比邻星投资对话：解锁生物医药的新未来

来源：投资界

原标题：比邻星投资对话：解锁生物医药的新未来

一年一度创投圈盛会如约而至。2025年12月2-5日，由清科控股（01945.HK）、投资界主办，汇通金控、南山战新投联合主办的第二十五届中国股权投资年度大会在深圳举行。本届大会集结逾千位顶尖投资人、领军企业家，打造兼具深度洞察与互动活力的“创·投嘉年华”，致力成为观察中国科技创新的窗口。

本场《AI驱动与模型革新：解锁生物医药的下一代研发范式》圆桌派，由比邻星投资创始人、管理合伙人李喆主持，对话嘉宾为：

大湾生物联合创始人、董事长梁国龙

大橡科技董事长兼CEO周宇

以下为对话实录，

经投资界（ID:pedaily2012）编辑：

李喆：感谢清科的邀请，非常高兴能在这里一起分享医疗前沿动态。刚才许总分享了在过去十年，新技术不断推动龙头企业兴起，今天我们共同聊聊未来十年AI会给研发模式带来什么样的改变。

比邻星投资是专注于医疗创新的投资机构，我们视自己为产业的共创者，团队大多来自产业一线，共同的执念是寻找真正的突破性技术和能解决临床重大需求的团队，陪伴他们从实验室走到市场。过去8年里我们很幸运，陪伴了70多家这样的企业，其中一半都是从0开始协助创建的，这些企业里诞生了50多个全球首创产品。

今年以来我们又进入到全新的阶段，与国内一线城市的政府引导基金合作，共同落地了一些产业基金和创投基金，管理规模翻了1倍多。我们也正式确定了早期创投与中晚期产业整合的双轮驱动策略，以北京、上海、香港为核心点，建立辐射全球的创新生态。我们的愿景很清晰，未来将围绕这些支点城市共建培育产业领袖的创新生态。

许总的分享给了我们很多思考。每次科技创新革命都会推动一批优秀企业兴起，我们在2022年也关注了医疗新范式的改变，有幸投资了两家优秀公司。今天很高兴请到了两家活跃在医疗生态前沿的创新企业创始人，分别是大湾生物的梁国龙总和大橡科技的周宇总。有请两位简单介绍一下自己。

梁国龙：大湾生物是应用AI来赋能生物工艺开发的，今年已经成立6年，融了差不多3500万美金。

周宇：北京大橡科技是类器官芯片全场景解决方案供应商，主要利用创新的人源化类器官芯片模型，去变革药物研发和个体化精准治疗的范式。

李喆：传统的药物研发非常依赖动物模型。2021年新冠疫情推动动物模型价格飞涨，我们也开始思考一个问题，进入大分子制药时代后，这些动物模型能更安全地筛选药物吗？当时抱着这个心态投了大橡科技。作为这个领域的龙头企业，想请您分享一下，目前类器官芯片究竟如何解决传统动物模型无法解决的痛点？能否分享实际案例，如何帮助客户更早、更精确地做出继续和终止研发的关键决策？

周宇：众所周知，模式动物是药物研发历史中非常关键的工具，过去一百年里，实验动物在推动药物研发中发挥了非常大的作用。但是我们也看到，临床前动物模型上测试出来的数据，无论是药物药效还是安全性都非常好，但一旦进入临床，失败率仍然非常高。统计数据显示，即使进入临床一期，最终能够获批上市的药物仍不到1/10，抗肿瘤药物更低，约1/20。最大的问题源于动物和人的种属差异，导致药效和安全性的评价结果偏差很大，这就出现了药物临床成功率的鸿沟。要填补这样的鸿沟，需要我们从根本上考虑，如何在临床前就能找到和人体真实临床相近的模型去测试。

类器官芯片这样一种前沿技术。目前，FDA已经在大力推动药物研发范式变革，推动用其他工具和技术替代动物实验。人工智能+类器官芯片的结合有两个方面，一是利用AI芯片赋能类器官芯片，主要体现在利用AI模型做大数据的提取和分析。类器官芯片能产生大量的检测数据、实时动态细胞数据、药物反应数据，分析它们需要AI的加持和赋能；二是我们也可以利用AI技术优化类器官芯片模型，因为它是人源化的模型，在培养条件、模型仿真度等方面都能提供很大帮助。反过来说，类器官芯片是一个大批量、高通量、高仿真数据的平台，产生的数据又可以训化AI模型，提升AI在虚拟预测、药物发现、评价等方面的作用，提高真实性和预测成功率。这是一个相互促进、相互推动的结合。

过去我们与国外几百家药企进行了商业合作，可以举两个小例子：

第一个，前两年我们帮助齐鲁制药完成了双特异性抗体临床前测试，利用癌症患者来源的类器官芯片模型，构建了肿瘤免疫的复杂模型，去评估双特异性抗体的药效。这有什么特点呢？我们在体外完整地重复构建了患者来源的肿瘤免疫微环境，利用这个微环境模型和药物的特定靶点，在不同患者身上体现药效结果。这和我们把药放到临床上做测试是非常相似的，因为每个人都是异质的，在不同人群身上得到好的药效结果，决定了能不能从临床上跑出来。我们帮齐鲁做出了非常漂亮的数据，它的药确实特别好，获得了IND，这是中国第一个利用类器官芯片获得IND的双抗药物。

第二个是临床实验失败的例子。我们有家药企一个药物进到临床一期，发现在人身上产生了肝毒性的异常反应，找我们利用肝脏芯片的数据做评估。我们利用这个芯片得到了与临床相同的结果，比如它会损伤肝细胞，特别是ALT、AST出现异常，和临床的结果完全一致。基于此，这家药企非常果断地在临床一期停掉了这个药物。我想，如果在临床前用我们的技术进行评估的话，可以避免更大的投资损失。

李喆：谢谢周总的分享。因为使用了人体细胞，类器官芯片能比动物模型更好地模拟人体环境。大橡科技一直致力于设计复杂系统的类器官芯片，可以更好地模拟肿瘤细胞，模拟未来药物作用于人体作用的机制。

下一个话题我想切换到大分子药。大家知道，分子工艺难求，大分子药最为挑战的就是工艺，CAR-T和细胞治疗最重要的就是把成本降下来。大湾生物没有扎堆在大分子赛道，而是用AI攻克生产难题，请梁总分享一下，在这个过程中如何把经验科学转变为工业实践，帮助客户降低时间和成本？

梁国龙：想到6年前我在创立大湾生物的时候，发现很多AI公司在做discovery方面确实会烧很多年的钱，最少要把一个分子推出二期临床以后，才能验证这个算法的价值。相比于discovery，工业开发的周期比较短，更快可见，12个月就能验证商业价值，如果不行的话，AI模型还可以迭代升级，这是我们用AI的原因之一。

现在能不能成药，其中一个瓶颈不是能否发现一个新药，更多是能否稳定地用一个比较经济的方式产出它，这就是CMC。传统新药开发非常依赖人的经验，依靠试错办法，而这恰恰是AI善于解决的问题。

我用细胞株开发的平台作为案例。传统的CLD或者细胞株开发采用有机整合办法，从大量的克隆慢慢筛，一般要花费3-6个月，很靠经验和运气。我们公司推出了一款名为AlfaCell的定点整合平台，基本是用AI在基因组里找到高产和稳定的微点，同时用同源重组的办法，把目的基因插在微点里。这意味着可以在设计阶段就把细胞的表达和稳定性“算”出来，而不需要在几百个克隆里慢慢淘汰，整个过程可以压缩到1.5个月左右。对于考虑经济价值的投资者或者药企，行业里有一个公认的测算：每款First class如果能提前24个月推前上市，大约可以带来最少10亿美金的价值。因此，如果我们的流程仅仅在CLD就能节省1.5-2个月，就可以把项目的价值提高1亿美金。

另一个近期的现实案例可以更好地呈现AI赋能CLD的经济价值。很多复杂抗体客户的一个痛点是产量比较低，这些客户在进行license out的交易精调时，买家不仅仅看体外实验的数据，更看重能不能成药和生产，产量高不高。我们AlfaCell现在可以产出平均5克/L，基本上高于行业，意味着可以大幅提升一个目标out-license分子的吸引力，加快交易达成。

李喆：谢谢分享。我相信两家都有独特的AI模型，但更重要的是如何产生核心的数据，有了核心数据，AI模型才能训练出更准确、更好的结果。请两位从各自角度分享一下，如何构建自己专有的数据集，搭建自己的技术壁垒。先从周总开始。

周宇：大规模、高质量的数据肯定是AI模型核心中的核心。我们现在看到的AI模型，所训练的大都是公开、可获取到的先验数据，所以即使算法稍微有差异，由于训练所使用的数据几乎雷同，AI模型的能力也是趋于一致的。因此，未来AI的竞争本质上还是数据的竞争。我们的类器官芯片平台搭配自动化，是大规模、高通量的数据生产平台，想从公司自身的发展需要，利用AI去产生这样的数据。和大家分享一下我们是如何做这个事的。

我们的数据来源包括两个方向：

一个是来自临床。我们利用类器官芯片，可以给很多肿瘤患者构建完全个性化的肿瘤微环境模型，去测试市面上已经上市的药物，以此筛选最有效的药物。我们做这些事情的时候，可以获取到患者临床的很多数据，包括药史、用药结果等脱敏的背景数据，以及检测过程中的多模态数据，如细胞层面和形态学相关的数据。

另一个是做药物开发。我们用的是真实在研管线的药物，包括已经上市的药物。从训化模型、验证模型到利用模型做真实测试，这个过程中会产生大量数据，包括类器官芯片平台上实时动态细胞形态方面的数据，也包括常见的病理生理指标数据，还可以与蛋白组、代谢组、转录组结合，产生海量的组学数据。我们在生物学或病理学模式上升级了药物研发，从原来的2D细胞变成了3D组织体，从细胞层面变成了组织层面，获得实时图像和视频，这些数据也有非常高的价值。

这些全部加起来就是多模态的数据，对于AI的模型而言有极大的价值。它具备几个特点：一是海量，数据量极大；二是高仿真，与临床相关性极高；三是与自动化结合。我们做实验的过程中，用自动化的仪器平台产生数据，避免了人的批次间的差异，实现了数据可控性、可记录、可回溯、可审计；最后是多模态，从这个平台上产生的数据，未来一定能很好地赋能AI药物研发。我们现在已经在开发一些模型，输入分子结构后就可以判断药物的某些毒性结果，比如肝毒性或心脏毒性。也可以不需要分子结构，只需要在类器官平台上产生图形变化的数据，利用我们的模型就可以预测药物潜在的安全性或有效性。这些对于我们公司而言，是非常有价值的点。

梁国龙：我特别同意周总的想法，数据肯定是核心壁垒，特别是在CMC工艺这一块，数据普遍出现三个大问题：

第一是操作不一样，设备不一致，有时候批次之间有差异以及记录不标准。在这样的前提下，你喂给AI再好的模型，预测能力都有限。我们大湾生物与传统的AI公司有一些差别，我们不是到处捡数据，而是问题驱动，每个新的AI平台都会先问痛点在哪里，特别是工艺痛点，能不能用AI来解决问题；第二，我们要找哪些类型的数据，这些数据干不干净；第三，我们能不能用标准化的方法，在实验上快速生成这些数据。如果这三点没问题的话，我们就开始做这个实验。

同时，我们会找一些开源的、需要少量数据的算法，以快速达到目的。我用细胞培养基平台AlfaMedX来做案例。一开始，我们在培养基上是零经验的。大家也知道，开发目录培养基有一个大痛点，就是至少需要12个月的时间、进入很多DOE的实验，才能开发好新目录培养基。基于这个工业痛点，我们设立了一个收集数据的SOP，确定哪些数据比较重要，包括配方成分、细胞影像、代谢数据、生长曲线的数据等等，形成了比较大的数据库。经过12到18个月左右的工作，我们收取了差不多1.2万条配方数据和相对应的代谢物数据。拿到数据库后，我们应用了差不多10个不同的算法来解决开发培养基的痛点。

如果用市场验证作为平台的有效性评估，我觉得结果很有意义。这个平台预测了几个配方，成为了公司自己的目录培养基，比头部商业化的培养基更优。此外，我们这个平台已经与几家大跨国企业特别是做培养基的公司建立了合作，也是因为这个平台，拿到了全球头部life science tools公司的战投。在这个平台的开发过程中，我们从问题驱动入手，生成数据、使用AI，可以快速解决痛点。在没有培养基经验的基础上，大湾生物用AI的方法推算出了比商业培养基更好的配方。

讲到长期的护城河，建立自己的数据资产很重要，这需要投入和时间积累。只有具备从0到1和从1到N的经验，经过多年的迭代与商业化验证，才能成功建立起长期护城河。

李喆：谢谢分享。有关AI新药研发新范式，大家都在努力拓展自己的产业链条，建立对全产业链的覆盖。想请大家分享一下，如何构建自己的新药研发生态？自研还是对外合作？

周宇：我们还是一个平台型公司，希望利用自己的技术优势与上下游相结合，打造产业链。比如在新药开发的管线上，贡献我们的力量、占据自己的价值点。

梁国龙：我们也是一个平台公司，初衷是希望帮助更多企业降低开发成本，使更多患者可以受益。

李喆：最后一个问题。展望未来，AI在新药研发上起到了非常重要的降本增效作用，请两位分享一下公司目前或者未来的布局想法。

周宇：我们前期已经做了非常多的工作，比较有价值的是构建了全人源化的数百个模型。这些模型包括肿瘤微环境相关和非肿瘤疾病的，比如神经退行性疾病、自免疾病以及很多生理模型，不仅可以非常准确地预测药物的安全性结果，还可以作为基础模型再诱导成疾病模型，这些模型构成了庞大的数据库资源基础。

这是一个活库，库里有很多临床患者的信息。利用这些模型，我们可以帮助药企快速判断在研药物是否具备推进价值，为内部决策提供依据，这是过往的基础工作。如今结合人工智能，我们也可以与做AI新药开发的公司合作，对方生成小分子或抗体药物后，利用我们这个平台实现高通量快速验证。再往后，我们可以与梁总团队的CMC技术形成协同，构建从PCC筛选到工艺落地的全流程技术支撑体系，从而贯穿药物发现、临床前评价、工艺优化至临床前申报的完整链条，将原本需要数年的研发周期压缩到几个月至一年以内。这正是我们面向药物研发新范式的核心实践方向，也是我们希望通过技术协同实现的核心价值。

李喆：我追问一个问题，大家也提出过未来建立虚拟细胞实验室和虚拟人的设想，你觉得类器官芯片离这一步还有多远？

周宇：虚拟细胞是今年特别火的技术爆点。我们想把从细胞器到整个层面的细胞生理，无论是因子之间还是信号通路之间的变化，全部用数字化的方法解构出来，形成数字细胞。我们是做类器官的，从细胞层面再往上走就是亚组织甚至组织层面，如果能够解密整个细胞以及细胞之间的相互作用，将是不得了的事情，对于我们理解生命的本质和疾病的研发过程，会产生极大的颠覆式影响。

从目前来看，特别是在国外，已经产生了很多大批量的虚拟细胞数据，而且是利用现有组学的数据来解构，或者形成虚拟细胞数据。从这个点上可以再去升级，理解为什么药物对类器官模型的作用与对人体是一样的。如今技术不断进步，我们可以把心肝脾肺肾等人体器官串联起来，在体外构建一个完全真实或接近于人体的有机系统，这些有机系统之间相互作用产生的数据，对于我们构建虚拟细胞或虚拟器官也非常有价值，这是一个相互促进的过程。从虚拟细胞到虚拟器官，要实现完全数字化，技术可能还要进一步成熟，但这是不可逆转的趋势。

梁国龙：我想最后分享一下公司的愿景。作为大湾生物，我们希望在临床前非动物实验阶段，最少减少50%的时间成本。细胞株开发平台AlfaCell已经比较成熟了，我们有100多个成功案例。培养基也很成熟，公司正在慢慢迈向上游。我们开发了叫做AlfaDAX的分子优化平台，使用AI同时优化分子亲和力、成药性和人源化，20个案例中项目交付率高达75%以上。现在一个新平台是用mammalian display和AI的办法来生成新分子，在Hit Identification阶段大大提高效率。

如果可以把大湾所有的AI赋能平台串起来，我们将能够把整个PCC开发时间从24个月减少到12个月。未来也可以与周总的公司合作，特别是在前期药物分子筛选方面，用他们的系统来建立更多、更强大的数据，把我们的生态圈做得更好，更快、更好地创造更多PCC分子out-license给客户及业内的其他龙头企业。

李喆：非常感谢两位企业家的分享。比邻星专注于探索医疗科技的前沿，一直在思考下一个未满足的痛点在哪里，未来的方向在哪里。在目前AI的时代，AI可以让中国的biotech创新优势更加突出，前提是我们要用好、拥抱AI。我们也非常期待在这样一个大背景下，与在座各位一起努力，用好AI工具，建立更好的生态。感谢清科邀请，感谢能有这样的机会与大家分享。

本文来源投资界，原文：https://news.pedaily.cn/202512/558488.shtml