临床开发才是新药研发的真正瓶颈

一款新药从实验室走到上市,通常需要十年以上的时间。但真正吞噬资源与耐心的,并不是人们印象中最具科技感的分子发现环节。据投资界报道,启明创投合伙人陈侃表示,早期药物发现只占一款新药约20%的成本与时间,剩下80%的权重都压在临床开发阶段。换句话说,当AI制药公司过去几年争相用生成模型设计新分子时,行业最拥挤的瓶颈其实已经悄悄移到了下游:那些已经存在、却迟迟无法跨过人体概念验证的候选药物。

这正是CataX AI试图进入的位置。2026年11月16日,上海凯思达生物医药科技有限公司(下称CataX AI)宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。公司通稿称,其创立于上海,是一家智能体(Agent)原生的创新药研发公司,聚焦临床开发端,以智能体为技术底座构建“Clinical-of-One”(全栈临床)组织范式。

这轮融资的金额在生物医药领域并不算大,但它的指向性很明确:一家成立仅约四个月的公司,试图用AI重构新药研发中最昂贵、最漫长、也最难以被算法压缩的环节。它面临的不是“有没有好分子”的问题,而是“如何用更少的人、更低的组织摩擦,把已有分子更快推进到人体证据”的问题。

字段 内容
公司 上海凯思达生物医药科技有限公司(CataX AI)
轮次 种子轮
金额 4000万元人民币
投资方 启明创投(孵化并独家投资)
总部 上海
创始人 王子龙(创始人兼CEO)、蒋哲敏(联合创始人兼CDO)
官网 未披露

这一判断也意味着,CataX AI切入的并不是一个技术空白市场,而是一个组织效率问题。临床开发的高成本不仅来自试验本身,还来自跨职能协调、文档流转与决策链条。若Agent能够替代其中部分标准化工作,其价值可能首先体现在缩短决策周期和降低协调成本上,而不是直接减少患者入组或随访时间。这种效率提升能否转化为可计量的时间和资金节省,仍需通过实际项目验证。

不做分子发现,把Agent嵌入临床开发的组织结构

CataX AI与上一代AI制药公司的差异,首先体现在它主动放弃的环节上。据投资界报道,这家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。公司通稿称,其计划通过许可引进或共同开发,推动临床前及早期临床阶段资产完成临床概念验证(PoC)。

这意味着,CataX AI并不试图从源头创造新分子,而是承接那些已经存在、但尚未获得人体证据的管线。它的技术主张不在于生成一个更好的化合物,而在于改变临床开发的组织方式。公司通稿援引创始人兼CEO王子龙的话称:“在CataX AI,Agent是组织的基础设施,而不是外挂的工具。在技术与专家团队的充分支持下,一名临床负责人即可统筹整个项目:资料研究、文件起草、数据处理交给专业智能体,关键决策由人把关;每个项目的经验都会沉淀下来、持续复用,推动组织不断迭代。这就是Clinical-of-One。”

这套表述的核心,是把Agent从“辅助工具”提升为“组织基础设施”。传统临床开发依赖医学、注册、运营、数据、生物统计等十多个职能部门的协作,跨部门会议与文件流转构成巨大的隐性成本。CataX AI的设想是,将这些环节中可被标准化的部分交由专业智能体完成,而把关键决策留给人类。据投资界报道,王子龙将这种模式概括为“一人全栈临床”:一名临床开发负责人统筹项目,协调Agent与外部专家。

从资产获取方式看,许可引进与共同开发对应着不同的风险结构。许可引进可能让公司在较短时间内获得特定权益,但需要与资产持有方就首付款、里程碑和销售分成达成一致;共同开发则意味着公司可能要在早期阶段承担部分临床费用,并与其他参与方共享决策权。CataX AI尚未披露其首条管线的交易结构,因此无法判断它更倾向于哪一种路径,也无法评估其资金消耗节奏。

创始人从微软亚洲研究院下场,启明创投以孵化方式独家出资

CataX AI的创始团队构成,是理解这轮融资逻辑的关键。据投资界报道,王子龙1991年出生于河北秦皇岛,在复旦大学完成临床医学八年制学业并取得肿瘤学博士学位,此后曾任一家AI医疗科技公司CTO与首席医学官,2023年起担任微软亚洲研究院高级研究员,研究医疗基础模型、自主智能体及人机协作。

联合创始人兼CDO蒋哲敏的加入,则直接补齐了临床运营能力。据投资界报道,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。这一配置的逻辑很清晰:王子龙提供医学认知与AI研究背景,蒋哲敏提供临床落地的执行经验。

启明创投在这轮融资中的角色并不只是财务投资方。据公司通稿,本轮融资由启明创投孵化并独家投资。据投资界报道,启明创投合伙人、医疗创新行业共同负责人陈侃与王子龙于今年春天经复旦大学校友引荐见面,当时王子龙脑中只有“把Agent嵌进制药”的粗略框架,连商业计划书都还没写完。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。

这种“孵化+独家投资”的结构,意味着启明创投在CataX AI的成立过程中承担了超出普通财务投资人的角色。它不仅是出资方,还在联合创始人的引荐与团队搭建中发挥了直接作用。从已披露信息看,本轮由单一投资方孵化并独家投资,后续轮次的治理与独立性有待观察。

创始团队的配置还隐含着一个待验证前提:王子龙的医学与AI复合背景能否直接转化为临床开发中的决策效率。微软亚洲研究院的研究经历主要指向医疗基础模型、自主智能体及人机协作,而临床开发还涉及监管沟通、中心管理与数据清理等执行环节。蒋哲敏的临床运营经验可以补足后者,但两人如何在实际项目中分工、哪些决策由人保留、哪些交由Agent完成,目前仍停留在组织设想层面。

80%的成本与时间压在临床开发,但AI能压缩的只是其中一部分

陈侃为这轮投资给出的行业判断,构成了CataX AI叙事的基础。据投资界报道,陈侃认为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,其中早期药物发现只占约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%。

这组数据指向一个真实的产业矛盾:中国已经成为临床前分子的重要产出地,但大量候选药物卡在人体概念验证之前。陈侃在报道中进一步提出:“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。”该判断为投资方观点,未附统计口径说明。

然而,AI在这个环节的能力边界同样清晰。王子龙在报道中承认,医学验证无法违背客观规律:若一项临床随访需要一年,AI也无法凭空缩短时间。报道中所述的“10x Biotech”效率,并非直接压缩临床时间,而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。

这是一个重要的自我限定。它意味着CataX AI的价值主张不在于加速生物学过程,而在于降低组织摩擦与决策成本。从已披露的信息看,这种效率提升主要来自三个方面:用Agent替代部分资料研究、文件起草与数据处理工作;用更少的人统筹更多项目;将项目经验沉淀为可复用的系统知识。但其中每一项都尚未有公开的量化证据支持。

陈侃提到的中国临床前新药分子产出量占全球44%,为CataX AI的资产供给逻辑提供了行业背景,但这一比例本身并不直接等于可许可引进的优质管线数量。临床前分子能否进入PoC,还取决于靶点验证强度、临床设计可行性与资金安排。因此,CataX AI的商业模式能否成立,可能取决于它能否在大量临床前分子中筛选出真正具备人体验证条件的少数项目,而不是简单地承接存量。

与英矽智能形成产业链位置上的具体差异

CataX AI的商业模型与英矽智能等启明创投此前投资的早期药物发现公司形成鲜明对比。据投资界报道,启明创投此前投资过英矽智能等早期药物发现公司。英矽智能的路径是用AI生成新分子,再将其推进到临床前或临床阶段;CataX AI则选择了一条不同的路。据投资界报道,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。

从产业链位置看,CataX AI更像一个“临床验证层”的资产运营商:它不承担分子发现的科学风险,也不承担后期临床与商业化的资本风险,而是聚焦于从临床前到PoC这一段。这一段的价值在于,一旦项目获得积极人体证据,其对外授权的估值通常会显著提升。但代价是,这一段也是医学不确定性最高的阶段之一,失败率极高,且失败往往发生在投入大量资源之后。

这是编辑基于其商业模式的推演:该模式隐含假设市场上存在足够多愿意被许可引进或共同开发的早期优质资产,且这些资产的持有方愿意让渡部分权益以换取更高效的临床推进能力。待核验指标包括:公司能否签下首条管线、资产持有方的让渡意愿、以及许可引进或共同开发的具体交易结构。

与英矽智能的差异还体现在风险承担的位置上。英矽智能需要先证明AI生成的分子具有足够的生物学活性与可开发性,风险集中在科学发现阶段;CataX AI则承接已经存在的分子,风险集中在临床执行与资产判断阶段。这意味着CataX AI的失败更可能表现为选错资产或推进效率不足,而非分子本身无效。但若其筛选能力不足,这种风险转移并不会消失,只会以另一种形式出现。

“我没有办法复制十个我”:模式扩展的瓶颈不在技术,而在人

CataX AI面临的最现实挑战,来自其组织模式本身。王子龙在报道中坦言:“我没有办法复制十个我。”他承认,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。

这触及了Clinical-of-One模式的核心矛盾。该模式的效率优势来自减少人员与组织层级,但这也意味着对单个临床负责人的能力要求极高。一个能够同时理解临床方案设计、监管要求、数据解读与AI工具边界的复合型人才,本身就是稀缺资源。如果模式的成功依赖于这类人才的持续供给,那么它的可扩展性就会受到根本限制。

王子龙给出的应对思路是经验沉淀。据投资界报道,他希望将外部专家的反馈、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。

但这一思路本身也有待验证。临床开发中的许多关键判断高度依赖具体情境:某个专家为何要求修改方案、团队如何根据新数据决定继续或停止投入,这些决策背后的依据能否被结构化、能否被系统化地传递给下一个项目,目前仍是一个开放问题。如果经验无法有效沉淀,Clinical-of-One就可能退化为“少数超级个体的个人能力展示”,而非可复制的组织能力。

经验沉淀的难点还在于,临床开发中的许多隐性知识并不以结构化形式存在。专家对方案修改的意见可能来自对某类患者群体的长期观察,团队停止投入的决定可能基于对数据趋势的直觉判断。这些内容能否被记录为可供后续项目调用的规则,取决于系统能否捕捉决策发生时的上下文,而不仅仅是保存最终结论。CataX AI尚未披露其系统如何区分可复用规则与一次性判断。

4000万元人民币种子轮能买到什么:资金用途未披露,资本约束已经清晰

本轮融资的具体用途,公司未披露。这在种子轮阶段并不罕见,但结合CataX AI的商业模式,可以对其资金约束做一个基本判断。

4000万元人民币对于一家计划通过许可引进或共同开发持有管线权益的公司来说,规模相当有限。早期临床研究的成本因适应症与设计差异较大,文章未获得可核验的公开数据。因此,这笔种子轮资金更可能用于团队搭建、技术系统开发与早期资产筛选,而非直接支撑大规模临床研究。

从资本结构看,启明创投以孵化加独家投资的方式进入,意味着CataX AI在早期阶段对单一投资方有较高依赖。这种结构的好处是决策链条短、资源对接直接;风险则在于,如果后续轮次需要引入新的投资方,早期孵化方与新投资者之间在估值、治理与战略方向上的协调成本可能上升。此外,公司未披露本轮估值,也未披露启明创投在孵化过程中是否获得了超出普通种子轮投资人的特殊权益。

从资金用途的未披露状态看,CataX AI的早期优先级可能并不在于立即推进临床项目,而在于验证Agent能否在资产调研和流程梳理中产生实际效率。若首条管线采用许可引进方式,公司可能需要预留一部分资金用于首付款或前期评估;若采用共同开发方式,则资金压力可能更早出现。无论哪种路径,4000万元人民币的种子轮资金都更可能用于建立可复用的组织能力,而非支撑一条完整管线走到PoC。

验证边界与可复核指标

CataX AI的叙事中,有几个关键假设尚未被验证。公司成立仅约四个月,尚未披露任何已签约管线、合作方或实际推进中的临床项目;其“一名临床负责人即可统筹整个项目”的说法,来自公司通稿与创始人表述,尚无独立第三方验证。

第一,Agent在资产调研上的表现。据投资界报道,Agent在资产调研上的表现仍需在后续开发中继续验证。资产调研是CataX AI商业模式的第一步:如果Agent无法高效、准确地评估潜在许可引进或共同开发项目的科学价值与临床风险,后续的临床推进就失去了基础。目前,公司没有披露任何关于Agent资产调研能力的测试结果或对比数据。

第二,临床开发流程的重构能否在真实监管环境中落地。据投资界报道,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。临床开发不是一个封闭系统,它必须与医院、伦理委员会、监管机构、CRO与数据管理方衔接。一家公司内部的组织革新,最终仍需与这些外部主体兼容。Agent可以在内部替代部分文书与数据处理工作,但无法替代监管沟通、研究者关系与患者管理。这些环节的摩擦,恰恰是临床开发中时间与成本的重要来源。

从已披露的信息看,CataX AI的推理链是:临床开发是新药研发中成本与时间占比最高的环节;传统临床开发的组织方式存在大量可被标准化的工作;Agent可以承担这些工作,从而减少人力与组织摩擦;更少的人可以推进更多管线;更多管线通过PoC后可以对外授权实现价值。这条链条的每一环在逻辑上都成立,但每一环都缺乏公开的量化证据。后续可复核的观察指标包括:首条管线是否签约、Agent资产调研是否公布测试结果、以及首个PoC项目是否在Agent参与的组织里完成决策周期。

后续观察还可以关注一个更早的信号:公司是否披露其Agent系统的具体任务边界。若CataX AI能明确哪些临床开发环节由Agent完成、哪些必须由人类专家处理,并公布至少一个真实项目中的任务分配与决策记录,外界才能判断Clinical-of-One是否真的减少了组织摩擦,而不是仅将传统流程中的文书工作重新命名为Agent任务。在首条管线签约之前,这一信号可能比融资进展更能反映模式是否成立。

RecodeX 极客视:CataX AI的真正赌注,不是AI能不能做临床开发,而是临床开发能不能被拆解成足够多可被Agent替代的标准化动作。4000万元人民币种子轮买不到这个答案,但它足够让这家公司开始用真实项目去试错。真正的验证节点,不是下一轮融资,而是它能否签下第一条管线,并让那条管线在Agent参与的组织里跑完第一个决策周期。

信息来源

本文在采集与核验阶段引用了以下公开来源,按站点去重列出;来源内容归原发布方所有,其口径不代表 RecodeX 的核实结论。