随着生成式AI逐步进入药物研发产业链，AI制药行业正在从技术探索阶段迈向商业验证阶段。
过去几年，市场更多关注AI模型能力及其对研发效率的提升，而如今行业关注的重点正在转向：AI是否能够真正解决传统研发难题，是否能够进入药企真实研发流程，并最终形成可持续的商业价值。
科迈生物正处于这一转变过程中。
作为一家专注于生成式AI抗体设计的创新企业，科迈生物围绕自主研发的Click.mAb.平台，已形成特定表位抗体从头设计、人源化、亲和力成熟、CDR多样性改造等多项能力，致力于通过AI技术提升抗体药物研发效率。
科迈生物CEO王天元博士指出，科迈的核心目标绝非简单利用AI替代传统实验，而是试图颠覆传统抗体发现以“大规模筛选”为主的研发方式。“传统方式更多是先获得大量候选分子，再进行筛选；而AI能紧扣靶点和功能需求，直接进行分子设计。”
数据筑底：高质量私有数据构筑技术壁垒
在AI抗体设计领域，模型往往最受瞩目，但王天元认为真正决定模型能力的基础首先是数据。他强调，数据是“最为关键的底层环节”，目前行业内主流抗体设计模型大多基于公开数据进行训练，但公开数据无论在数量、质量以及标准一致性上均存在局限。因此，科迈自成立之初就选择从底层建立自己的数据体系，通过实验持续积累经过验证的高质量私有数据。
经过多年积累，科迈目前已形成约251万对高质量私有“结构—序列”数据（据统计，全球范围内公开数据仅8万对）；在此基础上，公司通过自建羊驼实验体系，持续扩充数据，进一步加快新数据获取速度。相较于单纯依赖有限的公开数据，这种从实验端持续产生、验证并沉淀数据的能力，为后续模型的深度训练和高效迭代提供了更坚实稳定的数据支撑。
这种数据积累方式的差异，塑造了科迈独特的竞争路线/形成了科迈与部分主流AI抗体设计路线的不同。不同于目前行业内不少模型高度依赖抗体三维结构数据的做法，科迈选择从“抗体序列数据”切入。相比获取成本高昂的高质量的结构数据，序列数据更容易通过高通量、较低成本的方式持续收集，在数据规模和持续积累方面具有更大的扩容空间。
实践证明，这条技术路线不仅具备优异的准确性，更为后续算法优化留下了广阔的空间。随着新的序列和实验数据源源不断地注入，模型自身得以实现自我进化和持续迭代。
当然，私有数据并不是简单“买来”或者“收集”就能成型。为此，科迈建立了自己的实验和数据获取流程——从AI模型提出设计，到实验验证，再到数据分析和模型训练，形成了一套完整的内部研发体系。抗体设计完成后，实验团队对候选分子进行验证，结果第一时间反哺算法团队用于模型优化。随着真实项目持续增加，高价值数据的积累不断丰富，模型能力也随之水涨船高。
跨学科协同：长期磨合形成团队壁垒
要让算法、数据和实验真正高效运转，背后还依赖于另一项不容易复制的能力——跨学科团队协作。自2021年成立以来，科迈组建了一支横跨AI、计算机、数学、分子建模、抗体发现、细胞生物学和湿实验等多元背景的复合型团队。
王天元表示，AI制药本质上是高度跨学科的系统工程。其真正的难点不在于将顶尖科学家汇聚一堂，而在于打破学科壁垒，让不同背景的人能够深刻理解彼此的研发逻辑，并围绕同一个目标高效协作。算法人员需要理解实验细节，生物学人员也需要明白模型对数据质量和产生方式的要求，这种跨学科的沟通与管理本身就具备极高的门槛。
科迈自成立起一直磨合这套协作机制。从模型设计、数据获取到湿实验验证，不同专业团队逐渐沉淀出稳定的研发流程与沟通语言。这种长期形成的团队协同默契，与私有数据一样，难以在短时间内靠引进单一人才或简单复制模型来获取。
因此，相比单一强调算法领先，科迈更看重由高质量私有数据、差异化的序列设计路线、自主模型、实验验证能力以及跨学科团队协作共同构建的技术体系。
项目持续落地：商业化进程持续提速
技术能否转化为商业价值，是AI制药企业发展的关键。今年4月以来，科迈生物商业化推进节奏明显加快，逐步从技术展示进入真实项目验证阶段。
目前，公司已经形成“标准化平台服务+共同开发项目”的商业模式：Click.mAb.平台面向标准化研发需求，通过抗体设计、人源化、亲和力成熟等功能模块，帮助药企和科研机构更加高效地调用AI能力；针对具有较高研发价值的靶点，科迈则通过采用共同开发模式，深入参与项目。
在收费模式上，科迈的标准化平台服务以项目服务费为主，而共同开发项目则更多体现为对后续管线价值的高度分享，使科迈的商业模型更具有爆发力。王天元表示，在共同开发项目中，科迈会深度参与抗体分子的设计与优化，并分享较高的管线收益。相较于单纯收取一次性技术服务费，这一模式使科迈的收益与项目后续研发进展及管线价值形成更紧密的关联。
王天元介绍，目前公司已有15个共同开发项目正在推进，并执行着某全球头部MNC（跨国制药企业）的3个项目，合作方涵盖国内头部药企、生物科技公司及顶尖科研团队。随着项目持续推进，越来越多客户正从单一项目尝试转向多项目深度合作，不少客户在首个项目取得突破后，进一步追加了新的靶点和研发需求。“客户现在关注的不再只是AI能不能做，而是自己的项目能不能通过AI提高成功概率。”这表明科迈与客户之间的合作模式正从单次技术服务，升级为更具黏性、更深入、更可持续的长期研发合作伙伴关系。
从商业反馈来看，科迈目前已积累约百家机构客户。真实项目数量的快速增长，也进一步驱动了模型和产品能力的迭代升级。在非标准化业务方面，科迈更加关注分子后端价值，致力于从单纯提供技术服务，演变为参与高价值分子的发现和开发。
在此前的案例中，与季康生物合作的APJ项目便是共同开发模式的典型代表。科迈深度参与了该项目早期抗体发现和优化，随后项目进一步推进至产业合作阶段，验证了AI设计分子从计算、实验到产业转化的可行性。此外，科迈与莱芒生物的合作中，双方利用AI抗体设计显著提升CAR-T对肿瘤细胞的识别选择性，并已在细胞及动物实验中取得积极结果，展现了AI抗体设计在提升分子识别精度、拓展细胞治疗应用场景方面的深厚潜力。
华兰协同深化：产业资源加速客户拓展
对于AI制药企业而言，技术突破只是第一步，如何快速连接产业需求、进入药企研发体系，是商业化道路上的必答题。华兰股份(301093)的加入，为科迈提供了新的产业协同空间。
王天元指出，华兰带来的价值并不仅仅是资本支持，更重要的是其长期积累的医药产业资源和客户网络。“科迈解决的是分子设计问题，而华兰能够帮助判断哪些项目具有产业价值，并推动技术更快进入药企体系。”
在双方合作过程中，华兰的产业资源与科迈的AI抗体设计能力形成了高效互补：华兰助力科迈触达更多真实研发需求，而科迈则运用AI能力帮助产业客户破解复杂靶点与分子设计难题。更深层次来看，这种协同将极大强化科迈自身的数据闭环——更多产业需求进入平台后，将产生更丰富的多真实实验数据；数据反哺模型后，又能够赋能公司解决更加复杂的研发问题。
结语：从技术验证走向商业价值
AI制药的竞争正在从单一模型能力的较量，演变成数据、研发体系和产业化能力的综合竞争。对科迈而言，多年的高质量私有数据、差异化技术路线和跨学科团队构成了技术基础底座，而不断增加的真实研发项目，则推动这些技术能力走向商业应用。
在这一过程中，华兰股份带来的产业协同效益正不断显现。科迈在AI抗体设计、私有数据和研发体系上的深厚积累，与华兰在药企客户、产业资源及商业化方面的优势形成显著优势互补。随着双方合作的日益紧密，技术能力与真实产业需求之间的距离正被无限拉近，也为AI抗体设计从技术创新走向规模化产业应用提供了更多可能。
从分子设计到项目落地，从技术能力到产业资源，科迈与华兰之间的协同价值正在加速释放。（CIS）
658配资提示：文章来自网络，不代表本站观点。
