AI科学发现正在跨过一道关键分界线：会生成候选答案已经不够，能用真实实验淘汰错误、沉淀数据并兑现临床或产业价值，才有资格获得下一轮定价。本期拆解五类代表性玩家、四个早期机会与三组验证信号。

一、为什么现在是关键窗口

AI科学发现正在进入验证期。投黑马的母命题是：资本买的不再只是一个会提出候选分子的模型，而是一条能持续完成「预测—实验—反馈—再预测」的实验闭环。

2026年7月，三笔融资把这条变化推到台前。Chai Discovery宣布完成4亿美元C轮融资，估值38亿美元；CuspAI完成4.5亿美元B轮融资，据外媒报道估值约26亿美元；杭州MindRank完成5,200万美元B轮融资。三笔合计约9.02亿美元，分别落在生物大分子设计、材料发现和临床阶段药物研发，却共同强调真实实验、产业合作或临床反馈。（来源：Chai Discovery公司公告，2026年7月14日；CuspAI公司资料与投资方公告，2026年7月；MindRank公司公告，2026年7月8日）

资本密集下注的同时，商业验证也在出现。Chai在融资前后公布与诺华、argenx的抗体发现合作，并已与礼来、辉瑞建立合作；晶泰科技披露，2025年收入8.026亿元，同比增长201.2%，全年利润1.346亿元，成为其首个全年盈利年度；英矽智能于2026年3月与礼来签订合作，获得1.15亿美元首付款，潜在总金额约27.5亿美元，后续还包括分级销售提成。（来源：相关公司公告；晶泰科技2025年度业绩公告；英矽智能港交所公告）

这些数字仍不能证明AI已经解决药物和材料发现。它们证明的是，买方的付费方式发生了变化：药企愿意为平台访问、候选物、临床管线和后续里程碑分别付钱，工业伙伴开始把计算、数据、实验室和制造能力放进同一协作网络。

窗口也因此变得清晰。模型能力仍在快速进步，但通用模型越来越容易获得；真实实验数据昂贵、缓慢、带有大量失败结果，复制难度更高。未来18至36个月，行业会第一次有足够多的前瞻实验、二期及三期临床结果和工业样品，把「AI参与」与「AI创造增量」区分开来。估值体系将从演示能力转向验证效率。

二、核心变量：什么才算实验闭环

科学发现涵盖药物、材料、化学、能源和生物工程，任务边界差异巨大。本期不讨论所有科研助手，而是聚焦能够产生物理结果的发现系统：模型先提出可检验的候选方案，实验室合成或测试，结果以结构化形式回流，系统据此选择下一轮实验。

可以把模型理解为勘探地图，把实验理解为钻井。地图能把搜索范围从一片大陆缩到几个坐标，却无法证明地下真的有矿。每一次钻井都会产生成功与失败数据；谁能把这些数据快速送回地图，谁的下一次判断才会更准。只卖地图的公司掌握算法，控制钻井、样本和反馈链的公司更容易形成复利。

一个可投资的实验闭环至少有四层。

第一层是计算有效性：模型能否在未见过的任务上给出可复现预测，而非记忆公开数据库。第二层是前瞻实验有效性：候选方案必须在模型冻结后生成，并由真实实验测量命中率、可合成性、稳定性和功能。第三层是转化有效性：药物要跨过动物、临床和监管环节，材料要经过工艺放大、寿命、成本与量产测试。第四层是经济有效性：合作方愿意续约、支付首付款或里程碑，平台能够用更少时间和资本获得同等级结果。

Chai-2提供了一个有代表性的早期证明。公司称，其对52个新抗原设计最多20个抗体或纳米抗体，在一次实验轮次中取得16%的结合命中率，并在一半目标上发现至少一个结合物。这个结果显示，小规模计算设计有机会替代一部分大规模随机筛选；但数据主要来自公司及技术报告，距离候选药物的成药性、毒理和临床疗效仍有很长路径。（来源：Chai Discovery技术报告与公司资料，2025年6月30日）

同行评审研究给出了更冷静的边界。一项对AI原生生物科技公司临床管线的早期分析估算，AI发现分子在一期临床的成功率约为80%至90%，二期约为40%；后一个数字与行业历史水平接近，且样本量有限。另一项2026年预印本对15个模型进行科学数据分析评测，结果显示模型在描述性任务上表现较好，遇到假设选择、因果关系和机制解释时明显下降。（来源：Drug Discovery Today同行评审论文，2024年；SDABench预印本，2026年7月）

这正是实验闭环的价值：它不会消除科学不确定性，却能更早暴露错误。资本若仍按参数、论文和演示数量定价，很容易把候选生成能力错当成发现成功率；按前瞻命中、验证周期、里程碑回款和临床推进定价，才有可能看见真实效率。

三、竞争格局：五类玩家争夺验证控制权

这些公司并不处于完全相同的市场。它们争夺的是同一种稀缺资产：从计算建议走到物理结果的控制权。

Chai Discovery：从模型供应商切入药企研发工作流。 护城河是生物大分子设计能力与头部药企分发。公司成立于2024年，2025年12月B轮后仅七个月便完成4亿美元C轮；Chai-3已进入礼来、辉瑞、诺华及argenx等合作体系。隐患是合作金额大多未披露，公开命中率以公司实验为主，尚未看到自有临床管线证明平台能跨越药代、毒理和人体疗效。投黑马判断：Chai当前获得的是「高价值设计工具」溢价，能否维持38亿美元估值，要看合作项目是否产生可披露候选物、续约和里程碑。

CuspAI：把材料发现组织成跨机构实验网络。 护城河是AI Materials Foundry。公司披露，该网络拥有超过45个成员，英伟达提供计算基础设施，Meta贡献开放材料模型，应用材料、3M、三井化学等企业提供场景或专业能力，实验和数据伙伴负责测试。隐患是材料从计算筛选到工业配方之间隔着制备工艺、可靠性、供应链和成本；目前公开成果主要是平台与合作网络，缺少量产材料、付费订单及失败率。投黑马判断：CuspAI最值得跟踪的资产是实验网络的调度权，估值能否站住取决于首批材料能否穿过工艺验证。

MindRank：用临床进度证明端到端资本效率。 护城河是MAP平台把生物、化学、计算、实验和临床数据接入同一研发系统。公司称，口服小分子GLP-1受体激动剂MDR-001已进入中国三期临床，从项目启动到三期约4.5年，累计研发投入约2,300万美元；公司另有3项中美IND许可和5个已确定的临床前候选项目。隐患是上述数据属于公司口径，MDR-001中AI对靶点、分子和临床设计的具体贡献需要进一步拆分，三期推进也不等于获批。投黑马判断：MindRank提供了最接近结果层的样本，下一步关键是三期读数和平台在第二、第三条管线上的可重复性。

晶泰科技：用机器人实验室把反馈变成规模化资产。 护城河是200多个垂直模型、自动化湿实验平台和商业客户形成的闭环。公司披露，其AI Agent每周独立推动数万次化合物实验，服务全球前20大药企中的17家；2025年药物发现解决方案与AI4S智能解决方案共同推动收入和利润增长。隐患是机器人实验室属于重资产，项目收入可能受大单确认节奏影响；平台覆盖药物、材料和消费健康等多个方向，也会考验交付标准化。投黑马判断：晶泰已经越过「是否有人付费」这一关，下一阶段要观察收入中可重复平台费、一次性项目费和里程碑收入的比例。

英矽智能：用临床管线和授权交易建立兑现样本。 护城河是从靶点发现、分子生成到临床预测的端到端平台，以及多条自研和合作管线。港交所文件显示，公司拥有2项二期和8项一期临床管线；其AI发现并设计的特发性肺纤维化候选药物rentosertib已完成二期a研究并发表同行评审结果。公司与礼来合作包含1.15亿美元首付款，说明买方愿意把真金白银放在前端能力和后续候选资产上。隐患是早期临床样本有限，安全性和探索性疗效信号不能替代大规模确证试验；公司已经上市，估值也包含较多管线预期。投黑马判断：英矽智能是本轮赛道的验证锚，更适合用来校准早期公司的兑现路径。

竞争由此分成三条路线：Chai押注高价值模型进入药企，CuspAI押注跨机构材料实验网络，MindRank、晶泰与英矽智能押注更长的发现和转化链。路线没有统一赢家，但估值会逐渐围绕同一个问题收敛：谁能用更少实验、更短周期和更低资本，得到经得起独立复验的结果。

四、被市场低估的早期机会

机会一：前瞻实验验证基础设施。 需求真实，因为模型公司需要证明候选物是在模型冻结后提出，并接受独立实验；方案稀缺，因为实验协议、样品链、仪器误差和失败结果常分散在不同机构；认知差在于，市场把验证视为论文附件，药企却把它当成采购信用。关注能够提供盲测设计、跨实验室复验、实验数据审计和可追溯报告的平台。兑现信号： 至少两家模型公司付费采用同一验证服务；报告同时披露命中与失败样本；结果被药企合作或监管材料引用。

机会二：面向开放实验环境的机器人中间件。 需求真实，因为移液、合成、纯化、表征和仪器分析需要跨品牌设备协同；方案稀缺，因为化学实验的异常处理、安全规则和柔性操作远复杂于固定产线；认知差在于，机械臂和单台工作站容易被看见，实验调度、故障恢复和数据标准才决定闭环能否扩展。关注连接实验计划、设备控制、LIMS和模型反馈的中间件公司。兑现信号： 支持三种以上仪器品牌；无人连续运行时间提高；单位有效实验成本下降；客户从单站采购扩展到整条工作流。

机会三：失败实验与高质量负样本数据层。 需求真实，因为模型最需要知道哪些方案无效、为何失败；方案稀缺，因为实验室通常只整理成功结果，负样本格式不统一，也牵涉知识产权；认知差在于，公开论文喂给模型的是被筛选后的世界，企业内部失败记录更接近真实决策边界。关注实验数据结构化、隐私计算、跨机构联合建模和数据权益管理公司。兑现信号： 药企或材料企业愿意贡献历史负样本；平台能证明加入负样本后前瞻命中率改善；合同明确数据使用、衍生模型和知识产权归属。

机会四：临床前转化与数字实验模型。 需求真实，因为细胞命中到人体有效之间仍有动物模型、类器官、药代和患者分层鸿沟；方案稀缺，因为多组学、真实世界数据和实验模型很难在统一质量标准下连接；认知差在于，生成更多分子已经变得便宜，淘汰错误分子的能力仍然昂贵。关注类器官自动化、器官芯片、计算毒理、临床试验模拟与患者分层平台。兑现信号： 与前瞻动物或临床结果保持稳定相关；获得重复药企订单；候选项目因平台判断提前终止并节省可量化成本。

五、关键变量追踪

变量一：前瞻命中率能否独立复现。 信号A——Chai后续模型是否继续披露冻结模型、候选数量、实验协议和全部失败结果，16%的结合命中率能否由合作药企复验。信号B——CuspAI Foundry能否在2027年上半年以前公布首批由第三方合成和测试的材料候选，并披露从计算筛选到合格样品的转化率。命中率只有与实验成本、目标难度和失败样本同时出现，才具备投资可比性。

变量二：商业收入能否从项目费升级为结果分成。 信号A——Chai与诺华、argenx合作是否出现续约、候选提名或财务条款；单纯开放模型权限与获得候选资产付款代表不同价值层级。信号B——晶泰科技后续财报中，药物发现、智能实验室和里程碑收入的占比及毛利率是否保持增长。信号C——英矽智能与礼来的1.15亿美元首付款之后，是否出现开发里程碑和候选物进入临床。买方预付款验证需求，里程碑回款验证结果。

变量三：临床与工业转化能否跨项目复制。 信号A——MindRank的MDR-001三期试验进度、主要终点和安全性结果，以及其他3项IND项目的推进速度。信号B——英矽智能两项二期项目能否扩大样本并出现确证性疗效，8项一期项目中有多少顺利进入二期。信号C——CuspAI合作网络是否产生可量产材料、联合专利、订单或许可收入。单个明星项目可能来自靶点选择或执行优势，第二、第三个项目重复成功才能证明平台性。

三变量联动逻辑： 独立实验命中形成技术信用（变量一）→药企与工业客户愿意把付款从软件费升级为候选物和里程碑（变量二）→临床及量产结果反过来提供高价值数据，改善下一轮实验选择（变量三）。任一环节断裂，闭环都会退化成计算服务、传统外包或高风险管线投资。

投黑马·独家评级

赛道热度：🔥🔥🔥🔥🔥
7月三笔融资合计约9.02亿美元，科学模型正进入药企、材料企业和临床工作流

左侧机会：⭐⭐⭐⭐
头部模型估值已高，独立验证、实验中间件、负样本数据与转化工具仍处早期

布局紧迫度：⚡⚡⚡⚡
2026年下半年至2027年是前瞻实验、里程碑付款和临床读数集中验证窗口

推荐关注层次：
实验数据与自动化基础设施 ＞ 闭环研发平台 ＞ 自有临床管线

七、分层布局、风险与结语

最强反方观点必须被正面呈现：这一轮融资可能只是前沿模型估值向生物科技和材料行业的外溢。药物失败主要来自复杂生物学、人体差异和临床设计，材料失败还受制于工艺与成本；通用科学模型继续开源后，药企和工业集团也可能把核心能力收回内部。若合作方不续约、独立复验明显低于公司数据、里程碑长期不兑现，反方判断就会成立。

第一层·低风险长周期：实验数据与自动化基础设施。 投资逻辑是所有模型都需要可靠的物理反馈，平台可以跨越单一药物或材料项目。选股标准：客户覆盖两个以上科学领域；兼容多品牌仪器；同时记录成功与失败实验；能够量化无人运行时间、实验成本和复验一致性。时间窗口为2026年下半年至2028年，优先寻找从单个工作站扩展到跨实验室网络的公司。

第二层·中风险中周期：具备付费客户的闭环研发平台。 投资逻辑是平台掌握模型、实验和客户反馈，数据飞轮有机会提高毛利与议价权。选股标准：至少有两个独立付费客户；收入不依赖单一大额项目；前瞻命中率可审计；合同包含候选提名、里程碑或许可收入。时间窗口为2026年四季度至2027年底，等待Chai合作进展、CuspAI首批材料及晶泰科技后续收入结构。

第三层·高风险短周期：持有自研管线或超高估值的科学模型公司。 投资逻辑是临床成功或材料量产会带来巨大非线性回报。选股标准：明确拆分AI对靶点、候选物和试验设计的贡献；现金能够覆盖下一关键读数；核心项目之外至少有第二条可验证管线；估值不提前计入全部潜在里程碑。时间窗口围绕未来12至24个月的三期、二期和工业样品读数，避免只追逐融资公告。

风险披露：

• 风险一·实验结果无法复现（中高概率，影响全部三层）： 公司自测常在精心选择的目标和实验条件下完成，外部实验室若无法重现，模型溢价和客户续约都会下降。
• 风险二·临床失败吞噬早期效率（高概率，影响第二、三层）： AI可以改善候选物性质，却仍可能在人体疗效、长期安全和患者异质性上失败，二期和三期损失会覆盖早期节省。
• 风险三·闭环变成重资产外包（中概率，影响第一、二层）： 机器人实验室若需要大量定制、人力维护和低利用率设备，收入增长会伴随资本开支与交付成本同步上升。
• 风险四·数据与知识产权边界阻断飞轮（中概率，影响第一、二层）： 药企不愿共享负样本，合作合同限制数据回流或衍生模型使用，平台就难以跨客户积累优势。

会强化本文判断的事实： Chai命中率得到独立药企复验；CuspAI交付首批通过工艺测试的材料；MindRank三期取得积极结果；晶泰和英矽智能持续收到候选提名及里程碑付款。会迫使我们修正结论的事实： 合作停留在模型试用、实验命中率显著回落、临床成功率没有改善，或平台收入长期依赖一次性定制项目。

AI科学发现的下一阶段不会由生成数量决定。实验闭环把模型建议送入物理世界，也把失败证据带回模型。资本正在为这条能力链支付更高价格，但真正的价值确认仍在实验台、临床数据和客户回款中。未来两年，能够连续完成三次以上有效循环的公司，才配得上平台估值。

投黑马 · 信号解读

7月约9.02亿美元融资同时落向分子设计、材料发现与临床研发，释放出同一信号：这类公司的估值单位正从模型能力转向验证结果。前瞻命中、实验周期、候选提名和里程碑回款，将逐步替代论文数量与内部榜单。

左侧机会集中在反馈链。独立验证、实验机器人中间件、失败数据结构化和临床前转化平台，可以服务多个模型与项目，也更容易抵御单一管线失败。

接下来重点跟踪Chai合作项目的候选提名、CuspAI首批实物材料、MindRank三期进展，以及晶泰和英矽智能的里程碑收入。四类信号连续兑现，实验闭环才会从资本叙事升级为产业基础设施。

── 投黑马研究团队