Meta收购Manus AI的消息，像一颗深水炸弹砸进了原本就不平静的AI圈。
过去一年，生物医药行业的AI进化也在悄然剧变，AI不再是实验室里花里胡哨的噱头，摇身一变成了大药企纷纷争抢的香饽饽。
嗅觉灵敏的MNC们，早就停止了嘴炮，并用脚投票。礼来、诺华、阿斯利康已经签下了一张张数亿美金的支票。
逻辑很简单，与其坐等奇迹，不如直接买未来入场券。
以下20家AI制药公司在这场生产力革命中表现最抢眼，大厂看了都要递名片的，值得您一起关注关注。
01
小分子AI公司打 GPCR
Deep Apple Therapeutics ——捕捉“中间结构状态”的能力
传统GPCR药物研发常基于静态晶体结构（激活或失活态）。然而，GPCR是高度动态的蛋白。
Deep Apple的突破在于利用整体冷冻电镜（Cryo-EM）技术结合AI平台，捕捉到 GPCR在信号传导过程中转瞬即逝的“中间结构状态”，这些中间状态往往暴露出传统方法看不到的结合口袋（隐蔽口袋）。
这意味着 Deep Apple 可以针对这些“低丰度构象”设计药物，从而攻克传统方法认为“不可成药”的靶点。
通过冷冻电镜获得这些独特 GPCR 结构后，Deep Apple 完全依赖虚拟筛选，利用 Orchard.ai™ 平台进行大规模Docking。
同时使用专有的基于物理的评分算法，在数以亿计的虚拟化合物库中寻找能与特定 GPCR 中间构象完美结合的分子。
GPCR 的药物研发通常非常耗时，尤其是在先导化合物优化阶段。但Deep Apple 声称其平台能在 12 个月或更短时间内完成从靶点识别到先导化合物优化的全过程。
相比下，传统流程通常需要 2.5 年甚至更长时间。这种速度优势在竞争激烈的 GPCR 赛道（如代谢疾病、炎症、中枢神经系统疾病）中至关重要。
由于能够看到 GPCR 的动态变化和中间状态，Deep Apple 有潜力开发出具有更精准生物学功能的调节剂（如变构调节剂），这比传统的正构位点抑制剂或激动剂可能具有更好选择性和更少副作用。
02
蛋白AI，跨越血脑屏障
Manifold Bio ——跨越血脑屏障
这是一家非常有趣的生物技术公司，它从哈佛大学遗传学泰斗 George Church 的实验室衍生出来的。
Manifold Bio 的核心技术是他们发明了一种给蛋白药物打上“条形码”的技术，从而能够在活体动物体内（In Vivo）同时测试数十种甚至上百种药物，打破了传统药物研发中“一次只能测一个”的瓶颈。
传统的蛋白药物（如抗体）研发中，流程通常是这样的：
第1步（体外）：在培养皿（In Vitro）里筛选成千上万个候选分子，看谁能结合靶蛋白。
第2步（体内筛选）： 挑出最好的几个，（因为动物实验太贵、太慢，不能全测）， 把这几个打入实验动物体内（In Vivo），看效果和分布。
问题在于培养皿里的结果往往不能代表体内的真实情况。很多在培养皿里表现完美的药，一进动物体内就失效了（如半衰期短、无法到达肿瘤部位、或去了不该去的器官产生毒性）。
为解决这个问题，Manifold Bio 开发了他们的核心平台技术 M-Code。
Manifold Bio 设计了一套极其稳定的、非免疫原性的短氨基酸序列（蛋白质片段）作为条形码。这些条形码可在小鼠血液和组织中长期存活，不会被降解，同时不会影响药物本身的功能（不像某些大分子标签会改变药物的折叠或结合能力）。
实验结束后，通过质谱分析（Mass Spectrometry）来读取这些条形码，从而区分不同的药物分子。
有了M-Code，Manifold Bio的研发流程变成了：设计 100 种不同的抗体变体。给每个变体贴上一个独特的 M-Code 条形码，然后把这 100 种药混合注射到同一只小鼠体内。 一段时间后，取出小鼠的肿瘤组织、肝脏、肾脏等。
使用质谱仪分析组织样本，读取其中的 M-Code。 科学家就可以立刻看到一张清晰的图表：药物 A 大量富集在肿瘤里（好药！）；药物 B 全跑到了肝脏里（有毒性风险，淘汰）；药物 C 在血液里代谢太快，没起效（淘汰）。
Manifold Bio 技术 的核心价值在于数据更真实，不需要先在培养皿里瞎猜，而是直接在动物体内获得最真实的药代动力学（PK）和生物分布数据。特别适合开发复杂的药物，如双抗或ADC。 可在早期就通过体内数据快速迭代药物设计，而不是等到临床前晚期才发现药物在体内分布不好。
03
临床试验AI公司，拓适应症
Formation Bio 是一家AI驱动的新型生物制药公司，前身是 TrialSpark，后更名为 Formation Bio。
其他的 AI 制药公司常侧重于通过大模型进行药物设计和发现，而 Formation Bio利用自己独特的技术平台和 AI 能力，从其他制药公司收购处于临床阶段的候选药物，然后更高效地推进这些药物的研发和临床试验流程，侧重于临床开发（Clinical Development）。
2024年，该公司获得了C轮3.72亿美元融资，并与 OpenAI 达成战略合作，这使得它在 AI 制药领域备受瞩目。
他们找到那些在别的药企手里可能被搁置、或者非核心资产但有潜力的处于临床阶段的药物资产。然后，利用自建的技术平台和 AI 引擎，重新设计试验、优化流程、加速患者招募和数据分析。 最终通过 FDA 批准上市或出售给大型药企获利。
独家的“数据+流程”闭环 (Data & Process Feedback Loop)是他们最大的护城河。其它 AI 模型缺乏真实的临床操作数据来训练，而 Formation Bio前身是做临床试验技术平台的（TrialSpark），积累了大量的实际操作数据。
他们将 AI 嵌入到临床试验的每一个环节（从写协议、招募患者到数据监控）。真实世界的反馈数据会实时回传给大模型，让模型越来越聪明，形成“飞轮效应”。
另外，Formation Bio还是 OpenAI 在制药领域的首个深度合作伙伴。他们可直接访问 OpenAI 最顶尖的模型和资源，利用大语言模型（LLM）来处理海量的非结构化数据（如医生笔记、监管文件、复杂临床协议）。这能极大缩短编写报告、分析副作用和合规检查的时间。
他们还构建了端到端的操作系统。 利用生成式 AI 自动起草临床Protocol、知情同意书和监管提交文件，将数周的工作缩短为数天；还利用 AI 快速筛选符合条件的患者，解决临床试验招募的痛点。AI还可以帮助团队判断哪些药物值得收购，预测成功率，从而降低投资风险。
传统药物研发遵循“埃鲁姆定律”（Eroom's Law），即研发成本越来越高，效率越来越低。Formation Bio代表了一种新范式，通过技术手段优化流程管理和决策，大幅压缩数年甚至十年的研发周期，降低成本。
如果这一模式跑通，他们将不仅仅是一家制药公司，而是一个能批量生产新药的高效工厂。
他们的核心竞争力在于极大幅度地提升临床试验的效率和成功率，并通过收购现有资产来实现快速变现。
胖猫的见解：
AI 制药不再是简单的提供一个算法，而是实现了“干湿闭环”。算法预测（干）+ 高通量验证（湿）已成标配。
在市场端，MNC不再追求买下 AI 软件，而是通过“License-in AI-designed candidates”来对冲管线枯竭风险。
在应用场景上，GPCR 模拟、脑部递送、临床提效……AI 正在各个单点领域通过“暴力破解”实现超越。
有一点比较遗憾的是，很多传统药企手里攥着大量历史临床数据，却因没有 AI 整合能力，导致这些数据在数据库里“吃灰”，错失了像 Formation Bio 这种重塑临床流程的机会。
现在如果搞AI制药，要 关注公司正在研发的具体分子（如Superluminal 的 MC4R 激动剂），而非仅仅看AI叙事。单纯的药物发现已经过热，像Manifold这种解决“如何送到靶区”的 AI 递送技术才是稀缺资产。
也要琢磨下，是否有一些被大厂放弃、但在 AI 加持下可能有新转机的“冷门管线”，效仿 Formation Bio的资产运作模式，可能还有机会捡到大漏！
如果您喜欢胖猫的观点和文字，欢迎加入胖猫的知识星球～
在这里我们为您提供深度的资料、工作工具、观点见解～您也可以通过问答和胖猫以及各位同行进行深度链接～
一起学习、进步，搞钱～
热门跟贴