当一款抗癌新药从实验室走向患者平均需要10年、耗资20亿美元，而90%的候选药物倒在临床试验阶段，AI正在成为重构药物研发范式的关键变量。
在全球生物医药创新的核心地带，一场静默的革命正在发生。根据Nature Reviews Drug Discovery的统计，传统药物研发的成功率仅为7.9%，每个上市新药的平均成本已突破20亿美元。更令人担忧的是，随着“容易”靶点逐渐被挖掘殆尽，针对癌症、神经退行性疾病等复杂疾病的创新疗法研发变得愈发艰难。
麦肯锡2024年发布的报告显示，全球医药研发支出已超过3000亿美元，但产出效率却持续下滑。大型制药公司面临着前所未有的生产力危机——每10亿美元研发投入对应的新药产出数量在过去十年下降了近50%。这种结构性困境催生了对新技术范式的迫切需求。
在这场关乎人类健康的攻坚战中，一家名为Iambic Therapeutics的生物技术公司正凭借其“AI驱动+自动化实验”的双引擎模式，悄然改变着小分子药物发现的游戏规则。成立于2019年的这家加州公司，不仅成功将AI设计的首款抗癌药物推进至临床阶段，更在2025年ESMO大会上公布了令人鼓舞的早期临床数据，证明了AI药物设计从概念走向临床的可行性。
01 创立背景：AI与药物发现的“化学反应”
Iambic Therapeutics的诞生源于一个简单而深刻的洞察：传统药物发现模式已接近效率极限。在大多数制药公司仍依赖药物化学家经验、高通量筛选和试错法时，Iambic的创始人看到了机器学习与自动化技术融合的巨大潜力。
公司总部位于加州拉霍亚，这里是全球生物技术创新的重要枢纽。Iambic从创立之初就明确了自己的使命：构建端到端的AI药物发现平台，将从小分子设计到临床候选物确定的周期从传统的3-5年缩短至1-2年。
来源：Iambic官网
创始人团队体现了深刻的跨界思维。CEO Thomas Miller博士拥有深厚的计算化学和创业背景，在创立Iambic之前，他曾在多家成功的生物技术公司担任技术领导职务。其他联合创始人则来自斯坦福大学、加州理工学院等顶尖研究机构，在机器学习、结构生物学和药物化学领域有着丰富经验。这种“AI专家+药物猎人”的组合，确保了公司既能把握技术前沿，又深刻理解药物研发的实际挑战。
“我们不是在做另一个AI工具，而是在重新构想药物发现的整个流程。”Miller在多次采访中强调，“真正的创新不在于单个算法的突破，而在于整个工作流的重构。”
来源：Iambic官网
公司的命名“Iambic“本身就蕴含深意——在诗歌中，抑扬格（iambic）代表着一种优美的节奏和结构，象征着公司追求药物发现过程中理性与创意的完美平衡。这种平衡体现在其技术的每一个层面：物理模型与数据驱动的平衡、自动化与专家洞察的平衡、探索与开发的平衡。
02 技术内核：生成式AI与自动化实验的“双轮驱动”
Iambic的技术护城河建立在三大创新支柱之上：多模态生成式AI模型、自动化实验平台和闭环优化系统。这三者共同构成了一个不断自我完善的“药物发现引擎”。
Iambic的AI平台核心是其专有的多模态Transformer模型Enchant。与传统仅基于化学结构的模型不同，Enchant能够同时处理蛋白质结构、分子构象、生物活性数据和临床特征等多个维度的信息。这种多模态学习使模型能够更准确地预测小分子的结合亲和力、选择性和类药性。
来源：Iambic官网
Enchant模型的训练使用了超过50亿个分子-靶点相互作用数据点，包括公开数据库和Iambic自有实验平台产生的专有数据。模型采用分层注意力机制，能够自动识别不同数据源的重要性权重，在预测生物活性时达到皮摩尔级别的精度。
更引人注目的是其NeuralPLexer技术，这是一个基于深度学习的蛋白-配体复合物结构预测系统。与AlphaFold2等通用蛋白质结构预测工具相比，NeuralPLexer专门优化用于预测小分子与靶点的结合模式，准确度较传统分子对接方法提高了一个数量级。
来源：Iambic官网
“NeuralPLexer让我们能够‘看到’分子与靶点的相互作用细节，这是设计高选择性抑制剂的关键。”Iambic的首席科学官在技术简报中解释道，“传统方法需要数月的晶体学实验才能获得的结构洞察，我们的系统在几小时内就能提供可比精度的预测。”
OrbNet量子化学模型是平台的第三个关键技术组件。该模型基于图神经网络架构，融入了量子力学特征，能够在保持量子精度的同时，将计算速度提升1000倍以上。这使得在分子生成阶段就能准确预测电子分布、反应活性和光谱特性，大幅减少后期优化中的意外问题。
Iambic最具差异化优势的技术特色在于其深度整合的自动化实验系统。公司在圣地亚哥总部建立了超过10,000平方英尺的自动化实验室，配备机器人合成系统和高速筛选平台。
该实验室配备了12台并联合成机器人，每天可完成200个以上的合成反应，涵盖从毫克级到克级的不同规模。筛选平台整合了细胞培养自动化、高通量成像和液相色谱-质谱联用系统，每周可完成超过10,000个生物活性测试。
该平台实现了每周完成一次“设计-合成-测试”全循环的能力。AI模型生成的候选分子在几天内就能被合成并通过体外化验进行测试，结果自动反馈至模型进行迭代优化。这种高速迭代能力大幅压缩了先导化合物优化的时间，传统需要数月的优化周期在Iambic平台上可缩短至数周。
平台的标准化程度极高，从化合物登记、库存管理到数据分析全部自动化。每个样品都配有唯一的数字标识，实验条件、原始数据和元数据自动采集并关联。这种端到端的数字化确保了数据的可追溯性和可重复性，为AI模型提供了高质量的训练数据。
Iambic平台的真正革命性创新在于其内置的强化学习机制。每个实验结果——无论是成功还是失败——都成为训练数据，用于改进下一轮分子生成的策略。这种“经验积累”能力使平台随着使用时间的增加而变得越来越智能。
来源：Iambic官网
系统采用多目标贝叶斯优化框架，同时平衡活性、选择性、溶解度和毒性等多个关键参数。传统药物化学家往往需要在这些相互冲突的目标之间进行权衡，而AI系统可以在亿万级的设计空间中寻找帕累托最优解。
平台还集成了主动学习策略，能够自动识别信息量最大的下一个实验，最大化每个实验周期的学习收益。例如，当系统发现某个化学空间的预测不确定性较高时，会优先安排该区域的探索性实验，而不是继续优化已有较好理解的区域。
这种智能探索策略使得Iambic在项目早期就能获得更全面的结构-活性关系理解，避免了传统方法中常见的局部最优陷阱。根据内部统计，这种策略使项目成功率提高了3倍以上。
03 临床验证：AI设计药物的“里程碑时刻”
技术的价值最终需要通过临床结果来证明。Iambic的主要候选药物IAM1363——一款针对HER2驱动型癌症的脑渗透性小分子抑制剂——正在成为AI药物设计的标杆案例。
IAM1363最引人注目的特性是其对HER2相较于EGFR的选择性超过5,000倍。这一成就解决了长期以来困扰癌症靶向治疗的核心难题：许多HER2抑制剂因同时抑制EGFR而产生严重的皮肤毒性等副作用。
来源：Iambic官网
传统HER2抑制剂如拉帕替尼对HER2/EGFR的选择性比通常只有10-100倍，导致剂量限制性毒性。Iambic团队通过NeuralPLexer精准预测了IAM1363与HER2和EGFR的结合模式差异，利用AI生成的结构洞察指导分子设计，实现了之前难以想象的选择性水平。
共晶结构分析证实，IAM1363通过独特的“DFG-out”构象与HER2结合，形成特异性氢键网络，而在EGFR中这种结合模式因关键残基的空间位阻而无法实现。这种精妙的分子识别是传统药物化学方法极难实现的。
另一个关键创新是IAM1363的脑渗透性设计。大约30-50%的HER2阳性乳腺癌患者会发生脑转移，而大多数现有HER2靶向疗法无法有效穿透血脑屏障。Iambic的AI平台专门优化了IAM1363的物理化学性质，使其在保持高效力的同时能够穿越血脑屏障。
平台通过血脑屏障渗透预测模型，在分子生成阶段就筛选具有理想渗透性的结构。该模型整合了分子量、脂溶性、氢键供受体数量等多个参数，并通过迁移学习利用了大量的临床前和临床数据。
在临床前模型中，IAM1363在脑转移瘤中的浓度达到血浆水平的30%以上，显著高于同类药物。在小鼠脑转移模型中，IAM1363治疗组的生存期延长了2.5倍，而对照组动物均因脑转移进展而死亡。
在2025年ESMO大会上公布的I/IB期临床试验数据显示，在重度预处理的HER2驱动型癌症患者中，IAM1363展现了令人鼓舞的抗肿瘤活性。
这项研究纳入了58例既往中位治疗线数达4线的晚期癌症患者，包括乳腺癌、肺癌和胃癌等多个癌种。在剂量≥960mg/天的患者群体中，客观缓解率达到28%。更值得注意的是，在可测量脑转移灶的患者中，颅内客观缓解率达到33%。
安全性数据同样令人振奋。治疗相关不良事件大多为1-2级，仅有两例患者出现3级不良事件，没有观察到4级事件。与传统HER2抑制剂相比，IAM1363的皮肤毒性发生率显著降低，这与其高选择性设计一致。
“这是AI药物设计从概念走向临床的关键里程碑，”主要研究者在ESMO大会上报告时表示，“IAM1363不仅展示了优异的抗肿瘤活性，其安全性特征也令人印象深刻。更重要的是，它为脑转移患者提供了新的希望。”
04 商业模式：从平台技术到管线资产的价值创造
Iambic构建了一个多层次的价值创造模型，巧妙平衡了短期收益与长期价值。
公司选择将平台能力首先应用于内部药物管线的开发。除了领先项目IAM1363外，Iambic还布局了包括CDK2/4抑制剂(IAM-C1)、KIF18A抑制剂等多个项目，覆盖了肿瘤领域的多个高价值靶点。
来源：Iambic官网
IAM-C1项目针对的是CDK2/4双重抑制，这在克服CDK4/6抑制剂耐药方面具有重要价值。传统方法难以实现CDK2和CDK4的平衡抑制，而Iambic平台通过多目标优化成功设计了具有理想选择性谱的分子。
KIF18A项目则瞄准了一个全新的有丝分裂靶点。KIF18A作为纺锤体马达蛋白，在染色体分离中起关键作用。由于缺乏已知的活性位点，这个靶点被认为是“不可成药”的。Iambic通过结合AlphaFold预测的结构和自身平台的能力，成功识别了别构调节位点并设计了首批活性分子。
这种策略使公司能够直接捕获药物成功的全部价值，同时也为平台能力提供了最直接的验证。随着管线的推进，Iambic正从技术平台公司向临床阶段生物技术公司演进。
Iambic积极与大型制药公司建立战略合作，既验证了平台技术的通用性，也为公司提供了稳定的现金流。
来源：Iambic官网
与Lundbeck的合作专注于中枢神经系统疾病领域，特别是偏头痛的新型疗法开发。这一合作利用了Iambic平台在设计脑渗透性分子方面的专长，同时也展示了平台在肿瘤之外领域的应用潜力。合作采用了里程碑付款模式，潜在总价值超过8亿美元。
与Jazz Pharmaceuticals的合作则更加聚焦于临床开发。双方将探索IAM1363与zanidatamab（一种HER2靶向双特异性抗体）在HER2阳性乳腺癌中的组合疗法，特别是在对已有疗法（如trastuzumab deruxtecan）耐药的患者群体中。这一合作基于强有力的科学依据——小分子TKI和双抗可能通过互补机制产生协同作用。
长期来看，Iambic计划将其平台技术授权给其他生物技术公司和大型制药企业。这种“平台即服务”模式具有极高的可扩展性和边际效益，随着平台数据的积累和算法的优化，其价值将呈指数级增长。
公司正在开发云原生版本的平台，允许合作伙伴通过Web界面访问其AI工具，同时保护各方的知识产权。这种轻资产模式有望在未来成为重要的收入来源。
05 融资历程：资本重仓AI制药新范式
Iambic的融资轨迹精准反映了资本市场对“AI驱动药物发现”这一赛道日益增强的信心。
来源：Iambic官网
2024年6月，公司完成了5000万美元的B轮扩展融资，使B轮融资总额超过1.5亿美元。此轮融资吸引了包括Mubadala Capital、Exor Ventures、卡塔尔投资局(QIA) 在内的多家顶级投资机构，现有投资者如Nexus Venture Partners、Coatue等也持续加码。
来源：Businesswire
更值得关注的是，Iambic在2025年获得了1亿美元的超额认购融资，这笔资金将主要用于加速临床管线的推进和平台技术的升级。此轮融资的领投方在投资声明中表示：“Iambic不仅拥有领先的技术平台，更重要的是他们证明了将技术转化为临床价值的能力。IAM1363的早期数据超出了我们的预期。”
资本市场的强烈认可背后是对AI制药范式变革的深度信念。一位主要机构投资者在投资备忘录中写道：“Iambic代表的是制药行业的下一代范式——数据驱动、算法优化、自动化执行。他们不仅在建造更好的工具，而是在重构药物发现的底层逻辑。”
投资方结构的多元化也值得关注。除了传统的生物技术风险投资外，Iambic还吸引了主权财富基金、科技跨界投资者和大型制药企业的战略投资。这种多元化的股东基础为公司提供了更丰富的资源和更广阔的发展空间。
06 竞争格局：在AI制药红海中构建多维壁垒
AI药物发现赛道正吸引越来越多参与者，但Iambic通过其全栈式技术架构和临床验证进展构建了独特的竞争优势。
与纯软件型AI公司相比，Iambic的差异化在于其深度整合的自动化实验能力。大多数竞争对手依赖公共数据或合作伙伴生成的数据，而Iambic通过自有自动化平台产生高质量、标准化的专有数据，这些数据直接反馈至模型优化，形成了难以复制的数据飞轮。
Recursion Pharmaceuticals等竞争对手虽然也拥有自动化实验能力，但主要专注于细胞表型筛选，在小分子优化方面的能力相对有限。Exscientia等公司则更偏向于合作服务模式，缺乏对核心数据生成过程的直接控制。
与许多仍处于临床前阶段的AI生物技术公司相比，Iambic的临床阶段管线提供了关键的验证节点。IAM1363的早期临床数据不仅证明了平台的实际价值，也为后续项目积累了宝贵的临床洞察。
Schrödinger等计算化学公司虽然拥有强大的物理模型，但在将计算洞察转化为临床候选物方面的经验相对有限。Relay Therapeutics等公司虽然也专注于蛋白动力学靶点，但其平台更依赖于传统的结构生物学方法。
Iambic构建了一支罕见的跨学科团队，深度融合了AI研究、药物化学、生物学和临床开发。这种“T型人才”结构确保了技术洞察能够有效转化为药物产品，而非停留在学术论文或软件原型。
公司目前拥有约120名员工，其中40%拥有博士学位，团队分布在计算科学、实验科学和临床开发三个主要领域。这种均衡的人才配置在AI生物技术公司中相当罕见。
Iambic已经建立了强大的知识产权组合，包括15项授权专利和40多项待审申请。这些专利不仅覆盖了具体的分子结构，还包括核心算法、平台方法和新的靶点用途。
特别是在分子设计方面，Iambic的专利涵盖了选择性HER2抑制剂的整个化学空间，为竞争对手设置了较高的壁垒。这种“围墙花园”策略确保了公司在关键靶点上的先行者优势。
07 未来展望：从AI制药先驱到行业基础设施
Iambic的发展路线图清晰地规划了从技术公司到行业引领者的演进路径。
短期目标是临床概念验证。在未来12-18个月内，公司的重点将是确证IAM1363的临床价值。包括完成剂量优化研究，推进与zanidatamab的联合疗法试验，并探索在更多HER2驱动型肿瘤中的应用。
关键的里程碑包括：2025年Q4启动IAM1363与zanidatamab联合疗法的Ib期研究；2026年H1公布剂量优化队列的更新数据；2026年H2：启动关键注册研究。
来源：Iambic官网
同时，公司计划推进第二个AI设计分子进入临床阶段，进一步验证平台的通用性和可重复性。IAM-C1项目预计将在2026年初提交IND申请。
中期愿景是平台扩展与生态构建。随着临床数据的积累，Iambic计划将平台能力扩展到更广泛的疾病领域。特别是针对”不可成药”靶点的探索，如蛋白-蛋白相互作用界面、别构调节位点等传统方法难以处理的靶点类别。
公司正在开发下一代平台技术，包括：
公司还计划通过API接口和协作平台，将其技术能力开放给更广泛的研究社区，加速整个行业的创新步伐。这种”平台即服务”模式预计将在2027年推出测试版本。
长期愿景是重构药物研发范式。Iambic的终极愿景是构建一个完全数据驱动的药物研发新范式。在这个范式中，AI不仅是辅助工具，而是研发过程的核心驱动力；药物设计从经验导向转变为预测导向；研发成功率从个位数提升到系统性的高水平。
公司正在探索的几个前沿方向包括：
“我们相信，未来的药物研发将更加精准、高效和可预测，”CEO Thomas Miller展望道，“AI和自动化不是要取代科学家，而是要让每一位科学家的时间创造更多价值。”
08 中国对标：AI药物发现的技术路径分野
在AI驱动的药物发现领域，英矽智能 代表了当前国内企业所追求的一种高效、集成的平台化技术路径。其核心技术框架围绕生成式人工智能平台Pharma.AI构建，该平台通过靶点发现引擎PandaOmics、分子生成与优化引擎Chemistry42，以及临床预测工具InClinico，形成了一个从假设到候选化合物的高度自动化流水线。尤为关键的是，其AI引擎与自动化实验室紧密结合，在实践中能将临床前候选化合物的提名周期缩短至平均12-18个月，所需合成和测试的分子数量也大幅降低至60-200个，显著重构了传统药物研发的成本与时间模型。
来源：英矽智能官网
相较于Iambic Therapeutics在算法层面更侧重于物理原理与AI的深度融合（如其核心模型NeuralPLexer专注于高精度蛋白-配体结构预测），英矽智能的技术优势体现在对多维度生物学数据与化学空间的协同探索上。例如，其Chemistry42平台在开发新型ENPP1抑制剂ISM5939时，不仅采用基于结构的药物设计，更整合了结合能计算与ADMET（吸收、分布、代谢、排泄和毒性）特性预测模块，对生成的海量化合物进行多参数优化与快速虚拟筛选，从而在3个月内即获得苗头化合物。这种面向“成药性”的端到端优化能力，是其平台实现高效率的关键。
最终，两家公司的技术路线映射出不同的底层逻辑。Iambic试图通过引入更复杂的物理模型（如其整合了物理原理的AI架构）来提升对微观相互作用的预测精度，以期在源头设计出更优的分子。而英矽智能则更偏向于一种工程化的整合思维，它通过将生成式AI、自动化湿实验平台与庞大的生物医学数据库进行闭环连接，构建了一个能够快速迭代、自我优化的药物发现系统。前者致力于打造更精准的“罗盘”，后者则致力于建设更高效的“生产线”，两者共同展现了AI在重塑药物研发范式上的多样性与巨大潜力。
09 结语：当AI学会设计药物，人类健康迎来新曙光
Iambic Therapeutics的成长轨迹，映射了AI在医疗健康领域从辅助工具到核心驱动力的深刻转变。在大多数AI医疗公司仍聚焦于影像诊断或数据分析时，Iambic选择了一条更为艰难的路径——用AI直接设计改善生命的药物。
这家由科学家和工程师共同打造的公司，证明了最深度的技术创新往往源于对根本问题的重新思考。当整个行业都在寻找提升药物研发效率的渐进式改进时，Iambic回归到科学发现的本质——从数据中寻找规律，用规律指导创造。
IAM1363的临床进展不仅仅是一个产品的成功，更是对整个AI制药范式的验证。它向世界证明，AI不仅能够生成漂亮的分子结构，更能设计出真正为患者带来获益的疗法。对于那些正在经历HER2驱动型癌症，特别是脑转移的患者来说，IAM1363代表着重大的希望突破。
从更广阔的视角看，Iambic代表的不仅是技术突破，更是制药行业工作方式的范式变革。它标志着药物研发从“艺术多于科学”的经验导向，转向“数据驱动、算法优化”的工程化范式。这种转变的意义超越了商业价值，关乎全球数百万等待创新疗法的患者生命质量。
正如一位行业观察家所言：“未来十年，AI设计的药物将从新奇事物变为行业标准。”在这个正在展开的未来中，Iambic不仅是一家生物技术公司，更是新研发范式的构建者——让每一次药物发现都建立在之前所有探索的基础上，让科学进步的脚步不断加速。
在这个过程中，技术不再是冰冷的算法，而是连接科学与人文的桥梁，是让医药回归其本质——理解疾病、改善生命——的使者。这或许就是Iambic给我们最深的启示：最好的技术，是那些无声融入创新流程、温柔改善人类健康的技术。
当算法真正读懂生命的语言，当自动化解放科学家的创造力，当每一次药物发现都建立在全人类集体智慧的基础上，我们或许正在见证一个新时代的黎明——在这个时代里，疾病将更快地被征服，健康将更公平地惠及每个人。Iambic Therapeutics，正是这个新时代的先行者和奠基者之一。
