摘要： Chai Discovery 的生成式設計軟體將接入禮來 TuneLab，argenx 也會用其平台從零展開抗體研究。這家新創最初在 OpenAI 辦公室運作，並於 2025 年 12 月完成 1.3 億美元 B 輪、估值 13 億美元。投資人預期首見藥物可在 2027 年底前進入臨床試驗。
TechCrunch 在 2026 年 1 月 16 日發表一篇深度報導,主角是舊金山新創 Chai Discovery:這支最初只有四個人、窩在 OpenAI 辦公室裡的團隊,花了一年多時間,把自己變成大型藥廠搶著合作的 AI 製藥要角。報導出爐前一週(1 月 8 日),官方新聞稿已經公布了最新動態——禮來(Eli Lilly)要把 Chai 的生成式設計軟體接進自家的 TuneLab 藥物開發計畫,來自荷蘭的藥廠 argenx 也會用 Chai 平台從零(de novo)展開抗體研究。
這條新聞真正的看點不是金額,而是它代表的驗證:多數「AI for Science」公司眼下還停在發論文、做 benchmark 的階段,Chai 卻已把自家模型賣進全球最擅長做生物藥的幾家公司。共同創辦人 Joshua Meier 在 LinkedIn 上的總結是:「2025 年我們證明了 AI 能改變臨床前藥物開發,2026 年是部署之年。」
起點:OpenAI 屋簷下的四人團隊
這家公司的來歷和 OpenAI 脫不了關係。共同創辦人 Josh Meier 早在 2018 年就任職於 OpenAI 的研究工程團隊,另一位共同創辦人 Jack Dent 則是在哈佛的資訊科學課堂上認識了他。時間再往前推六年,Sam Altman 主動聯繫上 Dent,問 Meier 有沒有意願和 OpenAI 一起做蛋白質體學衍生公司;Meier 判斷技術當時還不成熟而回絕,改往 Facebook 發展,參與打造第一個 Transformer 蛋白質語言模型 ESM1,之後又在 Absci 待了三年。
2024 年,情勢倒轉,這回是兩人主動回去找 Altman,Chai 就此誕生:OpenAI 名列最早的種子輪投資人之一,團隊成立之初就落腳在 OpenAI 位於舊金山 Mission 區的辦公室。Dent 回憶:「他們好心地給了我們一點辦公空間。」這層淵源同時說明了選題思路——把前沿模型的工程實力,對準蛋白質與抗體這種資料量龐大、可用工具卻極少的領域。
成立一年多、募資累計數億美元
Chai 的募資走勢正是「技術兌現加速」曲線的樣板:2025 年 12 月完成 1.3 億美元 B 輪,估值來到 13 億美元;距離公司成立不過十二個多月,累計募資金額已經來到「數億美元」。主要投資人名單中包括 General Catalyst(董事總經理 Elena Viboch)。
藥廠端的投入規模同樣值得拿來對照:與 Chai 的合作公布後沒幾天,禮來又和 NVIDIA 敲定另一筆 10 億美元合作,要在舊金山設立 AI 共創實驗室。大藥廠一面押注外部軟體平台、一面自建算力實驗室,代表業界認定 AI 製藥的瓶頸出在模型與資料的介面,而不是算力本身。
核心交易:接入禮來 TuneLab
整篇報導的主軸就是禮來這樁合作:Chai 的生成式設計模型將被接進禮來內部以 AI/ML 推進藥物開發的計畫 TuneLab(由 Aliza Apple 帶領)。她描述的價值主張非常直接:「結合 Chai 的生成式設計模型與禮來深厚的生物製劑專業和專有資料」,要讓更好的分子以更快的速度被設計出來。
技術面上,團隊的主力演算法 Chai-2 把重心放在抗體設計。Dent 特別強調,程式碼「每一行都是自己寫的」,架構屬於高度客製化,並非拿開源 LLM 做微調——它的定位比較像「分子的電腦輔助設計(CAD)套件」。至於合作名單,除了禮來與 argenx,還有輝瑞。
「部署之年」的真正試煉:臨床時程
時間表已被投資人攤在檯面上。Viboch 主張「這些模型在藥物開發的部署上沒有根本障礙」,預期藥廠夥伴會在 2026 年密集導入,並在「2027 年底看到首見(first-in-class)藥物進入臨床試驗」。
這份時程相當激進。抗體設計真正困難的部分,從來不只是生成結構:可製造性、免疫原性,還有每一輪實驗驗證的成本,才決定候選分子能否存活。生成模型能壓縮的是「設計→濕實驗→回饋」的循環時間,濕實驗本身的速度並不會因此改變。Chai 轉不轉得動資料飛輪,繫於藥廠願不願意持續把專有資料餵進平台。對關注 AI for Science 的工程師來說,這是教科書級的範例:當模型能力差距越縮越小,下一輪贏家就由「誰能拿到部署場域與專業資料」來決定。