2025年8月7日，位于旧金山的初创企业Chai Discovery获7000万美元A轮融资，此轮由Menlo Ventures领投，Anthology Fund、Yosemite、DST Global Partners、OpenAI等新老投资者参与。成立仅一年的Chai已先后完成两轮融资，累计总金额达1亿美元。2024年9月，其在首轮种子轮融资中募集近3000万美元，由OpenAI领投，Thrive Capital、Conviction、Dimension、Amplify Partners等多家顶级机构跟投。

2025年6月，Chai发布其最新基础模型Chai-2，可实现“零样本（zero-shot）”的de novo抗体设计。简而言之，它能凭空“想出”新型抗体，并在一轮实验中即命中目标抗原，实现了平均15%–20%的命中率，相比传统方法提高了几个数量级。

在AI蛋白质建模领域，DeepMind的AlphaFold被视为技术革命的里程碑。其突破性的结构预测能力确实为科研界带来了极大震撼，也令许多人一度误以为AI在蛋白质研究中已“触及天花板”——结构预测似乎已无悬念。然而，AlphaFold的强项在于预测蛋白的静态三维折叠，而并非提供功能导向、高亲和力且可直接用于药物研发的新分子设计。

AlphaFold虽能“解结构”，却无法高效解决“如何生成功能明确、结构稳定的新蛋白”这一关键问题。而这种药物发现中的鸿沟，正成为越来越多AI制药初创企业发力的核心方向——他们试图跳出仅做结构预测的范畴，朝向“设计可合成、实验可验证的新蛋白分子”迈进。

在AI制药行业仍深陷“生成序列但难以验证”的瓶颈之际，Chai以生成+验证一体化方式率先打破“模型空转”魔咒。这个聚焦于抗体生成的AI生物技术团队，仅用2年时间完成两代模型发布。

成立于2024年的Chai Discovery，总部位于美国旧金山，是一家正在快速崛起的AI驱动抗体发现公司。尽管团队规模不足十人，这个“小而精”的团队凭借高度凝练的技术路径与前沿背景，已快速跻身全球生物计算创新企业的行列。

两位联合创始人Joshua Meier与Jack Dent是大学时期的好友，也是在AI与生物医药交叉领域的长期搭档。Meier曾任职于OpenAI和Meta FAIR（Facebook AI Research），深耕蛋白质结构建模与生成式模型的开发；Dent则拥有Google及多家生物医药初创企业的工程经验，擅长将基础模型转化为可落地的应用系统。

图1：联合创始人画像：Josh Meier（图左）、Jack Dent（图右）

他们创办Chai的初心，不只是构建一个会“写序列”的大模型，而是要构建从AI生成到实验验证的完整闭环，推动药物研发范式从“试验驱动”向“设计驱动”转变。具体而言，这意味着AI不仅提出假设，更参与合成、表达与验证过程，从而打造出一种真正系统化、具备快速反馈机制的抗体发现平台。

抗体药物的发现历来是一项“慢工出细活”的工作。传统路径通常分为两类：其一是通过免疫动物（如小鼠）产生抗体，再在人源化基础上进行筛选与优化；其二是利用噬菌体展示文库，从数百万至上亿个抗体序列中逐一筛选候选分子。无论哪种方式，均需耗费数月时间进行亲和力优化、稳定性调整与表达调试，而在巨大筛选库中命中真正有效靶点的概率，通常不到0.1%^[1]。

正是在这样的研发背景下，Chai Discovery所提出的模型机制提供了一种从底层重构效率的可能。其核心突破集中体现在三大技术方向：

首先，在生成模型的结构可控性上，Chai-2使用多模态生成架构，并结合全原子结构预测与序列生成，在输出每个候选抗体序列时，已同步评估其空间构象与结合口袋可达性，显著提高生成抗体的合理性与后续验证成功率。

其次，Chai构建了“生成-实验”的端到端闭环验证流程：设计模型一次生成候选（≤20条），即可在标准24孔板中完成蛋白表达与结合测试，并将结果反馈回模型进行下一轮迭代。整个周期在两周内完成，远快于传统筛选流程。

最后，在抗体格式与功能多样性支持上，Chai-2不仅支持传统IgG格式，还兼容scFv、VHH以及miniprotein等多种分子结构，这意味着平台适用于设计双特异性抗体、抗体药物偶联物（ADC）和融合蛋白等复杂药物形式。

2024年9月首个基础模型Chai-1^[2]推出，Chai将多模态生物结构信息整合进AI体系中。Chai-1能够输入蛋白质序列、小分子或DNA/RNA片段，并输出其复合体三维结构。

在多个国际评估基准中表现优异——包括在结构预测benchmark PoseBusters和蛋白折叠比赛CASP15中，Chai-1展现出较AlphaFold更精细的构象重建能力与更强的几何一致性。

图2：Chai-1模型在PoseBusters基准测试中实现了77%的成功率

2025年初，Chai推出Chai-1r，这是其首个集成“结构约束生成”的版本。用户可提供实验获得的结合位点信息（如接触残基、结合口袋形态），模型据此在序列生成过程中增加结构引导，提升最终设计的物理合理性与靶点结合潜力。

联合创始人Joshua Meier指出，通过在结构预测中加入抗原表位信息作为引导，Chai-1r模型在抗体－抗原对接的标准评估（DockQ值达43.7）中显著优于前代模型（DockQ值达35.6）和AlphaFold2（DockQ值达20.6），预测精度更高。

2025年6月，Chai的技术突破迎来里程碑：正式发布下一代模型Chai-2^[1]，并首次展示其在zero-shot de novo抗体设计中的实验命中能力。“zero-shot”是指模型在无需预训练样本或针对性文库的前提下，直接面向全新抗原生成候选抗体序列。

根据Chai官网数据，团队在52个从未见过的抗原靶点中开展实验，单轮设计命中率达到15–20%，部分目标甚至实现50%的结合成功率——这一数据远高于传统抗体文库筛选方法0.1–0.5%的平均水平。

图3：Chai-2靶向的52种新型抗原。

（蓝色框表示在≤20个分析设计中至少具有一种成功结合剂的靶标，占测试靶标的50%。）

Chai-2不止应用于抗体设计，还支持单链抗体（scFv）、纳米抗体（VHH）以及微型蛋白等多种形式的设计。在微型蛋白结合物设计中，Chai-2的实验室验证命中率高达68%（图4），结合亲和力达到pM（皮摩尔级）。此外，Chai-2生成的抗体具有优异的药物特性，如高特异性、纳米摩尔级亲和力及良好的可开发性，为快速转化为治疗性应用奠定了基础。

图4：微型蛋白结合物实验流程图及结果

目前，Chai-1已在GitHub上以开源软件包（chai_lab）形式提供，用户可通过代码调用该模型进行结构预测或分子设计，Chai-1r与Chai-2模型的API开放政策尚未公布。

Chai Discovery能在极短周期内完成候选分子的生成与验证，得益于构建在云平台算力、实验机构与开放科研合作三维生态上的协同机制。

具体来看，Chai与Oracle Cloud Infrastructure（OCI）深度协作，通过Oracle提供的云端平台支持其突破性AI模型Chai-2的先进技术需求，实现模型训练与推理任务的高性能GPU集群支撑。

与此同时，Chai的实验验证环节由北京义翘神州和加拿大合成生物平台Adaptyv承担，覆盖蛋白表达、结合筛选与功能验证等关键步骤。

此外，Chai是英国政府主导的开放科研计划OpenBind的参与方之一，该计划旨在未来生成超过50万条蛋白‑配体复合体结构与亲和力数据，以支持AI药物发现模型的训练与评估。

正是这套“云平台算力+第三方实验平台+开放科研数据”的协作组合，使Chai构建出高效、自驱、可扩展的AI抗体设计平台，也为未来AI生物医药企业搭建基础设施提供了可参考的范式。

近年来，中国AI制药企业在模型开发与应用转化方面取得显著进展，全球合作与出海趋势愈发明显。

如晶泰科技使用AI、量子物理和自动化加速药物发现，2024年6月港交所上市后，近期在与海外创新生物制药公司DoveTree完成总订单规模约470亿港元（59.9亿美元）的管线合作签约；上海三友生物联合BioGeometry构建GeoBiologics AI平台与高通量湿实验闭环体系；分子之心凭借NewOrigin AI模型实现蛋白质快速设计，2024年9月完成数亿元A轮融资。与此同时，AI药企正迎来湿实验与研发验证期，英矽智能的肺纤维化药物Rentosertib等多个管线进入临床阶段，累计授权交易额超20亿美元。

Chai Discovery的案例进一步提示我们：仅有强大的生成能力并不能构成产业级优势。真正的突破在于将模型深度嵌入实验环节，形成快速迭代的“设计‑验证”机制，从而提升候选分子的真实转化效率。

此外，Chai以不足10人的精干团队，在不到两年时间内完成三代模型开发与实验闭环体系建设，也启发国内企业反思传统“大团队+长链条”研发模式的效率问题，未来或许需要在组织结构上更加灵活、轻量、模块化。

展望未来，无论是抗体发现、蛋白设计还是小分子筛选，“生成+验证+平台生态”或将成为新一代AI药物研发企业的基础能力组合。在算力成本下降、数据共享增强的背景下，谁能率先构建起高效、可扩展的闭环体系，谁就有望在全球生物医药创新的下半场脱颖而出。

参考文献：

[1] Zero-shot antibody design in a 24-well plate Chai, Discovery Team, Jacques Boitreaud, Jack Dent, Danny Geisz, Matthew McPartlon, Joshua Meier, Zhuoran Qiao, Alex Rogozhnikov, Nathan Rollins, Paul Wollenhaupt, Kevin Wu bioRxiv 2025.07.05.663018; doi: http://doi.org/10.1101/2025.07.05.663018。

[2] Chai-1: Decoding the molecular interactions of life, Chai Discovery, Jacques Boitreaud, Jack Dent, Matthew McPartlon, Joshua Meier, Vinicius Reis, Alex Rogozhnikov, Kevin Wu

bioRxiv 2024.10.10.615955; doi: http://doi.org/10.1101/2024.10.10.615955