融资数千万元，MIT归国科学家要让AI从「设计药」变成「造出药」
融资数千万元，MIT归国科学家要让AI从「设计药」变成「造出药」
内容摘要
这种“AI研发+全自动合成+数据反馈验证”三位一体的能力，在全球范围内仍属稀缺。近日，杭州肽为生物科技有限公司（简称“肽为生物”）完成数千万元天使轮融资，由风物
|
这种“AI研发+全自动合成+数据反馈验证”三位一体的能力，在全球范围内仍属稀缺。 |
肽为生物依托浙江大学李承喜团队在多肽、环肽及核酸等领域的科研积累，以复杂生物大分子的AI智能设计与自动化合成为核心，定位于第四代AI制药研发平台。
目前，公司已在环肽领域打通AI分子设计、自动化合成、实验检测与数据反馈的研发闭环，试图突破传统AI制药重设计、轻验证的局限，推动药物研发从“AI辅助设计”迈向“AI自主研发”。
“我们自主研发的环化化学工艺及70通道自动化合成平台，在特定工艺中，原本需要十余步操作的环肽合成流程可缩短至两步，合成时间从约7天压缩至20分钟，粗产品纯度从约65%提升至95%。”肽为生物的创始人李承喜告诉36氪。
在合成效率提升的基础上，肽为生物正尝试打通一条“由AI设计候选分子，驱动自动化设备完成合成与验证，再将真实实验数据反馈给模型，推动下一轮研发”的完整链路。
产业变局：AI制药的瓶颈正在从设计走向验证
随着AI药物设计能力不断提升，实验端的效率问题日益凸显。
目前，部分AI制药企业的计算设计与实验验证仍相对分离。AI生成候选分子后，仍需人工协调合成、测试及数据反馈，研发效率受制于实验制造能力。
“以前的AI制药，更多停留在设计层面。”李承喜指出，AI虽然可以设计大量分子结构，但后续合成、验证以及结果分析，往往仍需要人工介入。
在他看来，下一阶段的AI制药，需要让AI自主提出实验方案、驱动自动化设备，并根据实验结果决定后续研发方向。
基于这一判断，肽为生物将药物研发技术的发展划分为四个阶段。
第一阶段由人工经验和湿实验主导；第二阶段引入自动化设备执行预设程序；第三阶段由AI参与分子设计和实验规划，决策仍主要依赖人类；第四阶段则由AI自主规划实验、驱动设备，并利用真实数据持续优化。
而第四代AI制药的关键变化，是让AI从辅助工具转变为能够自主规划、执行和优化实验的研发系统。
为实现这一目标，需要AI模型、底层化学工艺、自动化制造、实验检测及数据反馈等能力协同，任何环节的短板都可能影响研发闭环。
对此，肽为生物选择以环肽作为切入点。
近年来，以司美格鲁肽为代表的多肽药物取得巨大商业成功——其年销售额已接近300亿美元，也将开发商诺和诺德（Novo Nordisk）一度推上全球市值最高制药公司的位置。其中，环肽凭借独特的环状结构，逐渐成为创新药研发的重要方向。
相较于线性肽，环肽在分子稳定性、抗蛋白酶水解及靶点结合等方面具有潜在优势，部分经过特定设计的环肽还有望改善膜通透性和口服利用度。
李承喜认为，环肽在肿瘤、感染、炎症、自身免疫及心血管代谢等疾病领域均具有研发潜力。
但环肽的结构优势也增加了制造难度。不同环化位点可能产生明显不同的反应结果，复杂环肽还面临合成步骤繁琐、产率不足等问题。
因此，环肽的合成难题，恰好为肽为生物验证AI自主研发能力提供了切入点。
技术破局：从复杂环肽合成到AI自主研发闭环
肽为生物的技术路径与团队此前的研究经历有关。
2018年至2022年，李承喜在麻省理工学院（MIT）从事博士后研究，长期聚焦多肽、核酸等复杂生物大分子的自动化合成及相关原创化学技术，并参与海外大型生物医药企业的自动化研发项目。
在MIT期间，他曾为丹麦药企诺和诺德（Novo Nordisk）开发面向多肽核酸药物的AI预测模型与自动化生产平台，也曾帮助美国生物制药公司Sarepta Therapeutics将寡核酸药物合成时间从约一周缩短至三小时。这段经历让他较早理解国际药企对复杂生物大分子快速研发的需求，也为日后将AI算法、化学工艺与自动化设备整合为一体化研发平台奠定了基础。
2022年回国后，李承喜继续在浙江大学研究AI与自动化合成，并推动相关技术产业化。
在他看来，真正的自主研发平台不能靠简单拼接算法和机器人实现：懂AI的人要理解化学限制，工艺要适配设备，设备数据还要能被模型读取并用于下一步决策。
在团队配置上，肽为生物也试图打通从科研创新到产业转化的不同环节。联合创始人吕淼拥有约12年原料准入与产业服务经验，负责商业合作及产业化拓展；AI药物设计核心成员则拥有约13年分子动力学研究经验和AI药物设计（AIDD）研发经历，曾参与负责五条AI药物研发管线，其中一条已获批上市。
同时，团队累计拥有32项专利、36篇论文，覆盖算法、原创化学与自动化制造等方向。
基于优秀的团队背景，肽为生物选择从原创化学入手，而不是仅在现成合成仪上叠加软件。
传统复杂环肽合成涉及多步反应，常面临环化效率低、纯化难度大等问题。肽为生物围绕固相树脂、连接子、环化反应路径及多肽装订等关键环节开展创新，形成了相互配套的原创化学技术体系。
李承喜解释，在部分工艺中，只有成功完成环化的目标分子才会从固相载体上释放，未环化的组分则继续保留在载体上，从而提高产物纯度。
在原创化学工艺的基础上，肽为生物开发了70通道AI自动化环肽合成平台，可并行开展不同候选分子的合成或反应条件优化。当某一分子的合成产率不理想时，系统可根据实验结果，利用贝叶斯优化等方法自主优化反应参数，并驱动设备开展下一轮实验。
AI模型则负责尽量减少无效实验。同一个分子，选择不同的位置进行环化，合成结果可能截然不同。肽为生物自研的预测模型，可提前判断哪些位置更容易成功环化，帮助团队选择合成路线、制定实验方案，减少反复试错。
因此，肽为生物的技术壁垒，是原创工艺、AI算法、自动化制造和真实实验数据的协同。
材料与反应体系决定设备能否高效执行，设备决定模型方案能否迅速变成样品，实验数据再反过来校正模型——抽走任何一环，整体效率都会受影响。
目前，公司已在适配的环肽研发流程中已打通AI设计、路线规划、产率与条件优化、自动化合成、检测数据反馈的闭环。
这种“AI研发+全自动合成+数据反馈验证”三位一体的能力，在全球范围内仍属稀缺。
肽为生物:70通道智能平台赋能环肽高通量自动化合成
价值兑现：如何筑起壁垒、打开商业空间？
随着AI算法及开发工具的持续发展，单纯依靠模型能力建立长期优势的难度正在增加，而真实的分子结构、化学合成及生物实验数据，仍需在研发过程中持续积累。
“真实的合成数据，或者真实的生物数据，包括真实的结构数据，是AI制药企业保持竞争力的重要基础。”李承喜强调。
同一分子在不同环化位点、反应条件下，合成产率和产物质量可能迥异；将实验结果持续反馈给模型，有助于修正预测、优化方案。
由此，公司形成了四重技术壁垒：原创化学工艺、AI算法、自动化制造平台和真实实验数据。
在技术平台逐步完善的同时，肽为生物开始探索商业化，主要面向创新药、功效护肤及大健康、AI科技三类企业。
首先是创新药企业。
这类客户的需求集中在候选分子的设计、合成、验证和优化。部分创新药企业具备较强的AI设计能力，但复杂环肽的快速制造仍是短板。
肽为生物通过提供AI药物设计，可合成性预测、合成路线优化、高通量合成及数据反馈，参与相关药物研发项目。
据李承喜介绍，肽为生物目前已与六家创新药企业开展合作，其中五家为上市公司。
由于创新药研发周期较长，双方通常采用联合研发模式，使肽为生物不仅是单一的分子设计和合成服务提供方，也成为合作企业研发体系中的技术平台参与者。
其次是功效护肤及大健康企业。
这类客户主要需要美白、抗衰老等功能分子及新型原料，肽为生物提供从分子设计、实验筛选到原料开发的一体化服务。
在一个已完成的抗衰老环肽项目中，肽为生物通过AI设计与虚拟筛选，将数十万候选分子缩减至数十个，再利用自研AI模型评估环化位点及可合成性。
随后，AI规划合成路线和实验方案，驱动70通道自动化平台制备候选分子，并将高通量生物活性检测结果反馈给模型，指导下一轮结构修饰与优化。
项目在约五个月内完成了三轮“设计—合成—验证—学习”迭代，最终发现一个新型抗衰老环肽功能分子，并帮助合作企业推进新原料报备。
最后是AI科技企业及AIDD公司。
这类企业具备模型设计能力，但计算结果仍需真实分子合成与实验验证，合作重点也正在于此。
据李承喜介绍，肽为生物已与超算芯片企业、科技大厂新设的AI制药公司及新兴AI制药独角兽企业等开展合作，通过分子制造、实验验证及联合研发，为AI模型的实际应用提供支持。
更重要的是，多元化商业合作也为肽为生物持续完善技术平台创造了条件。
在数据使用权限得到保障的前提下，这些项目积累的实验数据有机会进一步反哺AI模型，提升其预测与优化能力。
技术平台由此有望形成“真实项目需求—自动化实验—数据积累—模型优化”的持续迭代机制。
未来进化：从环肽研发走向泛生物大分子Discovery Loop
访谈中，李承喜表示希望将AI设计、原创化学工艺、自动化制造和实验反馈能力应用于核酸、长难肽及蛋白质等复杂分子，逐步建设由AI智能体驱动的药物研发实验室。
除环肽之外，肽为生物正在开发环核酸、长难肽、特殊结构多肽及小型蛋白质的自动化合成技术。
“公司已开展环核酸自动化合成技术开发，在特定实验条件下，可于约一小时内完成合成，产物纯度超过90%。”李承喜介绍。
针对长难肽易聚集等问题，团队还开发了高温流动合成技术及新型抗聚集树脂等工艺方案。
在此之上，肽为生物计划将不同研发模块整合为一套AI自驱动系统，即面向复杂生物大分子研发的Discovery Loop。
按照公司设想，未来科研人员设定目标分子及研发需求后，AI智能体即可协调AIDD、分子筛选、路线规划、自动化实验及数据分析等模块，自主推进实验迭代；研发人员主要负责目标设定、实验监督、异常处理及关键决策。
李承喜认为，未来真正能够改变药物研发方式的AI，需要具备组织实验、分析结果并持续推进下一轮研发的能力。
这背后，AI制药的竞争正从单点技术突破转向设计、合成、验证及数据迭代的全链条协同。其中，复杂化学合成与实验验证仍是生物大分子研发的重要技术门槛。
肽为生物的探索，恰好切中了这一产业命题。
从攻克复杂环肽的合成难题，到构建AI自主运行的研发闭环，其背后指向的，是药物研发从“AI辅助设计”向“AI自主研发”的深层转变。
可以预见，随着AI与自动化实验体系加速融合，药物研发的底层逻辑或将被重新定义。未来，AI改变的不只是新药发现的速度，更可能重塑整个药物研发的组织方式与创新范式。
深度、敏锐、前瞻，为1%的人捕捉商业先机
36氪旗下精选公众号