2026 年 1 月 16 日,TechCrunch 刊出長文,記述舊金山新創 Chai Discovery 如何在一年多內從借住 OpenAI 辦公室的四人團隊,變成大型藥廠爭相合作的 AI 製藥名字。一週前(1 月 8 日)的官方新聞稿宣布了最新進展:禮來(Eli Lilly)將把 Chai 的生成式設計軟體接入自家的 TuneLab 藥物開發計畫,荷蘭藥廠 argenx 也將以 Chai 平台進行從零(de novo)開發的抗體研究。
這則新聞值得注意的地方不在金額,而在驗證:當多數「AI for Science」公司還在發論文、跑 benchmark 時,Chai 已經把模型賣進了全球最會做生物藥的幾家公司。「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。」共同創辦人 Joshua Meier 在 LinkedIn 上這樣總結。
從 OpenAI 辦公室起家
Chai 的起源帶著 OpenAI 血統。共同創辦人 Josh Meier 2018 年就在 OpenAI 的研究工程團隊工作;Jack Dent 則與他在哈佛資訊科學課堂上相識。創業前六年,Sam Altman 曾主動聯絡 Dent,問 Meier 願不願意與 OpenAI 做蛋白質體學衍生公司——他當時認為技術尚未成熟而婉拒,轉往 Facebook 參與打造第一個 Transformer 蛋白質語言模型 ESM1,之後在 Absci 待了三年。
2024 年,兩人主動回頭找上 Altman,Chai 於是誕生:OpenAI 成為最早的種子輪投資人之一,團隊最初就借駐在 OpenAI 位於舊金山 Mission 區的辦公室裡。Dent 回憶:「他們好心地給了我們一點辦公空間。」這段淵源也點出選題邏輯:把前沿模型工程能力,對準資料密集但工具稀缺的蛋白質與抗體領域。
一年多募得數億美元的資本路徑
Chai 的募資節奏是典型的「技術兌現加速」曲線:2025 年 12 月完成 1.3 億美元 B 輪、估值 13 億美元;成立十二個多月,累計募資已達「數億美元」。主要投資人包括 General Catalyst(董事總經理 Elena Viboch)。
值得對照的是藥廠端的投入規模:與 Chai 合作宣布數日後,禮來另與 NVIDIA 簽下 10 億美元合作,在舊金山成立 AI 共創實驗室。大藥廠同時押注「軟體平台」與「自建算力實驗室」,說明 AI 製藥的瓶頸被認定在模型與資料的介面,而非算力。
與禮來 TuneLab 的合作落地
與禮來的合作是故事核心:Chai 的生成式設計模型將接入禮來內部的 AI/ML 藥物開發計畫 TuneLab(由 Aliza Apple 領軍)。她的說法點出價值主張:「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」,目標是更快設計出更好的分子。
技術上,主力演算法 Chai-2 專注於抗體設計。Dent 強調程式碼「每一行都是自己寫的」,採高度客製化架構,而非拿開源 LLM 微調——定位更接近「分子的電腦輔助設計(CAD)套件」。除了禮來與 argenx,輝瑞也在合作名單上。
部署之年的考驗:從模型到臨床
投資人已經把時程說出口。Viboch 認為「這些模型在藥物開發的部署上沒有根本障礙」,並預期藥廠夥伴在 2026 年密集落地、「2027 年底看到首見(first-in-class)藥物進入臨床試驗」。
這是相當激進的時程。抗體設計的難點從來不只是生成結構,還有可製造性、免疫原性與實驗驗證的迭代成本;生成模型能壓縮的是「設計→濕實驗→回饋」的循環時間,但濕實驗本身不會變快。Chai 能否轉出資料飛輪,取決於藥廠是否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,這是教科書級樣本:當模型能力差異縮小,「誰能拿到部署場域與專業資料」決定下一輪贏家。
參考來源
- From OpenAI’s offices to a deal with Eli Lilly — how Chai Discovery became one of the flashiest names in AI drug development — TechCrunch
- Chai Discovery 與禮來、argenx 合作官方公告 — Business Wire
本文由 AI 協助自上述來源整理，經人工審核後發布。