寻明生科获1亿美元融资 |【经纬低调新闻】

综述

8月11日，寻明生科（Aureka Biotechnologies）宣布完成总额1亿美元的B系列融资。

寻明生科透露，本轮融资资金将重点投入新一代生物基座模型的研发及规模化训练，持续提升模型在分子从头设计、生物结构建模及功能预测等核心任务上的能力。同时，公司将进一步升级以实验为核心反馈机制的Lab-in-the-Loop体系，推动基座模型与专有单细胞功能筛选、高通量实验验证及药物开发平台形成深度闭环。

此前，寻明生科已完成闭环AI原生基础设施建设，接下来将强化基座模型这一整套系统的“智能核心”：通过大规模预训练、项目定制后训练、AI智能体与可规模化运行的实验体系等相结合，构建面向生命科学的AI for Science基础设施，使模型不仅解决单一药物发现任务，更能够持续学习生物规律，并对复杂生物系统进行理解、生成、预测与干预。

随着基座模型与自动化研发基础设施加速融合，寻明生科将从“以AI提升药物发现效率”，进一步走向“以AI建模生命系统”，持续拓展 AI 药物发现的技术边界与产业上限。

经纬观点

今年4月，经纬创投投资了寻明生科的A+轮融资，本轮继续跟投。经纬创投项目负责人王玉叶表示：“寻明生科是我们早期布局并持续看好的团队。其推出的开源全原子模型OpenDDE，展现了这个年轻团队在AI药物发现领域的前瞻性判断与扎实的技术功底，加上公司目前建立的差异化pipeline，我们相信，这种兼具创新锐度与战略定力的团队，将持续突破制药瓶颈，为行业带来真正意义上的范式革新。”

融资新闻

以动制静闭环AI基础设施孵化更强智能核心

寻明生科成立于2023年，是一家AI原生TechBio公司，致力于研发新一代生物基座模型，并构建由AI模型、智能体、数字生物技术与实验平台共同组成的闭环AI原生基础设施，重构药物发现的全流程。

生命科学是一类高度依赖真实世界反馈的复杂科学科研领域。生物大模型能力的持续提升，不仅需要算力、算法与模型架构创新，也依赖能够真实表征分子功能的高质量实验数据，以及持续验证模型假设、修正模型偏差并形成迭代反馈的实验体系。

为此，寻明生科将Lab-in-the-Loop作为模型研发的一级基础设施，将AI智能体、高通量数字生物技术、专有单细胞功能筛选与自建实验平台深度结合，形成覆盖分子生成、实验设计、功能验证、数据回流、模型后训练与候选分子开发的闭环系统。

在这一体系中，实验室不再只是模型生成结果后的验证环节，而是直接参与模型学习和能力进化的核心组成部分。模型提出可实验验证的分子设计与科学假设，实验平台产生高质量功能数据，数据进一步回流至基座模型与项目专属模型，驱动模型持续迭代，并进入下一轮设计与验证。

这一Lab-in-the-Loop机制使寻明生科能够自主产生大规模、多维度、高信息密度的功能实验数据，并持续用于基座模型预训练、强化学习及项目定制后训练。相比主要依赖公开、静态数据集的模型研发路径，寻明生科的模型能够在真实药物发现项目中不断获得实验反馈，在设计—验证—学习的循环中持续进化，从而形成数据、模型、实验与药物资产相互增强的闭环飞轮，可谓“以动制静”。

基座模型能力通过第三方评测与实验验证

在闭环AI原生基础设施之上，寻明生科自主研发了生物基座模型AuraIDE。该模型基于专有蛋白质共进化数据进行大规模训练，学习蛋白质序列、结构、进化与功能之间的深层规律，并在生物分子结构预测与分子从头设计领域建立领先优势。

AuraIDE并非面向单一任务开发的垂直算法，而是能够通过任务适配与项目定制后训练，迁移至多类药物发现场景的生物基座模型。其能力正从蛋白质结构建模与分子生成，进一步拓展至生物分子相互作用建模、功能预测与复杂设计约束下的多目标优化。

AuraIDE的开源版本OpenDDE已通过第三方独立评测，性能位居全球开源生物分子模型前列。

第三方评测与真实实验结果共同表明，寻明生科的基座模型不仅具备领先的蛋白质结构预测和从头设计能力，也具备将模型能力转化为真实分子功能的能力。通过Lab-in-the-Loop的持续反馈，模型正在由“预测生物结构”进一步走向“生成具备目标功能的生物分子”。

OpenDDE在公开抗体—抗原结构预测基准FoldBench v1上的第三方评测表现

来源：Tamarind Bio，Open Models Beat AlphaFold3，FoldBench v1 benchmark。

商业变现方式多元模型能力快速转成高价值药物资产

基于生物基座模型、专有单细胞功能筛选平台与项目定制的后训练技术，寻明生科已在GPCR、单抗双靶等传统方法难以攻克的项目中，规模化产出高价值、差异化抗体。

在具体项目中，寻明生科可围绕靶点机制、功能表型和成药性目标，对基座模型进行项目级后训练，使模型从通用生物智能进一步转化为面向特定药物发现问题的专属模型。随后，AI智能体协同完成靶点理解、分子生成、计算评估、实验设计与结果分析，实验数据再持续回流模型，形成围绕具体项目运行的闭环学习系统。

公司端到端的智能体化研发基础设施贯通分子生成、成药性评估、实验验证、结果反馈与候选分子开发，能够将科学假设、模型能力与实验能力快速转化为可开发的药物资产，并持续支撑内部管线和外部合作项目推进。

目前，寻明生科已与多家全球头部制药企业建立战略合作，共同推进差异化抗体药物的开发，过去两年实现千万美元级商业收入，验证了其AI平台在真实药物发现项目中的交付能力、规模化能力与商业化潜力。

从提升环节效率到模拟生物系统，未来向生物世界模型迈进

寻明生科创始人兼首席执行官赵伟安博士表示：“当领先的生物基座模型与可规模化运行的研发基础设施真正结合，我们就不再只是提升药物发现某个环节的效率，而是在构建能够理解、生成和预测生物系统的下一代药物发现引擎。这也是寻明生科向生物世界模型迈进的关键一步。”

在寻明生科的长期技术路线中，生物世界模型将不再局限于对静态分子结构的预测，而是进一步模拟分子之间的相互作用、推演分子设计与改造的潜在结果，并支持AI智能体自主规划、执行和迭代药物设计任务。

通过本轮融资，寻明生科将进一步推动生物基座模型与闭环AI原生基础设施的协同演进，加速模型能力在真实药物发现项目中的验证和转化，并持续拓展生成式AI在抗体药物研发中的能力边界。