海归博士创业，刚刚B轮融资拿下近7亿元

刚刚，寻明生科（Aureka Biotechnologies）宣布完成总额1亿美元的融资。

距离其上轮3500万美元A+轮融资披露，仅过去三个多月。

至此，这家成立仅三年的AI生物技术公司累计融资已近2亿美元。

但这这不仅仅是一个融资故事。

赵伟安带着他横跨中、加、美的学术履历回到国内，想用AI改写大分子药物“从0到1”的底层逻辑。

他不要做药企的“省钱顾问”，他要做的是用基座模型造出传统研发体系根本长不出的“核弹级”分子。

01

从“降本增效”到“增本降效”

一场认知革命

如果只看商业计划书，寻明生科的模式并不独特：生成式AI平台+高通量数字生物学，干湿闭环，产出候选分子。

但赵伟安对AI角色的定位，与绝大多数同行截然不同。

在他看来，过去几年大家习惯把AI当作研发流程里的“节流阀”，但国内药企的成本控制早已做到极致。

某环节最低成本200万美元，大药企已经压到220万美元，所谓冗余也不过20万。AI就算把这20万全砍掉，对药企的价值也有限，更撑不起AI公司自身的高昂投入。

在他看来，AI真正的价值不在于“省”，而在于“创”：创造出传统方法无法实现的高价值资产。

比如，用更低的剂量达到同等疗效，让原本只能静脉注射的大分子变成皮下注射。

或者攻破那些表位埋藏极深、传统动物免疫和文库筛选几乎束手无策的“难成药靶点”。

短期看是增本降效，但如果你产出的分子资产价值足够大，覆盖前期成本绰绰有余，那游戏规则就变了。

这恰恰是资本愿意在2026年再次重注AI4S（AI for Science）的核心逻辑。

跨国药企与biotech之间的管线授权、里程碑付款模式已经非常成熟，AI若能持续产出差异化分子，商业闭环和退出路径都清晰可见。

02

一个“非典型”科学家的轨迹

赵伟安的履历，几乎是为“硬核跨界”量身定制的。
山东大学化学院本硕连读，打下扎实的化学功底；加拿大麦克马斯特大学博士，转向生物材料与再生医学；哈佛大学医学院博士后，深耕干细胞与生物工程；2011年加入加州大学尔湾分校，从助理教授一路晋升为终身正教授。

他曾入选《麻省理工科技评论》“35岁以下科技创新35人”全球榜单，论文登上Science Translational Medicine、Nature Biomedical Engineering等顶刊，连续多年位列斯坦福全球前2%顶尖科学家。

但学术圈的“安全区”并没有留住他，2023年赵伟安回国创办寻明生科。

他观察到，抗体药物的研发长期依赖动物免疫或随机筛选，本质上是在“碰运气”。

为什么不可以用AI把抗体“设计”出来？他拉上负责AI的联合创始人，搭建起一套覆盖靶点解析、分子设计、多轮湿实验验证的全链条平台。

这套体系很快验证了商业可行性。

与欧美药企达成的抗体药开发合作，已产生千万美元级收入。

自研管线在心血管代谢、自身免疫、中枢神经三大领域迅速铺开，十余条候选管线中，进展最快的心血管适应症预计2027年一季度递交IND。

03

开源基座模型

不再只是“AI biotech”

平台跑通之后，赵伟安没有停下，而是追问一个更根本的问题：这套闭环的天花板在哪里？

如果类比造车，之前是建了一条生产线，现在需要画出更好的汽车设计图。

赵伟安认为，生物基座模型同样呈现出Scaling law：参数越大、数据越多，结构预测精度和分子生成质量就越强。

于是，2025年底，寻明生科投入千卡级算力，基于专有蛋白质共进化数据自研基座模型AuraIDE。

2026年7月，公司开源了其中的结构建模模块OpenDDE。在公开基准FoldBench v1上，其抗原-抗体结构预测精度整体较AlphaFold3提升约1.5倍。

对一个真实的自免靶点（表位埋藏浅，传统方法几乎无效），旧模型设计50条序列仅有五六条活性，而接入OpenDDE后，同样50条中有30多条表现出高活性，命中率跃升至60%。

“开源OpenDDE，对我们来说是一次‘身份证明’。”赵伟安并不掩饰野心，“要让行业知道，寻明生科在严肃地做基座模型，要上全球生物计算模型的牌桌。”

当然，开源并不等于“送家底”。

开源的OpenDDE仅覆盖结构建模这一环节，完整的药物设计流程和专有数据仍属核心壁垒。

同时，团队正在开发轻量化推理版本，并与英伟达联合优化加速方案，未来将以更低门槛向药企和科研机构开放推理服务。

04

差异化分子：AI制药的真正筹码

赵伟安看来寻明生科在激烈竞争中的核心优势是持续、规模化地产出新颖的差异化分子。

例如，公司有一条双特异性抗体管线针对心血管代谢疾病。市面上已有同类产品，但由于所需剂量大，只能静脉注射，患者依从性差。

借助AI模型，他们定向设计出活性极高的小分子，仅需1/6剂量即可达到同等疗效，未来有望改为皮下注射。

这直接改变了药物的临床价值和商业空间。

早期研发的AI竞争已经红海化了，如今大家都在加速生成分子，但后端临床资源有限，监管标准不会因为AI而降低。

如果所有人围着成熟靶点生成相似分子，前端效率越高，后端内卷越严重。

必须用AI做出不一样的东西，这才是护城河。

05

B轮之后：新游戏，新规则

本轮1亿美元B融资分阶段完成。

首轮由Granite Asia独家投资，后续轮次由知名产业投资人领投，弘晖基金跟投，启明创投、经纬创投及纽尔利资本等老股东全部追加。

资金将主要投入新一代基座模型的规模化训练，继续提升分子从头设计、结构建模和功能预测的能力，同时加速自研管线向临床推进。

赵伟安透露，公司已组建专职BD团队，希望将开源OpenDDE带来的行业关注，转化为基于模型能力、湿实验数据与管线资产的多元合作。

在他看来，大药企与AI公司的合作正在走向“管线授权+模型服务”的融合模式。

药企拿出传统方法做不出来的靶点，AI公司按约定交付候选分子，再通过里程碑和销售分成共享长期价值。

过去大家觉得AI是辅助工具，但今天AI的能力已经足够强，强到可以成为关键决策者。

赵伟安表示他要做的，不是帮药企省那20万美元，而是帮他们造出以前根本造不出来的东西。

至于这条路能否走通，明年首条管线递交IND时，市场会给出第一个答案。

识别微信二维码，添加生物制品圈小编，符合条件者即可加入

生物制品微信群！

请注明：姓名+研究方向！

本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。