AI制药遇上了一个意想不到的问题
过去几年，AI改变新药研发的故事你大概听过不少。
AlphaFold预测了2亿个蛋白质结构，把几十年的工作压缩进几周；生成式AI能在几秒内设计出成千上万种新分子；各大制药公司纷纷宣布与AI公司合作，承诺将新药研发速度提升10倍甚至100倍。
听起来很美好。
但现在，AI制药领域出现了一个没人预料到的新问题：
候选药物太多了。
不是少，是多。多到实验室根本处理不过来。
AI工具把制药流水线的”入口”彻底打开了——每天都在源源不断地吐出新的候选分子。但问题是，这些候选药物在真正进入临床试验之前，必须经历一个叫做”表征”（Characterization）的过程——科学家需要在分子层面彻底搞清楚每一个候选药物到底是什么、能不能用、安不安全、质量是否过关。
这个过程，AI没有加速。
它还是和20年前一样慢。
一个临床试验每延误一天，损失超过100万美元
说”慢”是一回事，但慢到什么程度？
目前，每一个候选药物的表征过程需要数周乃至数月，充满了耗时费力的人工数据分析和报告生成。临床试验每延误一天，平均损失超过100万美元。
整个制药流水线现在的状态是这样的：
上游，AI每天造出成千上万个候选分子，堆积如山。
下游，科学家用几十年没变的方法，一个一个手工分析，每个要花几周。
中间这道卡口，就是今天全球制药研发效率最低的地方，也是最贵的地方。
AI药物发现带来的意外危机是：太多分子，太少清晰度。分子生成从来不是瓶颈——验证才是。
三个从诺贝尔奖实验室走出来的人，决定解决这件事
David Roberts、Andrew Reiter、Vishnu Tejus——这是10x Science的三位创始人。
他们三个有一个共同点：都曾在斯坦福大学诺贝尔化学奖得主Carolyn Bertozzi教授的实验室工作，研究癌细胞与免疫系统之间的相互作用。
Bertozzi是2022年诺贝尔化学奖得主，她的研究领域正好横跨化学生物学和医学——也就是说，10x Science的创始团队是在这个问题的最前沿受过训练的人。
David Roberts是Damon Runyon癌症研究学者，在Nature和ACS系列期刊发表过38篇以上的论文。Andrew Reiter曾在MIT和哈佛的Broad研究所工作，专门开发解析药物相互作用的新工具。Vishnu Tejus是两次入选YC的连续创业者，11岁就开始上大学。
这不是三个刚毕业就创业的学生。他们在这个领域深耕多年，亲眼看着这个问题从无到有地出现——也亲身经历了它有多让人抓狂。
正如David Roberts所说：”我们亲身经历过这个问题。”
10x Science 到底做什么？
核心产品是一个AI原生的蛋白质表征平台。
蛋白质类药物（抗体、细胞疗法、工程蛋白等）是今天新药研发的主战场，蛋白质类药物已经占据了新疗法的多数。但每一种蛋白质药物在进入临床之前，科学家都必须在分子层面做极其精细的”画像”——这个分子是什么结构？纯不纯？稳不稳定？会不会引起免疫反应？
10x Science的平台，把这个原本需要几周人工操作的过程，压缩到几分钟内完成，每个团队每月可节省超过15万美元的时间成本。
技术上，它将AI代理与确定性化学和生物学算法相结合，用于解析质谱数据——一种分析分子结构精度极高但极为耗时的技术。
更重要的是，它不只是快，还能解释自己的结论。早期用户合同研究机构Rilas Technologies测试后报告说，平台能自主定位相关数据、解释其结论，并能适应不同的分析场景。这对科学家来说至关重要——在制药领域，一个不能解释推理过程的黑盒AI是没人敢用的。
这门生意，为什么是一个好赌注？
这是一个”卖铲子”的逻辑。
投资者押注10x Science，是在押注分子验证将随着AI药物发现的规模扩大而变得愈发关键。AI系统生成的分子越多，帮助优先筛选的工具就越有价值。这是一种对AI生物技术热潮的”卖铲子”押注——提供基础设施，无论哪个具体的AI发现平台最终主导市场，这类基础设施都是不可或缺的。
换句话说，10x Science不需要赌哪家AI制药公司会赢——只要AI制药这件事继续发展，它就有生意做。
买家有钱，痛点真实。
制药公司是出了名的不差钱，但极度厌恶浪费。临床试验每延误一天百万美元的损失，让他们对任何能提速的工具都有强烈的付费意愿。10x Science已经与企业级制药客户建立了商业合作，这说明它不是在等市场教育，市场已经准备好了。
团队来自问题本身的核心。
这不是技术人员看到制药行业机会然后跨界来做的故事。David、Andrew和Vishnu在诺贝尔奖实验室里亲手做过这件事，知道哪个环节最让人崩溃，也知道技术边界在哪里。这种”内部人”视角，在生物科技创业里极其稀缺。
它面临的真实挑战
进入制药行业的门槛极高。 制药公司在选择数据分析工具时极度保守——数据错误的代价可能是整条研发线的崩塌。赢得大型制药企业的信任，需要的不只是技术，还有漫长的验证周期和监管合规。
竞争正在聚集。 AI药物发现行业已经从AI设计分子的炒作阶段，进入了更艰难的”搞清楚哪些分子真正有价值”阶段。这意味着越来越多的资本和人才正在涌向这个方向，先发优势的窗口不会永远开着。
这是一个需要极深专业壁垒的赛道。 质谱数据分析、蛋白质表征、AI模型——每一个单独拎出来都是一个需要多年积累的领域。10x Science的团队背景给了他们起点，但把这些能力整合成一个真正可靠的商业产品，是一段还没走完的路。
AI制药这个故事，过去几年一直是关于”发现”的——AlphaFold发现了蛋白质结构，生成模型发现了新分子，各种预测工具发现了潜在的靶点。
10x Science讲的是一个不一样的故事：
不是发现，而是判断。
在一个AI能够无限生产候选方案的世界里，真正稀缺的能力变成了：在这堆候选方案里，哪些值得押注，哪些应该放弃？
这个判断力，才是接下来几十年制药研发效率的真正关键。
10x Science的三位创始人在诺贝尔奖实验室里磨了多年，然后在2025年12月创业，用一句话定义了自己要做的事：
让药物开发跟上AI药物发现的速度。
这句话听起来简单，但它背后的工程难度和商业机会，都是真实的。
10x Science目前已完成480万美元种子轮融资，由Initialized Capital领投，Y Combinator、Civilization Ventures和Founder Factor参投，正在招募创始工程师。
