bingdada艾斐智药是一家清华AIR孵化的AI Native新药研发企业，近期完成亿元级天使轮融资。其核心是通过DrugCLIP模型与PharmAgents智能体引擎，构建探索-决策-学习进化的三层AI体系，让AI承担研发决策责任，而非仅作为工具。
当AI与生物制药的联姻走过「单点工具」和「全流程赋能」两个阶段后，行业正悄然步入第三个岔路口：谁能让AI真正承担研发决策责任，谁就可能定义下一代制药公司的形态。近期完成亿元级天使轮融资的「艾斐智药」正试图给出自己的答案——这家由清华大学智能产业研究院（AIR）孵化的AI Native新药研发企业，选择了一条从组织架构到技术底座都彻底以AI为核心的激进路线。
传统制药模式中，AI往往被嵌入研发链条的某个环节：分子设计遇到瓶颈就开发生成模型，成药性预测不准就训练新的预测算法。但问题在于，不同业务线之间数据孤岛严重，AI能力难以复用，本质上仍是『人主导、AI辅助』的接力赛。
艾斐智药的做法截然相反。其核心团队认为，要让AI成为企业的底层操作系统，就必须让所有业务围绕AI向外辐射——从组织架构、研发流程到人机协作方式全部推倒重来。用团队的话说，『AI Native』不是给老房子装修，而是直接按AI的逻辑盖新房。
这种思路在资金投向上可见一斑。本轮融资由襄禾资本领投，智谱旗下星连资本及某知名产业基金跟投，募集资金将主要用于自研的DrugCLIP等基础模型和AI药物研发智能体引擎PharmAgents的迭代，同时推进自主与合作创新药管线。目前，公司进展最快的自研管线已进入Pre-PCC阶段，聚焦ADHD（注意缺陷多动障碍），通过自主发现的全新别构口袋探索差异化作用机制。
支撑这套体系运转的，是艾斐智药设计的『探索—决策—学习进化』三层AI能力架构，三者环环相扣，形成不断自我强化的闭环。
探索层的核心是DrugCLIP模型。传统虚拟筛选需要将蛋白与候选分子逐一比对，面对十亿级化合物库时计算成本急剧膨胀。DrugCLIP则采用双塔对比学习架构，将蛋白口袋和小分子映射到同一高维表征空间——团队称之为『化学宇宙』。面对全新靶点时，科学家只需定位蛋白口袋在空间中的坐标，即可检索邻近分子完成筛选。据团队披露，该模型可实现人类基因组规模虚拟筛选，单台服务器每天完成10万亿次蛋白-分子配对计算，千亿级化合物库秒级检索，优化后的部分靶点命中率达60%-80%，不经后续改造即可筛出纳摩尔甚至皮摩尔级别的高活性分子。
决策层则由PharmAgents智能体引擎承担。新药研发全程充满不确定性：筛选出大量分子后优先验证哪些？实验结果与预期冲突时采信哪部分证据？活性、选择性、药代如何权衡？这些决策需要整合文献、专利、模型输出、实验数据和专家经验等多源信息，且这些信息往往不完整甚至互相矛盾。PharmAgents的核心能力正是综合处理这类冲突与不完备信息，自主调用专业工具提出科学假设，并随新信息迭代研发方案。值得注意的是，团队并不追求让Agent完全替代人类专家，而是强调人机协作——专家反馈作为重要证据来源，帮助Agent持续学习进化，执行成败都沉淀为系统知识。
学习进化层贯穿整个体系。每轮湿实验反馈和专家评估都会反向修正模型，让系统越用越强。这种设计意图明确：让AI跳出工具定位，深度介入新药发现全流程。
尽管技术叙事充满颠覆性，艾斐智药的商业化路径却相当务实。公司主要采取Co-development（联合开发）模式，而非单纯出售AI技术服务。目前已与超过五家药企及Biotech在代谢、CNS、自身免疫、药物递送等方向开展共同开发，覆盖小分子、多肽等不同药物模态。
团队搭建也体现了对『落地』的重视。核心成员高博文曾主攻AI与基础科学跨学科研究，在字节跳动从事推荐算法工作后，2022年回清华AIR攻读博士，以共同一作发表《Science》正刊。公司虽自认『底色非常AI』，但已配备具药物化学、结构生物学背景的研发负责人，商务合作负责人则拥有近20年医药工业界经验，曾推动多个药物进入II、III期临床。高博文解释，之所以早期就完成这样的配置，是希望摒弃『AI计算完交付药化、药化再交付生物』的接力模式，让不同环节研发人员从第一天起就进入协同决策闭环。
艾斐智药的路径并非孤例。国内AI制药领域正经历代际更迭：第一代企业聚焦单点任务，第二代追求全流程赋能与自动化实验室建设。而新一代AI Native公司，包括艾斐智药在内，核心工作转向让AI承担研发决策责任。传统药企因背负历史业务包袱难以彻底重构组织，初创公司从零搭建反而更灵活。
与此同时，国内大厂与AI公司也在基础模型层面发力。百度文心一言、阿里通义千问等通用大模型虽非专为制药设计，但其多模态能力与工具调用机制，正被探索用于药物研发辅助。智谱AI（GLM系列）此次通过旗下星连资本参投艾斐智药，也暗示着大模型公司与垂直场景创企的协同可能。不过，通用大模型与制药专用模型在数据专业性、湿实验闭环上仍有明显差距，这正是艾斐智药这类公司的护城河所在。
今年以来，AI4S赛道持续升温，资本与产业界的评判标准日趋务实——论文和演示Demo之外，真实可复现的实验验证成为硬性指标。艾斐智药已与清华生命学院、药学院、中国农科院、上交大转化医学研究院等机构合作开展实验验证，但距离大规模商业化仍需跨越多个验证节点。
从技术演进看，AI制药的竞争正从『算得快』转向『决策准』。能否在真实研发中持续证明AI决策的价值，将决定『AI Native』是理念还是现实。正如团队所言，这套体系的核心是让AI参与回答『开展哪些实验、产出哪些数据、计算与湿实验如何打通』等根本性问题。当这些问题有了可靠答案，AI制药才算真正进入决策时代。
传统模式将AI作为工具嵌入特定环节，不同业务线各自为战；AI Native则要求所有业务围绕AI核心重构，让AI参与研发决策、组织设计和流程优化，形成人机协同的闭环。
DrugCLIP采用双塔对比学习架构，将蛋白口袋和小分子映射到同一高维表征空间。筛选时只需定位蛋白口袋的坐标并检索邻近分子，无需逐对计算，从而大幅降低计算成本。
PharmAgents擅长综合处理冲突、不完备的多源证据（文献、实验数据、专家经验等），自主调用工具提出科学假设，并迭代更新研发方案。它不追求替代人类专家，而是通过人机协作持续进化。
公司主要采用Co-development联合开发模式，已与超过五家药企及Biotech在代谢、CNS、自身免疫等方向合作，覆盖小分子、多肽等模态；最快自研管线已进入Pre-PCC阶段。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
中美建立AI对话机制与三大运营商叫停0元购机，看似无关的两件事共同指向技术治理逻辑的转变。本文从算力投资回报、智能体失控、数据隐私执法等维度，解析全球科技产业正在经历的制度重构。
Meta 在 Connect 大会上更新多条智能眼镜产品线，推出无摄像头的纯音频型号与超轻 VR 眼镜，以「做减法」和「时尚化」双线策略，重新思考智能眼镜的产品定义与市场边界。
端侧AI的竞争焦点正从模型参数量转向任务闭环能力。芯片厂商通过异构计算、多模型协作和生态整合，试图让智能体在手机上真正跑通工作流，但成本、迭代速度和跨终端协作仍是待解难题。
獲取最新的 SEO 與 GEO 技術資訊。
我們尊重您的隱私，隨時可以取消訂閱。
