AI制药赛道正在经历价值重估，资本的目光从"讲故事"转向了"拼底座"。8月11日，据暗涌Waves报道，AI生物科技公司寻明生科（Aureka）近日再获总额1亿美元的B系列融资，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追加。距离其披露3500万美元A+轮融资，仅过去3个多月，融资节奏之快，折射出资本市场对AI4S赛道的重新定价。
寻明生科的创始人赵伟安，曾在美国加州大学尔湾分校担任终身正教授，也是一位连续创业者。2023年创办寻明生科后，他与AI联合创始人搭建了生成式AI平台与高通量数字生物学平台，把AI设计与湿实验验证连成闭环。这套体系已经产生千万美元级收入，并沉淀出一批候选药物管线。但他并不满足于把公司定义为一家"AI生物技术公司"，去年底投入千卡规模算力开发生物基座模型AuraIDE，今年7月又开源了OpenDDE生物结构建模能力，试图走上全球生物基座模型竞争的牌桌。
3个多月内连续完成两轮融资，寻明生科的节奏在AI制药行业并不多见。赵伟安在访谈中给出了解释：核心就是AI能力的突破。过去六七年，AI制药、AI新材料至少经历过两波风口，热钱来了又走，行业一度陷入"融资多、落地少"的质疑。但2026年以来，生物基础模型展现出的Scaling law效应，让业内重新看到了"科学发现"推高智能上限的可能性，资本也由此向具备真实临床数据与干湿闭环能力的平台集中。
行业大背景同样支撑了这轮热潮。全球活跃AI制药研发管线已突破1200条，进入临床一期及以后阶段的占比显著提升；2025年行业融资创纪录，2026上半年资本继续向头部平台集中。英矽智能在港交所上市时的火爆行情，晶泰控股实现全年盈利，都在验证AI4S从概念走向商业化的可行性。寻明生科选择此时加速融资，正是抢抓窗口期，为生物基座模型的研发储备弹药。
赵伟安对行业的判断颇为直白：现阶段AI其实是"增本降效"的游戏，AI人才、算力和实验验证都很昂贵，在传统大药企给予AI更高决策权限还会产生组织摩擦。但AI在大分子设计方面的能力提升已经超越人类想象，只是大家尚未释放模型的全部潜力。如果基模开发、再造平台能够批量产出差异化分子，资产价值覆盖早期投入，AI4S的游戏规则就将被改写。
生物基座模型与通用大模型有本质区别。通用模型学习的是人类语言与知识，生物基座模型学习的是分子的"语言"：蛋白质序列、结构与功能之间的关系，化合物性质与生物活性之间的映射。寻明生科投入千卡规模算力训练的AuraIDE，目标正是让模型掌握这种分子语言，从而在设计抗体、酶等大分子时，能够从序列层面预测功能，实现"先设计、后验证"的高效研发闭环。
7月开源的OpenDDE生物结构建模能力，是寻明生科向行业展示技术实力的关键动作。赵伟安将这次开源称为一次"身份证明"，意在表明公司不仅有商业管线，更具备底层建模能力。开源策略在AI制药行业并不常见，因为结构建模能力被视为核心商业机密，但寻明生科选择公开，既是为了吸引顶尖人才加入，也是为了在生物基座模型的标准制定中占据话语权，为后续商业化铺路。
与传统AI制药公司的"单点工具"路线不同，寻明生科押注的是平台化路径。其生成式AI平台负责分子设计与筛选，高通量数字生物学平台负责实验验证，两者结合形成"设计制造测试分析"的闭环。这种干湿闭环架构，与晶泰控股等头部玩家的方向一致，但寻明生科在大分子方向与基座模型上的布局更为激进，赌的是基座模型能力突破后带来的代际优势。
寻明生科的融资故事，本质上是一场关于"AI在研发中扮演什么角色"的路线之争。过去六年，AI制药的主流叙事是"AI作为工具提高研发效率"，模型辅助人类决策，人类掌握最终判断权。而寻明生科试图证明的版本更激进：AI从辅助工具变成研发的关键决策者，人类负责设定目标与审核结果。这种范式的转变，对传统药企的组织架构与权力格局都将产生冲击。
支持这一转向的技术依据，是生物基座模型的Scaling law。当模型参数量与训练数据规模持续扩大，其预测精度与设计能力呈现可预期的提升，这让"让AI做决策"从冒险变成可计算的风险。赵伟安指出，AI在大分子设计方面的能力提升非常大，只是大家尚未释放模型的全部潜力，言下之意是行业对AI的信任上限，还远未触及模型能力的上限。
当然，质疑的声音同样存在。BCG的报告曾泼出冷水：全球AI制药600亿美元投入，至今仍是零获批。三年过去了，蛋白质结构预测更快更便宜了，却很难找到一个因为AI而成功的临床案例。AI在物理世界验证假设的能力，远远跟不上它在数字世界里生成假设的速度。寻明生科的1亿美元融资，押注的正是补齐这条"验证短板"的能力，而答案，需要时间给出。