问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
生物医药领域生成式AI落地提速，当前大模型可批量生成潜在候选药物分子，但甄别有效分子的效率瓶颈日益凸显。美国初创企业10x Science近期完成480万美元种子轮融资，主打AI驱动的复杂分子价值评估技术，为药企研发管线降本提效，本轮融资将主要用于技术迭代与头部药企客户的商业化拓展。
过去三年，生成式AI在生物医药领域的渗透直接改写了候选药物发现的效率逻辑：过去研发团队需要花费3-5年才能筛选出10个进入验证环节的候选分子，现在借助大语言模型，仅需1个月就能生成同等规模的潜在分子库，甚至部分团队的分子生成产能已达到每年百万级。
但爆发式增长的分子供给并未直接转化为新药落地效率的提升。据行业统计，当前AI生成的候选分子中，仅有不足0.1%能通过后续的靶点结合、毒理测试等验证环节，99%以上的生成分子均为无效产出，反而挤占了药企的研发算力与人力成本，筛选高价值分子已经成为AI制药落地的核心卡点。
不同于多数AI制药企业扎堆布局的分子生成赛道，10x Science的核心能力聚焦在分子生成后的价值评估环节。其自研模型整合了分子动力学模拟、靶点结合概率预测、长期毒理风险预判三大核心模块，能够在分子生成阶段就过滤掉90%以上的无效候选，大幅降低后续验证环节的投入。
据内测数据，10x Science的模型对高价值候选分子的甄别准确率比行业通用方案高出62%，目前已经与3家头部跨国药企达成了试点合作，帮助合作方把前期候选药物筛选环节的成本降低了40%，研发周期缩短近70%。本次披露的480万美元种子轮融资，将主要用于模型的进一步训练迭代，以及面向Biotech企业的商业化服务体系搭建。
10x Science的走红，本质上反映了AI制药赛道从“堆产能”向“提效率”的转向。此前行业普遍将研发资源投入到分子生成能力的竞争中，随着生成技术的逐步同质化，下游的评估、验证、临床设计等垂直环节的技术缺口正在快速放大。
业内预计，未来3-5年AI制药赛道会出现更明确的分工：上游企业负责分子生成、靶点发现等前端环节，中游服务商聚焦分子评估、模拟验证等中后台能力，下游企业则对接药企的临床需求做数据转化，整个新药研发的链路效率有望在AI的全链路渗透下提升3倍以上。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号