自主学习机器人、AI制药重磅合作密集落地｜AI4S前沿速递

潘 展| 撰文

01

研究与突破

1、Lila Sciences：AI自主实验发现绿氢催化剂

9月24日，AI科学公司Lila Sciences公布一项绿氢催化剂研究。其自主科学平台在3个月内提出、合成并筛选2942种催化材料，覆盖53个材料体系、26种元素，发现6类具有较好活性与稳定性的钯基材料。其中，最优候选材料在酸性条件下经过1000小时以上稳定性测试，表现可与传统催化剂钌相媲美。

该平台采用“AI设计—自动合成—性能测试—数据反馈”的闭环流程，筛选速度比传统实验室快17倍，每周可处理约240个样品，单个样品所需人工时间减少90%以上。该结果证明 AI 驱动科研在攻克材料化学长期难题方面具备强大潜力。目前，团队正继续开展长期耐久性测试和工业化条件评估。

原理示意图与实验工作流，图源：《arXiv》

https://arxiv.org/abs/2609.30133

2、Google DeepMind等：AlphaProtein Novo从头设计酶

10月1日，Google DeepMind联合加州理工学院（Caltech）等机构发布AlphaProtein Novo（AP Novo），这是一套利用生成式扩散模型从头设计酶的AI流程。

系统以催化活性位点和底物结构为条件，生成蛋白质骨架与氨基酸序列，并结合LigandMPNN和AlphaFold 3进行序列优化、结构预测与筛选。研究团队设计出可催化新型氮烯转移反应的酶，实现哌啶合成中的高选择性。还设计出了能在天然酶易失活的条件下降解环境污染物DEHP的酶，并在两种经典模型反应中取得先进的催化效率。通过迭代设计与分析发现，成功实现设计的关键支撑要素为：基于 AlphaFold3预测、由反应机理启发构建的评价指标，以及针对设计骨架的序列集成打分体系。

设计流程示意图，图源：bioRxiv

本研究结果表明，从头设计已成为天然酶多样性之外的有力补充手段，可为多种应用场景发掘催化剂。

https://www.biorxiv.org/content/10.64898/2026.10.01.756017v1

3、美国能源部：自主科学机器人与自动化试验平台

10月8日，美国能源部（DOE）宣布遴选四个国家实验室牵头项目，旨在建立可复用、可跨实验室迁移的自主科学基础设施，总经费预计达3000万美元。

四个项目分别由阿贡国家实验室（MAESTRO）、布鲁克海文国家实验室（DART）、橡树岭国家实验室（TRACE）和SLAC国家加速器实验室（SPIRE）牵头，重点涵盖机器人自我改进、可靠性验证、跨实验室自动化系统互联，以及光子与电子科学设施的自主运行。项目将开发数字孪生、机器人技能库、标准化接口、评测基准和训练模型，并推动AI智能体、实验仪器与高性能计算协同工作。目前，遴选处于资助谈判阶段，预计2026财年安排200万美元。

https://www.energy.gov/science/articles/doe-announces-four-national-laboratory-led-selections-advance-robotics-and

4、Google DeepMind等：SynthID Bio蛋白质水印

9月30日，Google DeepMind在《Nature》发表SynthID Bio研究，提出为AI生成的蛋白质序列和三维结构嵌入可检测、且尽量不影响功能的隐形水印，以追踪生物分子的来源，提升AI生物设计的可追溯性与生物安全性。

该研究包含两项技术：SynthID Bio-sequence将水印嵌入蛋白质序列设计流程；SynthID Bio-structure则通过微调AlphaFold 3，在预测结构中植入水印。实验中，团队为针对SARS-CoV-2受体结合域、VEGF-A和PD-L1的蛋白质结合体添加水印，发现其结合能力与未加水印的对照组相当，水印检测准确率接近100%。相关代码已在GitHub公开。不过，团队表示水印抗恶意移除能力及跨行业标准化仍需进一步完善。

SynthIDBio示意图，图源：《Nature》

https://www.nature.com/articles/s41586-026-10965-y

5、字节跳动与北京大学多学科团队：提出自旋适配神经网络波函数

10月24日，字节跳动与北京大学多学科团队发表研究，提出一种自旋适配反对称化方法（SAAM）。研究团队将群表示理论引入神经网络量子蒙特卡洛计算，在描述多电子波函数的同时，严格满足总自旋对称性。该方法无需额外可调超参数，即可实现纯自旋态，并兼顾电子关联效应的精确描述。

为验证方法有效性，研究团队将其应用于两种铁硫簇——Fe₂S₂和Fe₄S₄，成功解析其低能自旋态及自旋能隙。铁硫簇具有多个能量接近的自旋态，是传统多体计算的难点。

SAAM框架，图源：Nature Communications

该研究将物理对称性直接嵌入 AI 模型，为强关联电子体系的高精度计算提供了新工具，也有望助力复杂分子与材料的电子结构研究。

https://www.nature.com/articles/s41467-026-78600-y?utm_source=chatgpt.com

02

1、Novo Nordisk × Orbis Medicines：AI辅助开发口服大环肽药物

9月17日，诺和诺德与生物技术公司Orbis Medicines达成多靶点药物研发与许可合作，包含首付款、里程碑付款以及分级特许权使用费，交易潜在总额最高达14亿美元。此外，诺和诺德还将对Orbis进行战略投资，具体金额未披露。

项目将利用Orbis自主研发的nGen平台，结合生成式AI、高通量合成与筛选，针对心血管及代谢疾病相关靶点，设计具有口服生物利用度的大环肽类候选药物，合作未披露具体靶点及候选药物。nGen平台通过“设计—合成—测试—分析”闭环持续积累实验数据，每周可推进大规模分子筛选，旨在突破传统大环肽口服吸收差、难以成药的限制，为肥胖、糖尿病等疾病开发更便捷的口服疗法。

https://www.orbismedicines.com/news/orbis-medicines-enters-multi-target-drug-discovery-partnership-with-novo-nordisk-worth-up-to-usd-14-billion

2、Enveda Therapeutics：完成3.11亿美元E轮融资

9月23日，美国AI制药公司Enveda Therapeutics宣布完成3.11亿美元E轮融资。此次融资由Catalio Capital Management领投，投后估值约20亿美元，公司成立以来已累计融资超过8.45亿美元。新资金将用于推进核心管线进入后期临床试验、拓展适应症并扩大自动化实验平台规模。

Enveda自主研发的PRISM平台可利用AI解析植物、微生物等天然来源的复杂化学物质，识别具有生物活性的分子，并结合自动化实验推进药物发现。公司自2019年以来已产生17个候选药物，其中3个进入临床试验。包括：治疗特应性皮炎和哮喘的ENV-294已进入Ⅱ期试验；旨在帮助患者停用GLP-1减重药后维持体重的ENV-308公布积极Ⅰ期结果；治疗炎症性肠病的ENV-6946处于Ⅰ期。

https://enveda.com/news/enveda-raises-311-million/

3、Earendil Labs、Helixon × Genentech：AI设计肿瘤双特异性抗体

9月24日，美国AI生物技术公司 Earendil Labs 与罗氏旗下Genentech达成肿瘤双特异性抗体研发合作。交易包括5500万美元首付款，叠加研发、注册及销售里程碑付款，总潜在金额超过15亿美元。

此次合作将AI驱动的抗体发现与基因泰克的肿瘤药物开发能力相结合，重点探索同时干预多条肿瘤相关通路的治疗方案。Earendil Labs及其关联公司Helixon将利用机器学习、生成式蛋白质设计和高通量实验验证平台，针对双方约定的靶点组合发现并开发多款双特异性抗体，Earendil Labs负责早期研发至临床早期阶段，基因泰克负责后续全球临床开发和商业化。

https://en.prnasia.com/releases/global/earendil-labs-announces-research-collaboration-with-genentech-to-discover-and-develop-therapeutic-bispecific-antibodies-in-oncology-549481.shtml

4、Atavistik Bio × Roche：变构小分子药物发现

9月24日，美国生物技术公司 Atavistik Bio 与罗氏（Roche）达成战略研发合作。协议包括7000万美元首付款，另有最高19亿美元里程碑付款及销售分级特许权使用费，潜在总金额接近20亿美元。

此次合作将Atavistik的变构发现技术与罗氏的疾病研究及开发能力结合，探索面向慢性疾病的口服小分子疗法。利用Atavistik的变构药物发现平台，针对心血管、肾脏及代谢疾病的多个靶点开发新型小分子药物。其AMPS平台旨在识别蛋白质上难以发现的隐蔽结合口袋，通过变构调节改变蛋白质功能，为传统方法难以调控的靶点提供新的药物设计路径。Atavistik负责早期发现与研究，罗氏承担后续临床前及临床开发、注册和商业化。

https://atavistikbio.com/companynews/atavistik-bio-announces-strategic-research-collaboration-with-roche-to-discover-and-develop-novel-allosteric-therapeutics/

5、Pathos AI：携手BMS、Tempus AI布局神经类疾病AI制药闭环

10月23日，AI药物研发公司Pathos AI 完成 2.37 亿美元E轮融资，由百时美施贵宝（BMS）领投，原股东跟投，投后估值约30亿美元。资金将用于扩展其药物开发平台Foundry，并推进4款临床阶段抗癌药物，包括推进AI发现的JSKN-016（TROP2/HER3 双特异性 ADC）进入注册性临床研究。

同时，Pathos与BMS、Tempus AI达成多年合作，率先聚焦阿尔茨海默病等神经系统疾病。Tempus 负责构建覆盖数十万神经系统疾病患者的去标识化纵向数据集，Pathos为此支付最高5500万美元，并利用Foundry分析疾病机制、识别潜在获益人群及优化临床试验设计。BMS获得Foundry平台在神经科学领域的3年独家使用权，以及跨研发管线的非独家使用权，并可将其用于更广泛的研发组合。两项合作实现了数据+ AI 平台+ 药物开发闭环，为AI制药提供了一种新的商业模式，也体现大型药企对AI驱动药物研发的持续投入。

https://investors.tempus.com/news/news-details/2026/Pathos-AI-Announces-Strategic-Collaborations-with-Bristol-Myers-Squibb-and-Tempus-AI-to-Advance-AI-Driven-Drug-Development-Beginning-with-Alzheimers-Disease-and-Other-Neurological-Conditions/default.aspx

6、Electric Plant Company完成种子轮融资，推进植物电生理监测

本月，又一家AI4S企业结束隐身走入台前。10月20日，Electric Plant Company宣布完成1120万美元种子轮融资，由Onto Ventures和Climactic领投，Ponderosa Ventures等参与。公司同时发布其植物电生理基础模型Bombadil及配套传感器Bud。

Bombadil利用逾400万小时、覆盖100种植物的信号数据进行预训练，可估计植物7项生理指标，包括光系统II效率、叶片温差和作物水分胁迫指数等。Bud则负责持续采集植物组织的微弱电信号。目前，公司已将数百个传感器部署于农业、林业、园艺及生态管理，旨在通过识别早期水分胁迫等信号，辅助灌溉和养护决策。同时公司正在探索利用植物信号开展环境监测，包括水质与森林风险评估。

https://www.streetinsider.com/Business%2BWire/Electric%2BPlant%2BCompany%2BLaunches%2BFrom%2BStealth%2BWith%2B%2411.2M%2Bin%2BFunding%2Band%2Ba%2BFoundation%2BAI%2BModel%2Bfor%2BPlants%2C%2BBombadil/27209125.html?utm_source=chatgpt.com

Deep Science预印本