人工智能药物研发公司Chai Discovery完成4亿美元C轮融资
人工智能药物研发公司ChaiDiscovery成功完成4亿美元C轮融资,估值高达38亿美元。所募资金将用于推进Chai-3平台研发,该人工智能模型在靶点成功率和结合亲和力上显著提升,已与诺华、辉瑞、礼来等全球知名药企展开合作。
刚刚与诺华制药达成合作协议的Chai Discovery,紧接着宣布完成4亿美元C轮融资——这笔资金将主要用于推进其人工智能驱动的分子设计平台进一步研发与迭代。

本轮融资由Index Ventures领投,Kleiner Perkins、红杉资本和Dimension跟投。对于这家总部位于旧金山的初创企业而言,距离其完成1.3亿美元B轮和7000万美元A轮融资还不到一年时间,但估值已飙升至38亿美元。
Chai Discovery成立于2024年,背后有OpenAI的加持。目前其AI药物发现模型已迭代至第三代——Chai-3。该平台被定位为药物分子的计算机辅助设计(CAD)套件,专注于在临床前研究阶段“预测并重编程”分子间的相互作用。
据官方透露,相较于上一代Chai-2,最新版本在靶点成功率和结合亲和力方面均有显著提升——生成的抗体能够更紧密地锁定预定靶点。
谈及Chai-2,它在发布时就被誉为首个在全从头抗体设计(de novo antibody design)领域实现两位数实验成功率的零样本生成式平台。而Chai-3的能力更进一步,覆盖范围更广:它能够“突破那些长期难以被传统计算和实验室方法攻克的靶点,直接将其转化为可操作的设计问题”。
平台快速迭代的同时,Chai Discovery也在积极与多家大型制药企业建立合作关系。就在本周早些时候,诺华制药宣布采用其平台,启动一项针对多个治疗靶点开发抗体的综合项目;在此之前,辉瑞和礼来也早已加入合作名单。
Chai Discovery联合创始人兼首席执行官Joshua Meier表示:“AI药物发现已经从概念验证走向实际落地。Chai的模型正在为合作伙伴推动实实在在的研究进展——帮助他们设计出更优质的分子,更高效地攻克高难度靶点,解决传统药物发现方法难以应对的挑战。”这番话并不夸张。
大型制药企业的认可,显然是吸引投资方参与本轮巨额融资的核心因素。Index Ventures合伙人Nina Achadjian直言:“这支团队并非在为未来的实际部署做准备——他们已实现落地,并且已经在全球几家最大的制药公司中完成了部署。”
本轮新进的投资方还包括Bain Capital Ventures、Battery Ventures、Baillie Gifford、BDT & MSD Partners、Sapphire Ventures和a vra,此外还有大量原有股东持续跟投。
问答环节
Q1:Chai Discovery的AI药物发现平台Chai-3具备哪些核心能力?
A:Chai-3是Chai Discovery推出的第三代AI药物发现模型,定位为药物分子的计算机辅助设计套件。它能够在临床前阶段预测并重编程分子间相互作用,相比上一代Chai-2,在靶点成功率和结合亲和力方面均有显著提升,能够攻克那些长期难以被传统计算和实验室方法攻克的靶点,直接将其转化为可操作的设计问题。
Q2:Chai Discovery目前已与哪些大型制药公司建立合作?
A:Chai Discovery已先后与多家全球顶级制药企业达成合作。辉瑞和礼来是较早签约的伙伴,诺华制药则于近期宣布加入,双方将共同推进一项针对多个治疗靶点开发抗体的综合项目。这些大型药企的背书是推动本轮4亿美元融资顺利完成的关键因素。
Q3:Chai Discovery成立多久了,目前估值是多少?
A:Chai Discovery成立于2024年,是一家总部位于旧金山的AI药物研发初创公司,获得OpenAI的支持。成立以来已完成三轮融资:A轮7000万美元、B轮1.3亿美元,以及本次4亿美元的C轮融资,最新估值已达38亿美元。融资速度和估值增长均十分迅猛。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:人工智能药物研发公司Chai Discovery完成4亿美元C轮融资要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点佑驾创新与乐动机器人达成战略合作,围绕技术、产品、场景、数据四维度展开深度协同,旨在加速物理AI规模化落地,拓展无人车与机器人场景边界,推动具身智能商业化进程。
Meta开放AI算力租赁业务,市场反应从算力过剩转向算力商业运营。GPU从自用转向对外出租,算力从成本中心转为利润中心。AI云竞争核心从拥有GPU数量转向稳定跑满GPU的能力,依赖同步与参考时钟等底层基础设施的长期稳定运行。
针对大型多仓库工程(30+微服务、10+前端微应用),搭建包含规则、技能、子代理、13阶段工作流与门禁脚本的Harness系统,解决PRD不可信、方案与代码脱节、改完无人验证、交付环节琐碎等痛点,使AI在真实业务中稳定跑完需求。
部署MCP Toolbox前,先看清它的适用场景与安全边界,避免在权限管理不完善时接入敏感数据。 核心内容: 1 MCP Toolbox的核心功能与两种使用路线 2 项目适合与不适合的团队场景分析 3 实际验证的安全检查与关键限制 先说结论 MCP Toolbox 很适合小团队研究“让 AI
- 日榜
- 周榜
- 月榜
热点快看
