百时美施贵宝携手 Chai Discovery，用 AI 分子折叠与设计模型加速治疗性抗体发现
Chai Discovery 官宣与百时美施贵宝（BMS）达成合作，BMS 将在其产品管线中部署 Chai Discovery 的分子折叠与分子设计 AI 模型，支持抗体候选分子的发现，并构建由 AI 驱动、能够持续学习的药物发现体系。Chai Discovery 通过 AI 预测并重新设计分子间相互作用，生成具有特定属性的新生物分子，帮助缩短药物发现周期并探索传统方法难以触及的靶点。这是继多家 MNC 之后又一家押注 AI 平台化药物发现的头部药企。
百时美施贵宝（BMS）与 AI 制药公司 Chai Discovery 宣布达成合作：BMS 将在其产品管线中部署 Chai Discovery 的分子折叠与分子设计 AI 模型，支持治疗性抗体候选分子的发现，并推动构建由 AI 驱动、能够持续学习的药物发现体系。
这次合作部署了什么
根据官方公告，BMS 将把 Chai Discovery 的先进 AI 模型与平台能力引入抗体发现流程。Chai Discovery 的技术核心在于用 AI 预测并重新设计分子间相互作用——包括分子折叠（预测生物分子的三维结构）与分子设计（生成具有特定属性的新生物分子）。
对药企的实际价值有二：一是压缩从靶点到可成药候选分子的时间线；二是触达传统方法难以攻克的靶点。Chai Discovery CEO Joshua Meier 表示，双方希望"快速加速从概念到可行治疗候选分子的进程"。
BMS 也并非 Chai Discovery 的第一位药企客户——越来越多制药公司正在接入其平台，以压缩靶点识别与抗体候选分子之间的周期。
放进行业脉络看：MNC 的 AI 战略正在"平台化"
单看一次合作官宣，信息量有限。但把镜头拉远，头部药企的 AI 布局在过去一年呈现清晰的演进轨迹：
- 单管线合作阶段：AI 公司针对特定靶点交付候选分子，药企按里程碑付费；
- 平台授权阶段：药企整体接入 AI 公司的模型平台，覆盖内部多条管线——本次 BMS 与 Chai Discovery 的合作即属此类；
- 基建自建阶段：自建算力集群与 AI 驱动实验室，形成"算力-算法-实验数据"闭环。
第三阶段的典型动作已有先例：默沙东与梅奥医学中心整合临床数据、基因组数据与生物样本库开展 AI 药物研发合作，并与谷歌云达成 10 亿美元级多年期合作在全链条部署 AI；阿斯利康则收购生成式 AI 公司 Modella AI，将其整合进肿瘤药物研发体系，同时运转 REINVENT（小分子从头设计）与 AiZynthFinder（逆合成工具）两个内部平台。
BMS 此次的表态值得注意——目标不是"买一段计算服务"，而是构建持续学习的药物发现体系。这意味着模型会随着管线数据的积累不断迭代，合作性质从工具采购转向共建研发基础设施。
对研发负责人的含义
抗体发现的"计算前置"正在成为头部药企的标配。当竞争对手把分子折叠、设计与内部数据打通，管线效率的竞争就从实验台延伸到了数据与模型的闭环能力。
对研发决策者，三个问题变得关键：内部历史数据是否已治理到可喂养模型的程度？AI 平台的引入是按管线付费还是按体系共建？持续学习机制下，数据资产归属如何约定？
AI 抗体发现的下一程，比拼的不是谁用了模型，而是谁的体系学得更快。
千方医数集编辑部 出品
