OpenAI押注Red Queen Bio，让大模型公司走进实验室。
AI制药的竞争，正从模型能力延伸到抗体、临床与数据闭环。
据《华尔街日报》，OpenAI投资的Red Queen Bio已融资3600万美元，计划明年把针对禽流感及其他流感家族病毒的抗体推进人体临床试验。
公司目标不止已知病毒，还要为可能出现的自然或合成病毒提前储备抗体。
AIX生物药行业微信群已开启
扫描上方群二维码，群内持续分享场景拆解、实操流水线、落地案例与避坑清单，进群备注姓名、公司名、相关领域。
联合创始人汉努·拉亚涅米说，方法是AI加“大量艰苦的湿实验”：AI提出、筛选候选设计，实验判断结合力、稳定性和成药条件。
这很像红皇后假说：必须不停奔跑，才能留在原地。生物安全如此，AI制药也如此。
Red Queen Bio的商业想象在“广谱”和“储备”。
抗体注射后可提供暂时保护，适合新发病原、免疫弱者和已暴露人群。
公司希望把部分广谱抗体纳入美欧政府储备，威胁出现后再快速设计生产。
但抗体不是设计出来就能用。
结合靶点只是入场券，特异性、半衰期、组织分布、安全性都要过动物和人体试验。AI能扩大搜索，不能替代生物学审判。
这桩投资是OpenAI生命科学版图的第三层。
第一层是模型和工具。
GPT-4b micro与Retro Biosciences合作重设计SOX2、KLF4，干细胞重编程标志物体外提高超50倍；2026年发布生命科学推理模型GPT-Rosalind，并为Codex接入50多种科研工具。
第二层是研发合作。
与Red Queen Bio用GPT-5优化分子克隆，正确克隆提高79倍；与赛诺菲、Formation Bio做临床开发工具Muse；与Thermo Fisher、诺和诺德覆盖临床、生产、供应链。
第三层是投资。
Chai Discovery做从头抗体设计，Valthos做生物威胁识别。
OpenAI尚未包办临床、注册和商业化，它更像卖铲人、合伙人和股东。
Anthropic、Google、字节也在加速。Anthropic在旧金山湾区建分子生物学湿实验室，仅做BSL-1和BSL-2，不碰能感染人类的病原体。
Claude参与序列搜索、候选筛选、实验设计和结果分析，移液和培养仍由人类完成。
9月24日的研究中，约950个智能体21小时分析20多万种逆转录酶，从3500个候选缩到20个，发现“阵列相关逆转录酶”ART。
蛋白设计测试中，15个靶点有14个获得有效结合物，命中率22.6%—26.7%，高于常见10%—15%。
Google有Isomorphic Labs和DeepMind湿实验，AlphaProteo设计的结合物中，部分能在细胞实验阻止SARS-CoV-2及变体进入细胞。
字节分拆的Anew Labs首轮融资2.9亿美元，投后估值约15亿美元，字节保留56%。
这些动作指向同一变化：AI制药的战场，正从模型能力延伸到湿实验和数据生产。
上一代AI制药多围绕特定靶点、分子类型或管线，定位“AI辅助”，科学家主导；大模型公司想跨靶点、跨任务，做通用科研系统，甚至“AI主导”。
一位投资人说得直白：大模型公司真正的差异，是能否用多来源、多模态数据、数据基础设施和湿实验数据，建立完全由AI发现新药的模式。
卡点仍是数据。
药物数据散落在论文、专利、电子实验记录和临床系统，格式、流程、记录方式各异。
公开数据还偏爱成功：有效结果容易发表，没结合、没表型、合成失败、条件失效的数据常被埋在实验室角落。
但模型需要失败。
失败能告诉它为什么不能表达、为何非特异性结合、为何只在某种细胞环境有效。
湿实验因此有两个功能：验证模型输出，生产训练数据。模型提方案，人或机器人做实验，系统记录温度、试剂批次、操作步骤和失败原因，再喂回模型，选择下一轮实验。
闭环一旦跑通，模型越用越准，实验越做越少。
Red Queen Bio只是这个趋势的一角。
AI可以缩短搜索，却不能跳过临床。
下一场竞争，不是谁模型更大，而是谁能让失败数据变成下一次设计的路标。
谁掌握闭环，谁才更接近新药。
识别微信二维码，添加抗体圈小编，符合条件者即可加入
抗体圈微信群！
请注明：姓名+研究方向！
本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。
热门跟贴