作者时间
内容
[ 导读 ] 三个事件分别发生在AI制药和大模型领域，但释放的信号相当一致：AI企业正在从模型研发走向实际产业应用，资本也开始围绕算力、芯片、实验室和自主研发管线重新布局。
三个事件分别发生在AI制药和大模型领域，但释放的信号相当一致：AI企业正在从模型研发走向实际产业应用，资本也开始围绕算力、芯片、实验室和自主研发管线重新布局。
一、Anthropic收购“一人药企”：Claude开始参与真正的新药研发
Anthropic这次收购的标的颇为特殊。
今年7月，Anthropic收购了美国生物医药初创公司Mithril Medicine。这家公司只有一名全职员工，就是创始人Cody Tranbarger。没有传统制药公司庞大的研发团队，也没有自建的大型实验室，却在不到18个月的时间里推进了两种罕见遗传病的药物研发。
支撑这套模式的核心工具，是Anthropic旗下的Claude。
Mithril没有选择传统的重资产研发路线，而是由创始人负责科研方向和关键决策，让Claude承担大量研究协调、数据整理、实验管理和项目推进工作，具体实验则交给外部专业机构完成。
整个研发网络涉及11家外部实验室。
这种模式最值得关注的地方，不是AI能够写报告或整理邮件，而是它已经开始承担传统制药企业中大量复杂的研发组织工作。
例如，一项关键实验需要更换负责人时，Claude能够从邮件往来和长达14个月的演示文稿中梳理项目进展，识别尚未解决的问题，并起草实验室交接邮件。面对外部实验室返回的数百份抗体筛选文件，它也能将分散的数据整理成统一清单，协助研究人员筛选更值得继续开发的候选抗体。
创始人表示，过去完成一个新药项目的初步研究假设、实验设计和研发策略，通常需要一到两个月，借助Claude，部分工作可以压缩到两三天。
两条罕见病药物管线，是Anthropic真正看中的资产。
Mithril重点研究的两种疾病，分别是LAMA2相关先天性肌营养不良症和α-肌营养不良蛋白病。这些疾病与维持肌肉结构和功能的蛋白质系统异常有关，目前治疗选择有限。
其中，LAMA2项目已经在小鼠实验中出现积极结果。
研究团队设计了一种双特异性桥接抗体，希望通过连接相关蛋白改善肌肉组织结构和功能。在一项短期小鼠实验中，接受治疗的严重疾病模型小鼠，在握力和肱三头肌力量测试中的表现约为未治疗患病小鼠的两倍，部分生存指标也出现积极变化。
不过，这仍然是临床前研究，不能据此判断药物对人类患者有效。
按照团队公布的规划，LAMA2项目最快可能在2028年末启动临床试验，另一条管线则有望在2029年进入临床阶段。这些属于研发目标，后续仍取决于实验结果和监管审批。
对Anthropic来说，收购Mithril的意义不只是获得两条药物管线，更重要的是验证一种新的研发组织方式：少数科学家利用AI协调外部实验室，能否以更低成本推进过去需要大型团队完成的药物研发。
这也解释了Anthropic为什么愿意从AI工具供应商转向直接参与药物研发。
过去，Claude主要帮助科研人员处理文献、分析数据和设计实验。现在，Anthropic开始拥有自己的药物研发项目，直接承担研发结果的责任。
二、百奥几何融资超1亿美元：AI制药开始争夺实验数据和药物管线
Anthropic在美国探索AI驱动的药物研发，中国AI制药企业也在加快布局。
近日，百奥几何（BioGeometry）宣布完成A+轮融资。本轮由国寿资本领投，上海生物医药基金继续加码，国开科创、瑞力投资、国方创投及多家生物医药产业资本参与，老股东达晨财智持续追加投资。至此，公司A轮系列累计融资超过1亿美元。
这笔融资反映出资本对AI制药的投资逻辑正在发生变化：单纯开发一个能够预测蛋白质结构的模型，已经不足以形成长期竞争优势。谁能把AI模型、真实实验和药物研发管线连接起来，谁才更有机会建立产业壁垒。
百奥几何目前重点布局GeoFlow和GeoCell两个技术平台。
GeoFlow主要面向分子层面的研发，包括蛋白质结构预测、分子相互作用和全新分子设计。它希望利用AI提高候选分子的设计效率，减少传统研发中大量反复试验和筛选工作。
GeoCell则进一步延伸到细胞层面，通过分析基因和药物干预前后的细胞变化，预测不同干预可能引起的细胞状态改变。
两者解决的是药物研发中的不同问题：GeoFlow关注设计什么分子，GeoCell则试图判断分子进入生物系统后可能产生什么影响。
这一步很重要。
传统AI制药容易陷入一个问题：计算机预测某个分子能够与疾病靶点结合，并不意味着它进入真实生物系统后就能发挥预期作用。蛋白质结构、细胞环境、药物代谢和毒性之间存在复杂联系，仅靠计算模型无法完成全部验证。
百奥几何希望通过两个平台，把分子设计和细胞生物学研究结合起来。
自动化实验室，是这套模式能否成立的关键。
公司计划进一步扩大自动化高通量实验能力，让AI提出研究假设和实验方案，再由自动化设备执行实验，最后把真实实验数据反馈给模型，推动下一轮优化。
整个流程可以概括为：AI提出假设、实验室执行、数据反馈、模型迭代。
这比单纯依赖公开数据训练模型更有价值，因为真实实验结果能够帮助模型识别预测偏差，逐步积累专有数据。
百奥几何还披露，公司已经建立数十个自主药物研发和合成生物学项目，部分双特异性抗体项目预计在2027年推进至IND阶段，即提交新药临床试验申请。
在合成生物学方面，公司表示，包括α-酮戊二酸和天然冰片在内的5个以上产品项目已经完成中试开发，并称天然冰片生物合成的生产成本较植物提取方式降低约80%。
这些项目能否真正形成收入，还需要看后续规模化生产、市场销售和监管进展。
百奥几何此次融资的看点在于，它不再只是向市场出售AI研发能力，而是试图利用AI建立自己的药物和生物制造业务。
对投资者而言，这种模式的想象空间更大，但研发周期和资金消耗也更高。模型准确率只是第一道门槛，能否进入临床、能否形成商业产品，才是最终考验。
三、DeepSeek第二轮融资1055亿元：近30家投资方入场，估值达到6155亿元
相比AI制药领域的融资，DeepSeek本轮融资的规模更加惊人。
10月30日，据The Information报道，DeepSeek第二轮融资最终达到1055亿元人民币，约合158亿美元，近30家投资方参与，公司估值约6155亿元。
腾讯和宁德时代仍然是最大的两家投资方。
腾讯本轮投入100亿元，与首轮持平，两轮累计投入200亿元。宁德时代及其董事长曾毓群本轮合计出资100亿元，是首轮50亿元的两倍。
砺思资本本轮投入75亿元，首轮为30亿元；IDG资本两轮累计出资65亿元；博裕资本本轮投入35亿元。
本轮更大的变化，是投资者范围明显扩大。
长鑫存储及其董事长朱一明、中芯国际进入投资者名单。vivo、美团、美的、立讯精密、吉利、携程、小红书等企业也参与其中，单家出资约10亿至30亿元。
这已经不是传统意义上互联网资本投资一家AI公司的故事。
长鑫存储和中芯国际的加入，体现出半导体产业对AI算力需求的关注。大模型训练不仅需要计算芯片，还需要高带宽存储、服务器和高速网络。随着训练规模扩大，存储和计算之间的协同越来越重要。
长鑫存储主要从事DRAM存储芯片研发与制造，中芯国际则是中国重要的晶圆代工企业。两家企业同时出现在DeepSeek投资者名单中，意味着AI模型企业与国产半导体产业之间的资本联系正在加强。
当然，投资并不等于已经形成具体的芯片供应或采购合作，但这种资本布局有利于未来产业链之间建立更紧密的联系。
终端和制造业企业的参与同样值得关注。
vivo关注手机和智能终端，美的布局家电与工业制造，吉利涉及汽车和智能出行，美团、携程和小红书则拥有大量消费服务场景。
这些企业投资DeepSeek，显然不只是看重一家大模型公司的财务回报，也是在关注大模型未来对自身业务的影响。
手机、汽车、家电、工业生产和在线服务，都可能成为大模型落地的重要场景。
四、国有资本集中入场，DeepSeek融资结构出现明显变化
本轮融资最值得关注的变化，是国有资本的参与程度明显提高。
据The Information报道，中国移动和中信证券各投入80亿元，中国电信、中金公司、中国人寿等机构也参与投资，单家出资金额在20亿至80亿元之间。国家人工智能产业投资基金本轮再次投入10亿元，与首轮金额相同。
按照报道统计，本轮国有背景投资者的出资占比约为27%，而首轮约为2%。从两轮累计来看，国有投资者占DeepSeek融资总额约19%。
这意味着DeepSeek的资本结构正在发生变化。
首轮融资主要吸引科技企业和市场化投资机构，第二轮则有更多通信运营商、金融机构和长期资金进入。
中国移动、中国电信拥有云计算、数据中心和通信网络资源；中信证券、中金公司具备资本市场和产业投资能力；中国人寿则拥有长期资金配置能力。
对于DeepSeek而言，这些投资者带来的不仅是资金，也代表着未来可能出现的算力、云服务和产业资源协同。
这背后还有一个现实问题：大模型研发越来越烧钱。
随着模型训练和推理需求增加，算力基础设施成为持续性投入。即使DeepSeek通过算法优化提高训练效率，也无法完全摆脱算力规模扩张带来的资金需求。
据The Information报道，DeepSeek此次扩大融资规模，部分原因与英伟达Blackwell系列芯片价格上涨有关。报道提及，搭载8颗B300芯片的服务器价格从此前约1500万元上涨至约1900万元。
这说明算法效率提升与算力投入增加并不矛盾。模型越大、应用越广，企业对算力的总体需求仍可能持续增长。
与此同时，国产AI芯片和存储产业的发展，也成为DeepSeek资本布局中的重要方向。
五、梁文锋如何在千亿融资中保持控制权？
DeepSeek本轮融资还有一个值得关注的细节：创始人梁文锋此前采用了一套特殊的资本安排。
据The Information此前报道，DeepSeek首轮融资中，除国家人工智能产业投资基金外，其他投资者需要将资金投入由梁文锋控制的实体，放弃相关投票权，并承诺锁定股份五年。
国家人工智能产业投资基金是例外，直接投资DeepSeek并拥有投票权。
这套安排的核心，是让DeepSeek获得外部资金，同时尽量避免创始团队失去经营控制权。
对于一家仍处于高速研发阶段的大模型公司来说，这种安排有一定现实意义。模型研发需要持续投入，技术路线也需要长期坚持。如果外部股东过多干预经营，或者要求企业过早追求短期盈利，可能影响研发节奏。
第二轮国有资本大规模入场，发生在这套治理框架已经建立之后。
这说明投资者在参与DeepSeek融资时，接受了相对集中的控制权安排，更看重企业长期技术能力和产业价值。
不过，集中控制也意味着公司治理和外部监督的重要性进一步提高。融资结构最终是否合理，仍然要看企业能否持续创造技术和商业价值。
六、AI竞争开始从模型转向产业链
把Anthropic、百奥几何和DeepSeek三个事件放在一起看，可以发现AI产业的竞争重点正在发生变化。
Anthropic通过收购Mithril，尝试把AI直接用于药物研发；百奥几何通过融资扩大模型和自动化实验室投入，试图建立AI驱动的生物研发体系；DeepSeek则吸引芯片企业、互联网公司、制造业和国有资本共同入场，进一步扩大算力和产业资源。
三家公司选择的路径不同，但都在做同一件事：把AI模型与真实生产环节连接起来。
对AI制药企业来说，模型能否设计出有效分子只是开始，后面还有实验验证、临床试验和商业化。
对大模型企业来说，模型性能也不是全部，算力供应、芯片适配、数据中心建设和应用场景同样重要。
这也意味着，未来AI行业的竞争壁垒将不再只是算法和参数规模，而是模型、数据、基础设施和产业资源的综合能力。
谁能把AI真正变成药物、芯片、产品和生产效率，谁才更有机会在下一阶段竞争中占据优势。
微信公众号
