动脉网获悉，近日，专注于AI驱动新药研发的科技公司——德睿智药（MindRank）宣布分阶段完成累计5200万美元B轮融资，多家知名投资机构与产业基金共同投资。凯乘资本担任本轮融资独家财务顾问。

本轮融资所得资金将核心投入公司自研全链路AI制药引擎MAP（Molecule Arts Platform）的深度技术迭代，持续完善其业内领先的多智能体（Multi-Agent）协同体系与临床数据闭环（Clinical Data-in-the-Loop），同时推进自研口服GLP-1RA小分子MDR-001的Ⅲ期临床开发至商业化，加速拓展差异化创新药管线，持续巩固并放大公司新一代AI制药范式在效率与成本上的绝对优势。

作为将AI用于重塑创新药研发产业的全球先行者，德睿智药2024年初率先将自研多智能体与自研大模型落地新药研发^[2]场景。2026年，公司已成功搭建起由多智能体驱动的制药引擎MAP（Molecule Arts Platform）。该平台覆盖靶点研究、分子设计、多参数优化、实验验证及临床数据分析等制药产业关键环节，通过构建多智能体连接计算模型、湿实验和临床反馈，推动预测结果在实验及临床数据持续得到验证和迭代，制药引擎MAP（Molecule Arts Platform）在产业环境中持续学习、验证并迭代进化，形成由数据与算法双轮驱动的“增长复利飞轮”，从而源源不断地产出重磅创新药物。

长期以来，全球制药行业受困于“双十定律”：研发平均耗时10年、投入超26亿美元，临床成功率不足10%^[1]。面对超过10⁶⁰级别近乎无限的成药化学空间，依赖科学家个人经验、传统生化实验以及大规模盲目试错的传统研发范式，已经触及了投入产出比的物理极限与效率天花板。药物研发的孤立性、随机性与高淘汰率，成为产业无法承受之重。

AI技术的爆发正在从底层逻辑上颠覆这一传统路线。德睿智药认为，AI的产业价值绝不仅仅是作为单点的效率工具，而是要将药物研发从不可控的“经验探索”，转变为由数据驱动、可计算、可迭代、可收敛的“标准化工程创造”。

德睿智药依托MAP平台，目前已构建了覆盖靶点发现、分子设计、多目标优化及临床试验的全流程研发体系，并交出了一份令全球医药界瞩目的工业化答卷：

公司首发管线——口服GLP-1RA小分子创新药MDR-001，已于2025年正式进入Ⅲ期临床研究，为中国首个推进至Ⅲ期临床阶段的AI赋能一类创新药，预计未来2—3年内完成商业化上市，冲击全球千亿美元级GLP-1市场。

MDR-001项目完整且清晰地验证了MAP引擎相比传统制药模式在效率与成本上的数量级优势：

极致的分子筛选效率：团队仅耗时8个月、实际仅合成80个小分子，即成功获得了高质量的临床前候选药物（PCC）；

极致的临床推进速度：IND（临床试验申请）获批周期被大幅压缩至19个月。从项目最初立项推进至Ⅲ期临床研究，整体仅耗时4.5年；

极致的资本利用效率：该单产品的累计研发投入控制在约2300万美元。而对比同期传统研发模式，同类药物往往需要8—12年的研发周期，以及高达3.1亿—4亿美元的现金投入（仅计算这一个成功走到三期的药物三期前阶段的直接资金消耗）^[3]。

MAP引擎在MDR-001上的卓越表现，实现了研发投入产出效率的10倍级跨越。更重要的是，这种高效并非孤例。现阶段德睿智药已取得3项中美IND批件，拥有5款临床前PCC分子，共有15条FIC（First-in-class，同类首创）/BIC（Best-in-class，同类最佳）创新管线正在同步推进。

在诸多传统被视为“难成药”的靶点和领域中，德睿智药展现出了强大的跨模态、跨靶点规模化复制能力。公司的管线资产已全面覆盖GPCR、分子胶、别构抑制剂以及全球唯一的双靶点肿瘤小分子等多种前沿药物模态，它们目前分别处于临床阶段或PCC阶段。

截至目前，公司已累计申请专利超200项，积淀了1300例宝贵的临床试验数据，并在《Nature Biomedical Engineering》《Advanced Science》等国际顶级期刊及全球顶级机器学习会议ICML（International Conference on Machine Learning）上发表了近100篇经过同行评审的AI制药相关论文，彰显了其在学术积淀与产业应用上的双重卓越行业影响力。

德睿智药创始人兼CEO牛张明表示：“新药研发，如同探索一片广阔而未知的宇宙。尽管人类已经积累了数十年的药物研发经验，但相较于近乎无限的化学、生物和疾病空间，我们真正理解和探索的仍然只是其中很小的一部分。每一种创新药的诞生，都是一次对未知规律的探索；每一次伟大的成功或失败，都在帮助人类不断完善对疾病和药物的认知。

德睿智药希望构建的不仅是一家创新药公司，更是一套能够持续探索、持续学习、持续创造创新药的AI Native Pharma系统。为此，我们打造了MAP引擎——一个持续进化的药物创新基础设施。它为广阔药物空间中的探索提供高精度地图导航，将每一次分子设计计算、实验验证和临床反馈沉淀为新的知识，让每一次探索都成为下一次创新的起点。我们相信，AI的价值不仅在于提升研发效率，更在于不断拓展人类探索生命科学的边界，加快创新疗法的发现，让更多疾病有药可医，让更多患者从创新中获益。”

伴随着模型算法的持续迭代、多智能体协同机制的深度沉淀以及临床真实世界数据的加速回流，德睿智药期待能够凭借其技术复利，不断打破传统药物研发的效率与成功率边界，引领全球新药发现正式告别“大海捞针”的经验时代，全面迈向由AI精准导航的“按图索骥”新纪元。

参考文献：

[1]PAUL S M, MYTELKA D S, DUNWIDDIE C T, et al. How to improve R&D productivity: the pharmaceutical industry's grand challenge[J]. Nature Reviews Drug Discovery, 2010, 9: 203-214. DOI:10.1038/nrd3078.

[2]Niu, Z, et al. “PharmaBench: Enhancing ADMET Benchmarks with Large Language Models.” Scientific Data, vol. 11, no. 1, 2024, pp. 1–15. Nature, https://doi.org/10.1038/s41597-024-03793-0.

[3]DiMasi, J. A., Grabowski, H. G., & Hansen, R. W. (2016). Innovation in the pharmaceutical industry: New estimates of R&D costs. Journal of Health Economics, 47, 20-33.成功候选药物推进至临床三期前的纯直接研发费用(Out-of-pocket)（临床前研究+一期临床+二期临床，剔除三期临床、NDA（审批）及上市后费用后）的总和约3.1亿—4.0 亿美元；计入失败分摊的综合成本(Capitalized)（纯直接研发费用外，还包含了在研发此药期间，成百上千个在临床前、一期、二期死掉的其他管线所打的水漂，以及资金的时间机会成本）的总和约10.2亿—11.2亿美元。