OpenAI收购了一家药物研发管理初创，新药研发的项目经理由AI来当

本文旨在传递生命科学和医疗健康产业最新讯息，不是治疗方案和投资建议。

一款新药从靶点发现到获批上市的平均周期是 10 到 15 年。其间，做出科学判断与开展临床试验需要耐心，但很少有人注意的是，数据交付、节点对接、预算管理等繁琐的协调同样会耗费大量的时间。

今年以来，为寻找通用模型之外的新增长点，OpenAI 在生命科学领域搭建了一整条名为 Rosalind 的产品线，合作方包括诺和诺德（Novo Nordisk）和莫德纳（Moderna）等。其中，专用推理模型 GPT-Rosalind 帮科学家梳理文献、提出假说、设计实验，配套的研究工作台 Rosalind Workbench 把模型能力接入数十种科学数据库、分析工具。

但模型给出实验方案后，谁来负责管理和落地？针对这一问题，当地时间 10 月 20 日，OpenAI 宣布收购药物研发项目协调软件公司 Orchestra Bio，将其团队和技术并入 Rosalind，双方均未披露交易金额。

药物研发里的“项目经理”

药物研发的管理问题，主要体现在外包环节。如今大量生物技术公司选择将具体实验外包，从临床前研究、临床试验到原料药生产，都交给合同研究组织（CRO）和合同开发与生产组织（CDMO）完成。

塔夫茨大学药物开发研究中心（Tufts CSDD）一项研究估算，如果把分散的外包环节整合到同一家服务商，新药上市最多可提前 34 个月。该中心今年 9 月发布的另一项基准研究还发现，外包模式本身并不决定试验表现，供应商之间的协调和治理方式才是关键变量。

协调问题能否靠软件解决？Orchestra Bio 的创始人阿肖卡·拉金德拉（Ashoka Rajendra）有过一线经验。他此前在 Benchling 的产品部门工作，Benchling 是生命科学领域的主流研发云平台，以电子实验记录本起家，帮实验室把实验记录、样本和数据从纸面搬上云端。

阿肖卡曾在社交媒体上回顾过这段行业变迁：过去 20 年，药企把实验记录、实验室信息管理、临床数据采集这些环节逐个数字化，数据质量和合规性因此大幅提升。但这些系统各自只能管一部分，横跨整个研发项目的计划和决策仍然散落在表格、邮件和会议中。

阿肖卡和团队见过不少受挫的研发项目，问题往往不出在科学机制上，而在于规划碎片化。

2022 年 10 月，阿肖卡在旧金山联合创办 Orchestra Bio，主要产品是一套面向生物制药研发团队的 SaaS 平台。它把科学计划、财务预算和时间线放进同一个系统，再由 AI 智能体持续比对实际进展与计划之间的偏差，围绕资金、时间线和项目依赖关系做情景推演，辅助管理层决策。

（来源：Orchestra Bio）

从公开信息看，这款产品的商业化刚刚起步。Orchestra Bio 直到 2025 年 8 月才结束隐身状态，同时公布约 2,000 万美元融资，投资方包括 a16z 和 8VC 等机构。相关资料显示，公司员工不到 20 人，未公开任何客户名称或营收数据。

由此判断，OpenAI 此次收购，更多是为了买下一支熟悉药物研发流程、并已尝试把智能体用于这一场景的团队，业务本身反倒是次要的。

在 OpenAI 的公告中，他们描述了 Orchestra Bio 平台的工作方式：科学家和项目负责人把研究进度的监控与追踪交给智能体，同时人类保留决策权。例如，一个生产批次失败，可能导致下游临床试验推迟启动，智能体需要找出受影响的活动和时间节点，收集相关信息，比较几种应对方案，再交给负责人确认。

Orchestra Bio 加入 OpenAI 后，双方的目标是开发能把科学发现与推进候选药物所需的研究、决策和后续步骤有机串联起来的智能体，让 Rosalind 的能力覆盖从提出假说到推进管线的完整链条。

不过，现有公开信息无法回答的问题是，Orchestra Bio 的产品是否继续独立运营，客户如何过渡，智能体何时、以什么形式出现在 Rosalind 中。而且，药物研发流程受严格监管，智能体要接入药企内部系统，还需解决数据权限、审计追溯和人工审批等问题。

“模型加工作流”的收购逻辑

2026 年，OpenAI 在医疗健康方向已有两笔类似的收购。1 月，OpenAI 推出面向消费者的健康功能 ChatGPT Health，几天后便收购了一家只有 4 个人的健康科技创业公司 Torch，行业消息称这笔交易的价格在 1 亿美元左右。

Torch 的主营业务是将分散在医院、化验机构和可穿戴设备里的个人健康数据汇总到一处，交易完成后，公司团队和产品被 OpenAI 直接并入 ChatGPT Health。

（来源：OpenAI）

与收购 Orchestra Bio 的策略相似，OpenAI 往往会先推出一个面向特定领域的模型或产品，再买下一家深耕该领域某个具体流程的小团队，把对方的行业知识、数据结构和产品经验迁移至自己的体系。

背后的原因或许在于，通用大模型可以靠训练获得绝大部分强大的能力，但从训练数据的角度看，药企的研发项目排期、CRO 合同管理、病人的化验单格式等知识散落在行业一线，对此，大模型厂商成了“门外汉”，从头摸索的代价较高，效率也远不及直接收购领域内的公司。

同一条赛道，下注各有侧重

几家头部 AI 公司今年不约而同地瞄准了生命科学领域，但从收购交易和业务拓展来看，方向各有不同。

今年 4 月，据 The Information 消息，Anthropic 以约 4 亿美元的全股票交易收购了成立仅 8 个月、不到 10 人的生物技术 AI 公司 Coefficient Bio。这支团队来自基因泰克（Genentech）旗下的计算生物学部门，专注用 AI 设计蛋白质和抗体。

6 月底，Anthropic 发布与编程产品同级别的独立产品 Claude Science，并宣布将自行开展针对罕见病和被忽视疾病的药物研究。

据路透社消息，Anthropic 还在旧金山湾区运营着一座湿实验室，探索由 Claude 引导设备自动执行实验。但公司发言人表示，这座实验室并非专门用于药物发现。

从这些动作看，Anthropic 在提供工具的同时，也在推动模型进入真实实验环境，将研究中积累的经验直接反馈进产品。

相比之下，OpenAI 的布局集中在软件工具和流程层面，没有公开自建实验室或自研药物管线的计划，湿实验方面的探索主要通过外部合作完成。

谷歌则基本不依赖收购。2021 年，谷歌将 AlphaFold 在药物研发上的应用从 DeepMind 拆分出来，成立独立公司 Isomorphic Labs，后者明确将推进自有药物管线列为公司目标，并相继与礼来（Eli Lilly）、诺华（Novartis）签下研发合作。

近日，谷歌又公布其自主搭建湿实验室的新进展，通过递归自我改进（RSI），用真实的生物学反馈驱动 AI 智能体自主设计分子。

Meta 在这一领域的投入相对有限，公司近一年的大额收购集中在通用智能体方向，至今没有披露生命科学方向的收购。

它与生物学最近的交集，是本月与谷歌 DeepMind、Isomorphic Labs 共同向非营利科研机构 Biohub 投入 3 亿美元，支持其生产供 AI 模型训练的开放细胞数据。不过，该计划主要助力基础研究，不直接涉足商业领域。

值得注意的是，药企客户未必只与一家 AI 服务供应商合作。例如，诺和诺德是 Rosalind 的合作方，今年 9 月又宣布与 Anthropic 合作，在部分研发流程中试用 Claude Science。

在这种多方合作的格局下，AI 厂商之间不仅要比拼模型能力，其工具能否接入药企的日常工作流和数据，也将影响客户的长期选择。

反观 Orchestra Bio 这类生物领域的垂直软件创业公司，模型厂商入局有其两面性。大型 AI 实验室一旦决定进入某个行业，往往需要收购或招募行业团队来加速落地；另外，他们也可能直接推出类似功能，让同类创业公司失去立足之地。

初创公司必须时刻警惕 AI 实验室推出新功能、抢走自己的市场。因此，对 Orchestra Bio 而言，终点是“被吸收”而非被取代，或许已是比较体面的结局。

参考内容：

https://openai.com/index/openai-to-acquire-orchestra-bio/

https://techcrunch.com/2026/10/20/openai-acquires-startup-orchestra-bio%E2%81%A0-to-beef-up-its-biotech-business/

https://www.researchsquare.com/article/rs-6531199/v1

https://www.fiercebiotech.com/biotech/anthropic-acquires-stealth-ai-startup-coefficient-bio-400m-deal

https://www.reuters.com/world/anthropic-quietly-sets-up-biology-lab-it-ramps-ai-drug-program-2026-09-18/

免责声明：本文旨在传递生命科学和医疗健康产业最新讯息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成