering（即创建 Moderna 的母基金） 孵化。
核心平台：
Generative Biology Platform：利用蛋白语言模型 + 结构生成网络设计新型蛋白药物。
Design-Build-Test-Learn（DBTL）循环系统：自动化实验验证反馈模型。
融资情况：
2021 年融资 3.7 亿美元（Series B）；
2023 年再获 2 亿美元战略投资。
合作方：
Amgen、AstraZeneca 等大药企合作开发新药管线；
与 NVIDIA BioNeMo 合作推进生成式蛋白算力优化。
团队规模： 超 500 人，其中三分之一为机器学习研究员。
象征意义：
Generate 是“AI生物学从实验室走向药厂”的标志公司，
代表生成式模型真正进入了 制药生产体系。
三、做到哪期
阶段： 多条药物管线进入 临床前与I期试验；
关键节点：
2023 年首款 AI 生成抗体药物进入人体实验；
2024 年启动基于生成蛋白的疫苗项目；
预计 2026 年前上市首款自研候选药。
阶段意义：
从“AI证明可行”到“AI驱动商业药物生产”的临界点。
四、为什么中国这里没做到
体系缺失：
中国AI制药公司多是“工具公司”或“项目制公司”，
缺乏 Generate 这种“模型 + 自动化实验 + 管线整合”的全栈结构。
产业接口断裂：
药企、实验室、算力中心分属不同体系，协同效率低。
技术积累：
缺少高质量蛋白结构数据与高通量实验反馈，AI 无法持续优化生成模型。
资本周期：
国内投资普遍三年见效，而生成式药物需要 7~10 年周期。
政策生态：
“AI生成生物药”尚未被纳入药监审批分类，监管灰区多。
五、中国可以怎么补位 / 投资 / 合作
技术补位：
建立“中国版DBTL系统”，以智能化实验平台支撑国内生成式药物研发。
临床补位：
聚焦免疫调节、肿瘤抑制等短链路径，用生成式蛋白模型做国产创新药验证。
合作方向：
与 Generate / Amgen 等建立“联合建模中心”，引入 BioNeMo 框架共同训练中国分子数据。
政策建议：
在国家药监体系中设立“AI生成药物”特殊审批通道（类似创新医疗器械绿色通道）。
资本策略：
由主权基金或产业母基金支持“AI药物制造工厂”模式，形成全链闭环投资逻辑。
长线价值：
生成式生物学是未来 20 年最具杠杆效应的产业革命，
它不是一家公司，而是一种 新的药物制造范式 ——
“算法 = 新分子，实验 = 新制造，算力 = 新能源”。
S.L