一燊
一、技术原理
定义与核心机制：
Xaira 代表了“端到端 AI 药物开发”的新范式——它把大语言模型、分子生成模型、高通量实验自动化和临床数据反馈整合进一个完整闭环，让 AI 从理解分子语言，到预测生物活性，再到自动设计实验，全程自我迭代。
形象化比喻：
如果传统药物研发是一支“靠科学家灵感作曲”的乐队，那么 Xaira 是让 AI 直接学会作曲、编曲、录音、混音的一体化音乐工厂。
每一次分子设计、实验验证、结构修正，都是 AI 在“听自己的作品”，并改进下一首。
一句话本质：
从“人工实验验证”到“AI自我进化的药物创造引擎”。
二、美国谁在做
代表企业：Xaira Therapeutics
成立背景： 2024年由 Arch Venture Partners、Foresite Capital、Sequoia Capital 联合孵化，初始融资 10 亿美元。
核心团队： 前 Google DeepMind 科学家、前 Recursion CTO、前 Genentech 药物发现高管。
产品体系：
Xaira Core Model：跨分子类型的大语言模型，用于生成候选分子与结构。
AutoBioLab™：自建的自动化湿实验室，可高通量验证 AI 生成分子。
LoopEngine™：AI-实验闭环反馈系统，实现“边学边做”。
合作方： 已签约多家 Big Pharma（未公开）进行共研早期项目。
象征意义：
Xaira 是“AI制药从算法走向系统工程”的象征，标志着美国已进入“AI造药工业化阶段”。
三、做到哪期
阶段： 早期研发与临床前阶段，但已拥有多条内部候选药物管线。
关键节点：
2024 年获史上最大 AI 生物医药首轮融资（10 亿美元）。
2025 年开始与大型药企联合推进两条靶点验证项目。
预计 2026-2027 年进入人体试验。
阶段意义：
从“AI做辅助工具”到“AI主导药物发现”的临界点。
四、为什么中国这里没做到
监管壁垒： 中国的AI生成分子仍需逐步通过化合物登记、药监审批路径，缺乏快速验证通道。
技术差距： 缺少高质量生物-化学多模态数据（蛋白结构、表型图像、实验曲线），模型训练受限。
临床转化： 自动化实验与临床前验证衔接链条断裂，缺少类似 Recursion/Xaira 的自建实验闭环。
资本规模： 国内投资人仍偏好“能三年见成果”的药企逻辑，尚未出现敢于投 10 亿美元去养模型的基金组合。
伦理审查： 对 AI 自主生成药物、体内验证等新范式缺乏制度化伦理框架。
五、中国可以怎么补位 / 投资 / 合作
技术补位： 建立中国版“AutoBioLab”，重点突破实验自动化与AI反馈的接口层。
临床补位： 先从罕见病、小适应症入手，构建快速伦理审批通道。
合作方向： 与 Xaira、Recursion 等公司共建“中美双向药物验证平台”，提供中国独特人群数据。
政策建议： 支持 AI 药物发现进入国家科技重大专项，加速备案/验证机制。
资本策略： 推动“长线科技母基金”成立，用10年视角投资AI-First Biotech。
长线价值：
AI 药物开发是中国生命科学的“登月计划”——决定未来十年医疗科技的制高点。
S.L