当Chai Discovery宣布完成四亿美元融资时，硅谷的创业生态再次被注入一剂强心针。这家成立仅十八个月的公司尚未推出任何产品，甚至未形成可验证的商业模式，却凭借生物学基础模型Chai-1的愿景，吸引了包括OpenAI、红杉资本在内的顶级投资机构。投后38亿美元的估值，折射出资本市场对AI制药领域的疯狂押注。同一时期，OpenAI前研究员Miles Wang被曝将创立AI制药公司，光速创投正与其洽谈两亿美元融资，这场由谷歌与OpenAI两大阵营主导的竞赛，正在重现大模型领域的资本博弈。
新药研发的残酷现实为这场狂欢提供了底层逻辑。从靶点发现到药品上市，制药业平均需要十年时间、十亿美元投入，而最终通过临床试验的概率不足十分之一。这种“三重困境”构成了行业最坚固的壁垒，却也成为AI技术最具诱惑力的战场。Index Ventures合伙人Nina Achadjian直言：“生命科学将是AI最具颠覆性的应用场景。”相较于聊天机器人或代码生成工具，药物研发直接关联人类生存质量，其商业价值与社会意义远超消费级AI应用。
Chai-1的野心不止于蛋白结构预测。这家公司试图构建覆盖药物发现全链条的模型，从靶点识别到药效预测均纳入技术版图。与之形成对比的是背靠谷歌DeepMind的Isomorphic Labs，凭借AlphaFold的技术积累与27亿美元融资，在算力资源上占据优势。两家公司虽路径不同，却共同指向一个核心矛盾：AI制药需要以互联网速度迭代，但药物研发不容许任何试错成本。这种悖论在Miles Wang的创业计划中尤为明显——其新公司可能聚焦老药新用领域，通过为已上市药物寻找新适应症规避早期安全性验证，但这种策略也意味着要直面大型药企的竞争。
数据壁垒正在成为AI制药公司的生死线。制药业的核心资产——临床数据、化合物库、药代动力学参数——大多被诺华、罗氏等巨头垄断。这些企业既可能是AI公司的客户，也可能成为竞争对手。2021至2023年间，多家AI制药明星公司临床失败，根源并非算法精度不足，而是训练数据无法支撑从实验室到人体的完整跃迁。Index Ventures的资本部署已暗示战略转向，后续投资将围绕数据资产展开，这意味着四亿美元融资仅是入场券，购买临床资源、建立药企合作网络才是真正的资本消耗战。
人才结构的特殊性折射出行业的技术融合需求。Chai的四位创始人分别来自meta AI、DeepMind与制药企业，这种跨界组合恰好对应AI制药的核心挑战：纯粹的技术专家难以理解药物开发的监管逻辑与漫长周期，传统的制药从业者则可能低估深度学习的技术边界。Miles Wang团队从OpenAI带走研究员的举动，进一步凸显“模型驱动”路径的局限性——没有医疗数据支撑的模型迁移，终究难以突破行业壁垒。当前，老药新用领域虽因技术门槛较低吸引众多参与者，但大型药企凭借独占临床数据形成的优势，仍在持续挤压外部创新空间。
资本市场的估值逻辑正在形成危险闭环。大模型公司通过融资购买算力维持叙事，AI制药公司则可能依赖融资购买数据支撑管线。这种模式在商业化验证到来前，已让估值远超基本面。当资本退潮时，数据资产的估值将随临床验证失败而大幅缩水，毕竟预测模型不同于土地或专利，其价值完全取决于实际应用效果。AlphaFold虽证明了AI在蛋白结构预测的可行性，但药物研发的复杂性远超单一技术环节，从实验室模型到上市药品的转化率，仍是决定行业命运的关键变量。
这场镀金时代的竞赛中，38亿美元估值更多是信念的投射。若AI能将新药研发成功率从十分之一提升至五分之一，节省的试错成本足以催生万亿级市场，但这一假设尚未得到任何临床数据支持。制药工业的历史反复证明，实验室表现与人体反应存在巨大鸿沟。当第一个AI设计的分子获得FDA批准时，所有估值都将获得现实锚点；而在那之前，这个行业仍将是资本、技术与人性博弈的试验场。那些既能掌握临床数据，又能建立药企合作网络的团队，或许才能穿越泡沫，见证AI制药真正的黎明。
