算法造抗体：AI 设计的药物落地礼来、辉瑞与诺华，Chai Discovery 估值冲上 38 亿美元

一家成立两年的初创公司，身价刚刚翻了三倍

2026 年 7 月 14 日，Chai Discovery 宣布完成 4 亿美元的 C 轮融资，估值达到 38 亿美元。这个数字本身已足够引人注目，但真正的故事在于它的成长轨迹：据报道，该公司于 2025 年 12 月以 13 亿美元估值完成了 1.3 亿美元的 B 轮融资。这意味着 Chai 在大约七个月内将估值翻了约三倍，而自 2024 年成立以来，它累计融资已达到约 6.3 亿美元的规模。

本轮融资由 Index Ventures 领投，参投阵容读起来就像一份风投行业的点名册——Kleiner Perkins、Sequoia Capital、Dimension、Thrive Capital、Menlo Ventures、General Catalyst，以及颇为引人注目的 OpenAI，都在既有投资方之列；新加入的投资者则包括 Bain Capital Ventures、Battery Ventures、Baillie Gifford、Sapphire Ventures 和 BDT & MSD。OpenAI 出现在一家药物设计公司的股东名单上，本身就是一个不小的信号：前沿模型的世界与生物学的世界，正越来越多地由同一批口袋出资。

Chai 由 CEO Joshua Meier 掌舵，他此前曾任职于 Meta AI Research 和 AI 抗体公司 Absci，联合创始人则来自 Absci 和法国 AI 制药初创公司 Aqemia。换句话说，这不是一次误打误撞闯进商业世界的实验室项目——而是一支多年来一直在专业构建蛋白质模型的团队。

Chai 究竟在做什么

Chai 为分子打造基础模型，目标直指抗体。抗体是生物学中最有价值也最难驾驭的产品之一：它们是庞大而松软的蛋白质，而设计出一款能够紧密且特异性地咬住选定疾病靶点的抗体，传统上意味着筛选海量的物理文库，然后指望有什么能"粘"上去。

Chai 的主张是：你可以改用计算的方式来生成候选分子。它 2025 年的模型 Chai-2 增加了一个生成层——报道中将其描述为一种全原子扩散架构——能够仅以一个靶蛋白和指定的结合位点为条件，从零开始设计出完整的抗体序列和结构。当前一代 Chai-3 则被呈现为在此基础上的一次质的飞跃：该公司表示，它大幅降低了所设计抗体的失败率，并提升了结合亲和力和多特异性工程能力。

这里真正关键的说法是"de novo"（从头设计）——即从零开始设计一个结合分子，而非优化一个已有的分子。如果这一点能可靠地奏效，它就能把药物发现中最早、最容易失败的那一段流程，从数月的湿实验室筛选压缩为一次算力运行。

仔细读那些基准数据宣称

到这里，编辑必须放慢脚步，因为这些数字正是整个热度的承重结构。据 AllSci 的报道，Chai-2 在"完全从头的抗体设计中实现了 16%–20% 的实验命中率"，而"此前的计算方法"命中率则"低于 1%"。SiliconANGLE 的报道则以不同的方式描述新一代模型，称 Chai-3 大致将成功率翻了一番，并援引针对分子靶点 35%–40% 区间的命中率。

这两种说法并不能整齐地对上——一个讲的是 Chai-2 的从头命中率，另一个讲的是 Chai-3 的提升——而且二者都不是 WelclAI 能够独立核实的。请把它们当作在行业媒体上被转述的公司自报数据，而非经同行评审的结果。可以公允地说的，是它的方向：所报道的命中率，比归因于旧计算方法的低于 1% 的基线高出一到两个数量级。即便大幅打折以剔除乐观成分，这种量级的差距，也足以改变药物发现团队分配实验室时间的方式。

大药企为何纷纷签约

最有说服力的证据不是基准数据——而是客户名单。业内三家最大的公司接连快速签约，时间线紧凑得看起来更像是势头而非巧合：

• 礼来（Eli Lilly），2026 年 1 月，签署了一项旨在加速生物制剂发现的协议。
• 辉瑞（Pfizer），2026 年 6 月，被描述为对 Chai-3 的授权，外加一个基于辉瑞专有数据训练的模型。
• 诺华（Novartis），日期为 2026 年 7 月 13 日——就在融资消息公布的前一天——达成了一项抗体发现合作。

这样的排序值得细品。前一天宣布与诺华的合作，第二天就宣布 4 亿美元的融资，这是把商业验证转化为估值的教科书式打法。但这些交易本身也是实质所在：大型制药公司是保守的买家，它们自己就拥有实力雄厚的内部 AI 团队，而能让其中三家去授权使用外部模型——某些情况下还是基于它们自己机密数据训练的模型——这比任何排行榜都更有分量的背书。正如报道中援引的 CEO Joshua Meier 的总结："AI 药物发现已经从承诺走向了部署。"

尚未被证明的那部分

部署不等于一款药物。报道本身也承认的那份冷静砝码是：迄今为止，还没有任何一款由 AI 发现的药物在任何地方获批。据报道，业界已经向用于药物发现的生成式 AI 投入了约 200 亿美元的规模，据说有 173 个以上源自 AI 的项目正处于临床开发阶段——但"处于临床开发阶段"是一条漫长而昂贵的走廊，每一道门后都有着极高的失败率。

设计出一个能在培养皿里结合其靶点的分子，只是故事的开端，而非结局。一个候选分子还必须挺过动物实验，然后是 I 期安全性试验，再然后是耗时数年、并且经常把那些纸面上看似完美的项目扼杀掉的 II 期和 III 期疗效试验。AI 能让第一步更锋利；但它并不能豁免任何人剩下的路。一个漂亮地击中靶点的设计抗体，仍然可能有毒、不稳定、具有免疫原性，或者只是在活体中根本无效。

因此，对 Chai 估值的诚实解读是：它为一个临床尚未证实的未来定了价。这 38 亿美元是一个赌注——赌更快、更便宜地生成看似可行的候选分子，最终将转化为更多获批的药物——这是一个说得通、但尚未被证明的论点。

炒作与真实

把这轮融资拆开来看，有两件事同时成立。炒作是真实的，就资金和明星客户正在果断流动这层意义而言：一家成立两年、手握三份大药企合作、拥有名流投资阵容的公司，绝非空中楼阁。而谨慎也是真实的，就其最终产品——一款因这些模型而诞生的获批疗法——尚不存在这层意义而言，而且本周流传的那些基准数字，是公司的宣称，而非经独立验证的结果。

让 Chai 成为一个有意义标志的，并不是它"解决"了药物发现，而是重心已明显地从演示转向了合同。当礼来、辉瑞和诺华都在为模型访问权付费——而且其中一家还让一家初创公司在其专有数据上进行训练——问题就悄然从"生成式生物学行不行？"变成了"现有巨头租用的这些模型，究竟归谁所有？"

总结

Chai Discovery 这轮 4 亿美元的融资，最好不要被理解为一次单一的融资事件，而应被理解为对整个领域的一次状态更新。在独立数据出现之前，那些所报道的命中率数字应当保持一臂之距的审慎；而任何 AI 设计药物均未获批这一事实，仍是这个行业诚实的那颗星号。但商业信号很难被挥手抹去：全球三大药企都选择了买而非自建，而投资者仅凭这一选择，就在七个月内把一家初创公司的估值翻了三倍。湿实验室将拥有最终的发言权——一如既往——但就目前而言，AI 抗体设计已经从"有趣的研究"那一栏，挪进了"药企正在开支票"那一栏。这一点，比任何基准数据都更能说明，38 亿美元真正定价的究竟是什么。