AI 制药的战场,正从分子转向临床。
投资界获悉,CataX AI 近日已完成种子轮融资,启明创投独 家投资。与此前聚焦药物发现的 AI 制药公司不同,这家成立仅 4 个月的 AI 原生 Biotech 不做靶点与分子发现,而是借助 Agent 加速新药的早期临床开发。
身后创始人王子龙,90 后,高一时,他便凭全国生物联赛一等奖获得保送资格,高中期间累计获得生物、物理、信息学三科四项竞赛一等奖。后来他选择在复旦大学就读临床医学八年制专业,最终取得肿瘤学博士学位。此后他曾任一家 AI 医疗科技公司 CTO 与首席医学官,荣膺福布斯 30U30;并进入微软亚洲研究院,成为亚研院唯 一一位医学背景、专注医疗 AI 的研究员。几次跨界之后,如今他亲自下场做药。
聊起这次创业,王子龙从学医经历讲到 Agent 浪潮,中间始终牵着一条线:" 医学决定我们为什么出发,而 AI 决定应该怎样去做。" 一路走来,他想缩短的始终是技术与患者之间的距离。
90 后 AI 天才成为医学博士
决定投身 AIDD 浪潮
故事从王子龙说起。
1991 年出生于河北秦皇岛,高一开始他就陆续包揽生物、物理、信息学等多项全国联赛一等奖,早早拿到保送资格。尽管他极其痴迷计算机,却做了看似反直觉的选择:进入复旦大学攻读八年制临床医学。
他有自己的考量:计算机足够开放,唯独医学无法凭空自学,必须亲历科班训练。" 没有人能毫无凭证地走进手术室。但也许有一天,AI 真能代替医生,代替药物研发者呢?"
在复旦大学,王子龙一边学医,一边旁听计算机课程。他把跨学科学习比作航海:初入陌生领域宛如幽暗无际的大海,学科之间的交叉地带,则是 " 宝贵的淡水岛 "。找到它需要时间," 不要着急,耐心一点总会找到 "。
临床轮转与腾讯实习的经历,让他看到了另一种可能。科室连轴转一天能做十几台手术;而在腾讯,团队产品上线就能触达约十万人。他开始思考,怎样把技术带进医疗,让更多患者受益。
毕业后,王子龙加入 AI 医疗企业体素科技,年仅 28 岁便一肩挑起 CTO 与首席医学官。那段创业实战中,他带队推进了覆盖全国 155 家中心、超 4.7 万名受试者的前瞻性多中心研究,拿下了国内早期的 NMPA 三类医疗 AI 器械注册证。并连续入选福布斯 30Under30、胡润 U30 创业领 袖榜。
恰逢大模型浪潮席卷而来。2023 年,王子龙选择重返科研高地,担任微软亚洲研究院(MSRA)高级研究员,研究医疗基础模型、自主智能体及人机协作,相关研究在 GitHub 上斩获超两万颗星标。
转折发生在今年初,接连出现的 Agent 产品带来了一次 " 信仰飞跃 "。此前,王子龙参与一项关于视障程序员的研究,观察他们如何借助 AI 工具编程及审阅代码。随着论文推进,现实却以更快的速度被改写。连他自己写代码时,也几乎不再逐行审阅了。
" 医学决定我们为什么出发,而 AI 决定应该怎样去做。" 人与 AI 之间的分工改变,让他想到医药行业的现实。
如今新药临床开发,依然带有强烈的工业流水线色彩:推进一条管线,需要医学、注册、运营、数据、生物统计等十多个职能部门相互配合。哪怕只是修改一份常规报告,也伴随着烦琐的跨部门会议与文件流转。
" 如果从第 一天起,就让智能体深度在场,这样一家生物医药公司应该什么样?" 带着这个疑问,王子龙毅然离开微软,开启创业。
启明创投孵化
一家 AI 原生药企诞生
" 王子龙身上有很强的创业激情。" 启明创投合伙人、医疗创新行业共同负责人陈侃回忆初见时的印象," 市面上懂 AI 的人很多,学医出身的也不少,但既在微软做着最前沿医学 AI 研究,又受过系统临床医学训练,同时还迫切下场做点实事的人,非常少见。"
今年春天,经复旦大学校友引荐,王子龙与陈侃见了面。
那时,王子龙脑中只有 " 把 Agent 嵌进制药 " 的粗略框架,连商业计划书都还没写完。但两人围绕技术演进与新药研发聊了几个小时,很多底层判断一拍即合。
作为中国最早布局 AI 制药的投资机构之一,启明创投此前投资过英矽智能等早期药物发现公司。在陈侃看来,AI 在靶点发现和分子设计阶段的应用已经相对成熟,如今整个医药行业的瓶颈已经转移到了下游。
一款新药研发动辄耗时十年、耗资数十亿美元。其中,早期的药物发现只占去约 20% 的成本与时间,剩下 80% 的权重都压在临床开发阶段。过去几年,中国临床前新药分子(PCC)的产出量占到了全球的 44%,急需一条高性价比通道跨过 " 人体概念验证(PoC)" 的生死线。
" 如果人类今天停下所有新药分子的发现,光是实验室里攒下的存量,就足够全球临床体系消化整整十年。" 在陈侃看来,用智能体重构临床试验是降本必由之路。但传统药企通过 AI 穿透重重职能部门壁垒,无异于推翻整个旧体系。与其对抗庞大惯性,不如从零开始。
随后,启明创投决定以种子轮独 家出资的方式,与王子龙联手孵化这家新公司。在启明创投的推动与引荐下,曾在泰格医药、百济神州等企业做过十余年临床运营的蒋哲敏作为联合创始人兼 CDO 加入,补齐了临床落地的关键一环。
2026 年 7 月,CataX AI 在上海成立。"Cata" 取自催化剂 Catalyst,意在加速新药研发;"X" 标识由绿色 DNA 双螺旋与蓝色芯片电路交叉而成,寓意探索未知疾病,也寄托十倍(10x)效能的期待。
公司瞄准临床前及早期临床管线,计划通过许可引进或共同开发,持有相应权益,推进早期临床概念验证(PoC)。对于取得积极人体证据的项目,再寻求对外授权,由具备后续开发和商业化能力的伙伴接力。
承接这些管线的,是团队探索的 " 一人全栈临床 "(Clinical-of-One)模式。一名临床开发负责人统筹项目,协调 Agent 与外部专家。资料研究、文件起草、数据处理交由 Agent 参与,关键决策则是由人负责。
诚然,医学验证无法违背冷峻的客观规律:若一项临床随访需要一年,AI 也无法凭空缩短时间。所谓 "10x Biotech" 的效率,是通过精准资产筛选与减少人为内耗,把资源投入到更多有价值的临床验证中。
一人撑起 N 条管线
中国未来药企样本浮现
" 未来的药企,注定向着这种组织范式演进。" 陈侃将 CataX AI 的探索视作行业探路。
在他看来,Agent 对研发与底层分工的重塑终将深入行业,但这无法在真空中发生,需要整个生态同行。一家公司的内部革新,最终仍需与医院、合作伙伴及监管体系衔接。
这场探索,恰逢中国创新药走向全球的窗口期。陈侃观察到,海外药企对中国资产的关注,已从价格优势转向资产质量。一些有潜力的早期项目,仍因资金不足难以继续推进。对于新成立的 Biotech,参与全球研发的机会,就藏在这些尚待衔接的环节中。
视线拉回当下,落到 CataX AI 身上,最现实的挑战是如何将这种模式从最初的几个人扩展出去。
" 我没有办法复制十个我。" 王子龙坦言,眼下统筹管线的负责人,需兼具深度的临床认知与 AI 思维。找到这样的人并不容易。如果每个项目都依赖少数人的经验,这套模式便很难交给更多团队。
王子龙将破局的解法,落在了 " 组织经验 " 沉淀上。
公开的医学文献可以被大模型学习,但临床试验研发的许多经验,却藏在具体的工作取舍里。专家为何要求在此处修改方案,团队如何根据新数据决定继续或停止投入,王子龙希望把这些实战判断背后的依据留下来。
在他的设想里,外部专家的反馈、团队的决策轨迹及后续结果,都保存在同一系统中,供后续项目借鉴。一次开发结束,经验仍能继续积累,新加入的临床负责人也能有所遵循,让这套模式逐步减少对少数跨界人才的依赖。
这种对知识经验传递的关注,恰好呼应王子龙对 " 跨界 " 的思考。
" 我们在为自己划界。" 王子龙聊到刘慈欣的《乡村教师》,记忆无法遗传,知识虽能传递,每个人仍要经历漫长的学习,才能接近前人抵达的地方。他期待 Agent 成为 " 外脑 ",帮助人调用更广的知识,把探索延伸到既有专业之外。
当然,要把蓝图化作日常,还有很多硬仗要打。王子龙表示,团队正在重新梳理临床开发流程,协调技术系统、风险控制与法规要求。Agent 在资产调研上的表现,也需要在后续开发中继续验证。
" 新药研发是一场漫长的马拉松接力赛,最难的从来不是起跑,而是如何把每一棒平稳、高效地交到终点。" 在王子龙看来,技术和组织的重构,不过是把时间还给科学,让药物早一步去兑现希望。
文章来源:投资界原创 | 作者:王露
原文地址:https://news.pedaily.cn/202611/571895.shtml


