创新公司

铅笔道编辑部

2026-07-08

融资数千万，04 年小伙想用 AI 预判药效，成立半年已商业化 作者丨铅笔道 黄小贵 7 月 7 日，AI 生命科学原生企业华源智因（GENESIGHT）宣布完成数千万元种子轮融资。本轮融资由水木创投投资，募集资金将主要用于数据、模型和临床三大壁垒建设，

融资数千万，04 年小伙想用 AI 预判药效，成立半年已商业化

作者 | 铅笔道 黄小贵

7 月 7 日，AI 生命科学原生企业华源智因（GENESIGHT）宣布完成数千万元种子轮融资。本轮融资由水木创投投资，募集资金将主要用于数据、模型和临床三大壁垒建设，并继续推进公司与超一线三甲医院的合作落地。

华源智因希望通过 AI，在药物进入高成本临床之前，预测其在人体细胞里的反应，看看一款药物在人身上到底有什么样的效果。

值得注意的是，华源智因成立仅仅半年，创始人杜润诗生于 2004 年，曾就读于美国加州大学洛杉矶分校。

华源智因已在临床患者分层、模型能力变现、数据平台合作这三类场景推进商业化落地。

找准药企最大痛点

过去几年，AI 帮药企找靶点、造分子、筛化合物，听起来很酷。但药企更怕的是，做一款新药，失败经常发生在很晚的时候。

美国生物化学与分子生物学会旗下媒体 ASBMB Today 曾援引研究称，开发一款成功药物通常需要 10 到 15 年，成本约 10 亿美元，而进入临床试验的候选药物约 90% 最终失败。其中，40% 到 50% 的失败原因是缺乏临床疗效，也就是药没有在人体里产生预期效果。

第一波 AI 制药公司，更多是在药物发现前端做文章。比如帮药企更快找到靶点，更快设计结构，更快筛出候选分子。这个方向仍然有价值。最近武田制药与英矽智能达成最高可达 6 亿美元的 AI 药物发现合作，也说明大药企愿意为 AI 能力付钱。

但另一面也很现实。AI 不能把药物研发里最难的部分直接跳过去。Recursion 是海外 AI 制药代表公司之一，但它在 2025 年一季度财报中宣布，将停止或寻求外部合作处理 REC-2282、REC-994、REC-3964 等临床项目，理由包括疗效数据不足、长期结果不理想等。

这给行业提了个醒：真正值钱的是提前判断。

华源智因切入的就是这个位置。

它不是单纯做一个 AI CRO，也不只是提高药物发现效率，而是希望在药物进入高成本临床之前，预测其在人体细胞里的反应，并进一步服务患者分层、候选分子排序和精准用药。

虚拟细胞，能否改变制药

一个药在实验室里看起来有效，不代表进入患者身体后一定有效。动物模型、体外细胞、类器官和真实人体之间，始终隔着一层距离。

全球每年药物研发总投入超 2 万亿元，但临床阶段失败损失高达 4000 亿元。《Nature》公开研究证实，86% 新药临床折戟根源是小鼠、猴等动物模型与人体生理存在巨大物种鸿沟。

谁能更早、更准地模拟人体反应，谁就可能成为新药研发流程里的新基础设施。

华源智因通过 " 虚拟细胞 "，让 AI 学习细胞状态，再预测细胞在不同刺激下会发生什么变化。

刺激可以是基因扰动。比如敲掉一个基因，看其他基因如何变化。

也可以是药物扰动。比如一种药进入细胞后，细胞的 RNA、蛋白、通路和功能会发生什么变化。

虚拟细胞已经在全球得到重视。2025 年，Meta 创始人扎克伯格和其妻普莉希拉 · 陈创立的陈和扎克伯格基金会（CZI）把 " 构建 AI 虚拟细胞模型，用于预测和理解细胞行为 " 列为四大科学挑战之一。

虚拟细胞最重要的是数据。华源智因称，目前已与多家超一线三甲医院合作，围绕真实患者样本建立专病数据闭环，并希望和医院共同制定采样、测序、临床信息收集等标准。

未来商业化想象力

AI 生命科学公司最终能不能赚钱，关键要看它嵌入了谁的决策流程。

在药企那里，最直接的价值是减少试错。药企手里可能有几个候选分子，看起来都不错。但到底该把哪一个推向更昂贵的临床？哪个患者更适合入组？哪些人可能没有反应？这些问题，直接关系到上亿美元甚至数亿美元的投入。

华源智因披露过一个肺癌相关案例。公司在与中国医学科学院肿瘤医院相关团队合作中，基于患者用药前样本数据和药物分子结构，预测患者后续药效排序。公司称，模型输出的疗效分层结果，与医生在真实治疗队列中的临床观察高度吻合。

过去临床试验入组，很大程度依赖医生经验、患者基础情况、分子检测指标和既有指南。未来如果模型能给出额外判断，告诉药企哪些患者更可能响应，临床试验成功率就可能被提高。

对药企来说，这不是 " 省几天时间 " 的问题，而是 " 这款药值不值得继续烧钱 " 的问题。

华源智因目前推进的商业场景，主要包括三类：临床患者分层，面向多个治疗队列和药物管线应用；模型能力变现，为药企提供药物重定位、靶点筛选、模型工具服务；数据平台合作，通过自动化测序持续扩充高质量训练数据。

这三类场景背后，其实是三种赚钱方式。

第一种，是项目制服务。药企或医院给一个具体问题，公司给出分析结果。

第二种，是平台订阅或工具服务。模型能力变成药企研发流程中的常用工具。

第三种，是风险共担。模型参与药物开发，如果药物成功，公司拿里程碑付款、分成或权益。

真正大的想象力，在第三种。

因为只做服务，天花板容易受项目数量和人力限制。做成平台，才有可能分享药物成功后的长期收益。

目前，虚拟细胞还不是成熟监管证据。它现在更像是药企和医院决策中的 " 额外佐证 "，而不是替代临床试验的最终答案。模型要被药企长期使用，必须持续证明两件事：第一，它比传统方法更准；第二，它的判断能被医生、药企和监管理解。

这也是整个 AI 生命科学赛道接下来最重要的分水岭——

过去，AI 制药讲的是速度。谁更快找到靶点，谁更快生成分子。

现在，行业开始关心确定性。谁能更早判断药物在人体里是否有效，谁能帮助药企少走弯路，谁能帮助患者少赌一次。

华源智因这轮融资金额不算大。但它背后的方向值得注意：AI 生命科学正在从 " 创造候选药物 "，走向 " 判断药物命运 "。