【Dealroom.co】TechBioxAI药物发现

近日，【Dealroom.co】联合TechBio发布了一份名为《TechBio x AI Drug Discovery: Developing new drugs faster and cheaper》的行业研究报告。这份报告深入探讨了人工智能在药物发现领域的应用，分析了TechBio公司如何通过数据、计算和生物学的结合来加速药物的发现过程。报告指出，AI发现的药物候选物不再局限于研究阶段，而是积极进入临床开发，预示着TechBio从概念走向现实。报告中提供了丰富的数据和案例分析，对于理解当前TechBio领域的发展趋势和投资动态具有重要价值。

在2025年，TechBio行业正从概念走向现实，AI在药物发现领域的应用正在加速新药的开发。根据Dealroom.co的报告，这一变革的核心在于通过数据、计算和生物学的融合，推动医疗健康和生命科学领域的新一波创新。欧洲在这个过程中扮演着先锋角色，尽管医疗保健领域数字化程度相对较低，但变革的呼声日益高涨。

TechBio公司正在规模化发展，AI发现的药物候选物和靶点不再局限于研究阶段，而是积极进入临床开发。2025年，超过30家TechBio公司签订了与制药公司的合同，AI发现的资产中有31个处于临床阶段，占所有研发中药物的30%。这一趋势表明，AI在药物研发中的作用越来越重要。

TechBio初创公司正在参与药物开发的每个阶段，旨在使其更快、更便宜、更有效。从疾病模型、生物标志物发现、虚拟细胞模型、目标发现与验证，到前临床、临床试验技术、合规性、市场情报等，TechBio的应用覆盖了整个药物开发流程。这些技术通过自动化和合作伙伴关系，从试点项目转变为多步骤协议，提高了研发效率。

然而，风险投资（VC）资金与药物开发各阶段的成本之间存在负相关性。目标发现与验证阶段吸引了18亿美元的资金，但仅占总成本的3%。相比之下，成本负担最重的I-III期临床试验阶段，却只获得了相对较少的风险投资（2.98亿美元）。这种不平衡突显了结构性效率低下，并为能够降低后期开发风险、时间或成本的技术提供了强烈机遇。

在欧洲，有超过670家TechBio和AI药物发现初创公司。2025年，这些公司已经筹集了超过20亿美元的资金，其中Isomorphic Labs的6亿美元融资轮次是主要推动力。大部分顶级融资轮次都集中在药物发现工具上。早期阶段的风险投资在2025年已经与去年的总额相匹配，但由于突破性融资的增加，融资轮次减少，显示出市场成熟度的提高。

资金分配历史上主要集中在药物发现工具上，包括2025年。欧洲TechBio和AI药物发现初创公司的风险投资从2015年的约3.91亿美元增长到2025年预计的21亿美元。在2023年的回调之后，资金再次上升。大部分资本集中在核心发现工具上，但少数晚期巨型融资轮次夸大了后者的明显主导地位。临床试验技术的分配保持恒定，反映了生态系统日益成熟和基础设施投资与细分创新层之间的明显突破。

欧洲TechBio和AI药物发现初创公司的融资轮次数在2023年急剧下降，此后稳定在较低水平，预计2025年约为118轮。与此同时，2025年筹集的总资本保持强劲，表明资金轮次减少但规模增大，资金越来越集中在更成熟的公司上。这表明行业正在成熟，资本正在围绕规模化平台整合，而不是广泛的早期实验。

新兴类别如合规性、虚拟细胞模型和生物安全等在过去十年中增长最快。合规性（增长283%）、虚拟细胞模型（增长187%）和生物安全（增长155%）迅速扩张，而更成熟的领域如药物发现工具（增长69%）和制造优化（增长19%）显示出较慢的增量增长，标志着向TechBio堆栈中的新能力层的转变。

英国吸引的资金超过欧洲其他国家的总和，由Isomorphic的60亿美元融资轮次推动，西班牙和法国紧随其后。2025年有望成为退出活动第二强的一年。自2021年以来，退出主要是私人的，因为公开市场基本上仍然关闭。

大型制药公司在AI方面的投资激增，这表明它们正在迎头赶上。除了投资外，大型制药公司还与顶级TechBio公司建立了合作伙伴关系。欧洲顶级TechBio和AI药物发现风险投资公司包括Cryocloud、Zetta Genomics、Rivia、Aerska、AIgnostics、Certivity、Nuclera、CellVoyant、bit.bio、Biofidelity、Quibim、CardiaTec、Healx、Kiin Bio、LabGenius、R.grid、Bioptimus、Latent Labs、ExpressionEdits、Valink Therapeutics、Aligned Bio、Nygen、Analytics、Lindus Health和Daltontx。

AI不会一夜之间改变现场试验的长度，但它可以消除巨大的成本和浪费。临床试验预算从I期的约400万欧元到III期的超过1亿欧元不等，每个患者成本在11.3万至13.6万欧元之间。成本也因地理位置或治疗领域而有很大差异，肿瘤学和罕见病试验的预算最高。支出通常分为现场成本（30%）、招募（20%）、数据管理（15%）、监管（10%）和制造/间接费用（25%）。然而，财务团队通常低估了40%的成本，造成了威胁试验完成的预算危机。30%的临床试验成本由CRO处理，使得赞助商对他们的试验几乎没有可见性。

TechBio可以减少临床试验费用，减少对CRO的依赖。AI优化的试验设计、更智能的协议、更少的修改、更小的样本量、更早的无效性检查，以及通过ML驱动的匹配和合成控制，显著减少招募需求和时间。虚拟和混合站点降低了现场开销并扩大了全球覆盖范围。可穿戴设备+自动清洁/监控减少了CRO数据管理的沉重成本。临床操作和实时试验监测、工作流自动化、手动操作开销、简化的数据管理。数字监管工具、自动化文件准备和合规性检查加快了提交速度，减少了监管咨询费。

2025年已经是临床试验技术初创公司资金筹集的第二好年份，筹集了2亿美元，比十年前增长了10倍。临床试验技术初创公司的风险投资，探索70家临床试验技术初创公司。

Rivia的联合创始人兼首席执行官Erik Scalfaro表示：“Rivia通过整合每个试验数据源，并提供临床团队使用的一系列AI代理和工作流程，帮助生物技术和制药公司运行更高效的临床试验，减少与数据管理和数据审查相关的大量手动工作，同时加快决策周期。这使团队能够将数据审查速度提高多达六倍，提高数据质量，并加快他们对疗法和患者反应的理解。今天，我们为每个试验创造约1000万美元的时间价值。我们还看到我们的客户在筹资努力中的成功率提高，并将他们的疗法推向市场。总体结果是更精简的团队、更快的洞察力和更低的资本需求，以达到生物技术和制药公司的临床发展里程碑。”

药物开发需要合成成千上万种化合物。在药物发现、临床试验和审查过程中，从数万亿种潜在化合物中筛选出15,000至600,000种化合物，再到3年、6年和2年的审批过程，最终只有20种化合物获得批准。化学合成是药物开发的关键环节，但当前的化学合成工作流程效率低下，仍然严重依赖试错。

今天的化学工作流程是手动的，即使是顶尖的化学家每周也只能合成大约1种化合物；流程是分散的，大多数反应数据无法获取、不一致或孤立；流程是昂贵的，ERP系统、实验室工具和计划之间没有交流，大型化学团队和试错合成正在推高成本。

化学合成面临的挑战包括低可靠性、人才短缺和脆弱的供应链。为什么是现在？传统的合成严重依赖熟练的化学家进行试错实验，通常需要数周时间才能生产出即使是中等复杂的分子。与此同时，全球供应链不稳定和训练有素的化学家短缺，迫使组织寻找新的方法来生成化合物。自动化、实验室机器人技术和高分辨率分析方法的进步正在创造一个机会，重新思考分子是如何设计和制造的。随着化学变得越来越数字化和数据丰富，生成专有反应数据集、集成自动化实验和关闭设计与执行之间的循环，承诺了全球化学创新方式的转变。

化学合成市场价值约120亿欧元，预计到2033年将增长到200亿欧元。即使是中等复杂的分子仍然需要3-6周才能制作；50%的反应失败或产量低，浪费时间、金钱和材料；1/4的反应不可复制；发表的化学经常在现实世界的实验室环境中失败；40%的化学家即将退休；老龄化的技能和人才池正在造成严重的研发瓶颈；依赖少数几家在限制性地理区域的大型CRO，一次冲击可能会使整个发现管道停滞。

AI正在重新定义化学合成的设计、执行和扩展方式。化学是一个数据丰富的学科，涉及复杂的分子结构、反应路径和大量的实验数据点。机器学习和深度学习擅长处理大型数据集，识别模式并进行预测。这种能力使AI成为执行任务的宝贵工具，如化学和材料发现、产量和反应属性、逆合成和反应规划、实验执行以及反应预测和数据分析。

尽管AI提供了巨大的潜力，但仍缺乏高质量和标记的反应数据。现有的反应数据集严重偏向成功结果，缺乏失败或负面示例，这阻止了模型准确地学习什么不起作用；这破坏了对新反应预测的可靠性。

自2018年出现以来，化学合成领域在2025年的融资已经超过2亿美元，由CuspAI的1亿美元A轮融资推动。欧洲化学合成初创公司的风险投资，探索30多家化学合成初创公司。

Onepot的联合创始人Daniil Boiko表示：“onepot正在使用AI和机器人技术自动化化学合成。描述我们所做的最好方式之一是将我们与自动化餐厅进行比较。可以很容易地想象

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。