2026，這些AI制藥公司值得關注！

近日，知名行業(yè)媒體BioPharmaTrend發(fā)布2026年AI原生（AI-Native）生物科技企業(yè)名單。

所謂AI原生，即從創(chuàng)立之初就以AI為底層核心，這類Biotech不是在傳統(tǒng)研發(fā)流程上疊加AI工具，而是用AI重構整個藥物研發(fā)全流程。

名單介紹了幾家新成立的公司，它們將AI深度應用于RNA 設計、生物分子建模、調控DNA 工程、實驗室自動化等多個領域。

這些項目集中反映出AI制藥的前沿風向，有望揭示行業(yè)未來最具價值的增長賽道。

智藥局結合公開信息，對上述公司進行了整理，以供業(yè)內參考。

Blank Bio

面向療法開發(fā)與臨床試驗的RNA基礎大模型

Blank Bio是一家由YC（Y Combinator）投資的科技生物公司，2025年在加州舊金山成立，由Philip Fradkin、Jonny Hsu與Ian Shi 聯(lián)合創(chuàng)立。

公司致力于打造新一代RNA基礎大模型，為RNA療法、生物標志物與診斷技術提供覆蓋全研發(fā)流程的支持。

模型可對不同RNA分子變體、突變及其在細胞中的表達水平進行分析，預測其穩(wěn)定性與蛋白表達量，在計算機中高效模擬多項濕實驗。

基于這些預測，系統(tǒng)能夠優(yōu)化mRNA 序列以提升效果，分析血液樣本中的游離 RNA，在特定RNA變體層面識別生物標志物，并發(fā)現(xiàn)全新的RNA藥物靶點，同時支持RNA靶向療法的設計。

公司表示，這類模型還可實現(xiàn)更精準的患者分層，助力設計更高效的臨床試驗。

目前Blank Bio的開源模型已被制藥巨頭如賽諾菲和葛蘭素史克(GSK) 使用，公司還與Arc Institute合作，將其RNA嵌入技術整合到下一代虛擬細胞模型中。

Boltz PBC

面向藥物研發(fā)的開源生物分子基礎大模型

Boltz PBC專注于研發(fā)用于藥物發(fā)現(xiàn)的生物分子基礎大模型。公司于 2026 年初正式公開亮相，完成由A16z領投的2800萬美元種子輪融資。

Boltz源自麻省理工學院計算機科學與人工智能實驗室（MIT CSAIL），核心技術圍繞 Boltz 系列模型展開，由Gabriele Corso、Jeremy Wohlwend、Saro Passaro （下圖從左至右）共同創(chuàng)立。

該平臺依托一系列能深度理解蛋白質及其他生物分子3D 結構的大型 AI 模型，將其轉化為科研人員可直接用于分子設計與預測的實用工具。

2024年底發(fā)布的Boltz-1，是首個性能達到 AlphaFold3 水平且完全開源的模型，能夠精確預測蛋白質、配體、核酸等生物分子復合物的 3D 結構。

后續(xù)發(fā)布的Boltz-2進一步超越了結構預測，引入了親和力預測。它能夠以比傳統(tǒng)物理模擬快 1000 倍的速度預測藥物分子與靶點結合的緊密程度，極大地加速了早期藥物篩選。

公司還發(fā)布了BoltzGen，一個生成式AI 模型，專門用于從零開始設計能夠結合特定生物靶點的蛋白質。

這些模型被整合進Boltz Lab平臺，并提供了用于小分子和蛋白質設計的AI智能體，可自動完成結合分子生成、親和力預測排序、合成可行性篩選等全流程工作。

Boltz已與輝瑞達成合作，基于輝瑞內部數(shù)據(jù)對基礎大模型進行專項訓練，打造專供輝瑞使用的定制版本，用于結構預測、小分子親和力評估與生物藥設計；而通用版模型則繼續(xù)向全球科研社區(qū)開放使用。

Origin

用于更安全細胞與基因治療的調控DNA設計

Origin是一家總部位于舊金山的初創(chuàng)公司，2025 年由 CEO Yash Rathod 與 CTO Malhar Bhide 聯(lián)合創(chuàng)立，并入選 Y Combinator 2026 年冬季創(chuàng)業(yè)營。

公司致力于通過設計調控DNA“開關”（啟動子與增強子），讓細胞與基因治療更加安全，精準控制治療基因在體內的表達位置與強度。

傳統(tǒng)的細胞和基因療法（如CAR-T）雖然強大，但往往由于無法精確控制基因在何時、何地表達，容易產生毒性。Origin的目標是通過編程讓藥物只在病變細胞中生效。

2025年10月，Origin 正式發(fā)布AI模型Axis，該模型既能預測現(xiàn)有調控序列的行為，也能從頭設計全新序列。

根據(jù)公司披露的數(shù)據(jù)，其Axis 模型在預測調控元件活性方面，平均優(yōu)于 Google DeepMind 的 AlphaGenome 模型約6.7%。

公司正在構建全球最大的合成調控序列專有數(shù)據(jù)庫，涵蓋多種細胞狀態(tài)。主要應用于癌癥、中樞神經系統(tǒng)（CNS）疾病等領域的基因療法優(yōu)化。

Manas AI

端到端藥物研發(fā)，專注腫瘤與罕見病

Manas AI是一家成立于2025年的全棧式AI原生生物制藥公司，聯(lián)合創(chuàng)始人包括腫瘤學家、普利策獎獲得者Siddhartha Mukherjee與領英聯(lián)合創(chuàng)始人Reid Hoffman、前谷歌工程高管Ujjwal Singh。

圖：Reid Hoffman（左）和Siddhartha Mukherjee（右）

公司公開亮相時完成2460萬美元種子輪融資，由General Catalyst與Reid Hoffman聯(lián)合領投，之后又宣布追加2600萬美元種子輪融資。

Manas AI專注開發(fā)腫瘤與罕見病藥物，早期公開信息顯示，其首批項目聚焦乳腺癌、前列腺癌與淋巴瘤。

Manas稱其核心模型為神經符號科學基礎大模型，將物理定律與深度學習相結合，目標是大幅縮短研發(fā)周期、降低腫瘤與罕見病新藥的開發(fā)成本。

公司平臺覆蓋藥物研發(fā)全流程：從早期靶點發(fā)現(xiàn)、分子設計、實驗室驗證到臨床試驗，將AI 系統(tǒng)與生物學家、化學家、臨床醫(yī)生的專業(yè)判斷結合，可用于抗體、小分子、RNA 藥物及聯(lián)合療法等多種類型。

2026年初，Manas AI 與Schr?dinger達成了深度戰(zhàn)略合作。通過整合Schr?dinger的物理模擬平臺，Manas能夠以傳統(tǒng)方法 100 倍的速度進行大規(guī)模分子對接。

Strand AI

用于補齊缺失組學與臨床數(shù)據(jù)的基礎大模型

Strand AI成立于2025年，由Yue Dai (CEO) 和 Oded Falik (CTO) 創(chuàng)立，總部位于舊金山，專注于生命科學數(shù)據(jù)基礎設施建設。

公司致力于打造面向生命科學的多模態(tài)患者數(shù)據(jù)集，重點應用于藥物發(fā)現(xiàn)與臨床開發(fā)場景。

Strand AI構建生物學基礎模型，并從已測得的生物讀數(shù)中預測“缺失”的生物數(shù)據(jù)，重構臨床試驗數(shù)據(jù)中缺失或未檢測的組學信息，讓原本數(shù)據(jù)不完整的患者樣本仍可被使用。

對于樣本量少、數(shù)據(jù)缺失嚴重的罕見病研究，該平臺可合成缺失指標，讓原本無法訓練的模型成為可能。

Strand還開放了一款交互式工具，可展示AI基于DNA變異預測的跨組織、跨人群 RNA 表達情況，并支持數(shù)據(jù)瀏覽與下載。

Medra AI

面向藥物研發(fā)的全自動AI機器人實驗室自動化平臺

Medra是一家總部位于舊金山的初創(chuàng)公司，致力于為生命科學實驗室打造所謂“物理AI科學家”，由斯坦福大學機器人專家、前紐約大學教授 Michelle Lee 于2021年創(chuàng)立。

Medra于2025年9月正式走出隱身模式，并在同年12月完成5200萬美元A輪融資，由 Human Capital 領投，Lux Capital、Menlo Ventures、Fusion Fund 等參投，累計融資額達到約 6300 萬美元。

Medra的核心目標，是打通計算機藥物發(fā)現(xiàn)模型與濕實驗驗證之間的閉環(huán)，讓 AI 系統(tǒng)能夠在7×24 小時無人值守的全自動實驗室中，自主開展實驗并持續(xù)迭代優(yōu)化。

Medra開發(fā)了一個通用的AI視覺控制層，可以讓廉價、靈活的協(xié)作機器人手臂像人類實驗員一樣“看”并“操作”實驗器材，并在幾小時內完成部署。

Medra平臺由兩大核心模塊組成：

物理AI（Physical AI）：通用型實驗室機器人集群，可對接標準儀器、讀取屏幕、操作按鍵、處理實驗耗材，能自動化普通實驗室中約 70% 的設備操作。

科學AI（Scientific AI）：基于大語言模型與視覺模型構建的推理層，負責提出科學假設、設計實驗方案、解讀實驗結果。

Resonate Bio

基于AI驅動的核磁共振平臺，用于結構導向藥物設計

Resonate Bio是一家位于維也納的生物技術公司，2025 年由 Darryl B. McConnell、Gerald Platzer 與 Robert Konrat 從維也納大學孵化成立。

傳統(tǒng)的結構生物學技術（如X 射線晶體學）只能給蛋白質拍攝“照片”，即靜態(tài)結構。然而，人體內約有一半的致病蛋白是高度柔性且處于動態(tài)變化的，這使得它們很難通過靜態(tài)模型來設計藥物。

Resonate Bio的開發(fā)了AI-NMR混合技術。通過結合核磁共振（NMR）實驗數(shù)據(jù)和先進的AI算法，他們能夠生成蛋白質與藥物結合時的動態(tài)“電影”。

與傳統(tǒng)單一靜態(tài)結構不同，該系統(tǒng)可輸出蛋白質配體構象集合及其相對豐度，被認為是結構導向藥物設計（SBDD）的一次重大升級。

這類構象集合專為動態(tài)靶點的結構導向藥物設計服務，可攻克傳統(tǒng)晶體學、冷凍電鏡難以觸及的“不可成藥” 靶點。

在實際應用中，AI模型從 NMR 數(shù)據(jù)中學習，以高通量方式推斷大量化合物的潛在三維結合模式，為藥物化學家在設計與優(yōu)化小分子藥物時提供更豐富的結構信息。

—The End—