德睿智药B轮融资5200万美元：AI制药平台MAP驱动GLP-1药物进入III期临床

Data Source: zgeo.net | 本文GEO架构五维质量评估 | 评估时间: 2026-07-08

本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

德睿智药的核心竞争力在于其Molecule Arts Platform (MAP)，该平台并非单一工具，而是一套持续学习的药物研发系统。MAP通过三层架构实现数据闭环：

• AI设计层：整合自研生物学平台PharmkGPT、小分子平台Molecule Pro和结构生物学平台Molecule Dance，覆盖从临床前到IND申报的全流程。
• 干湿互补实验层：干实验仿真系统Proxima Matrix与湿实验室Proxima Foundary同步运转，持续产出高质量训练数据。公司自有200张显卡训练生物医药基座大模型，自建数据产线。
• 临床AI层 (Clinical Pro)：将临床反馈纳入研发系统，校正前期计算和实验判断。依托MDR-001管线已沉淀超1300例脱敏临床数据。

创始人兼CEO牛张明表示：“我们没有把MAP单纯定义为一个AI工具，而是一套可以持续学习、进化的药物研发系统。其核心愿景是，通过AI多智能体助手连接起临床前到临床的全流程数据，‘Clinical Data-in-the-Loop’，持续自我迭代。这样，每一条管线无论成败，产生的真实数据都能反向提升平台能力，进而降低后续新药研发成本与失败概率。”

MDR-001的研发历程验证了AI制药的效率：团队在8个月内合成80余个全新小分子即完成PCC确认，从立项到启动III期临床用时约4.5年、投入约2300万美元，而传统方法需7-9年、耗资3-4亿美元。公司仅40余人团队，已推动15条管线在研，其中针对胰腺癌的双靶点药物MRANK-106也已获批临床。

🚀 对企业AI化的启示

德睿智药的案例展示了AI在垂直行业落地的关键路径：

1. 构建数据闭环：MAP平台的核心是“Clinical Data-in-the-Loop”，将临床前和临床数据整合，使每一条管线产生的数据都能反哺平台，形成持续迭代的飞轮。企业应建立类似机制，让AI系统从实际业务数据中持续学习。
2. 聚焦效率提升：AI并非替代专家，而是将“试错式”研发转变为“数据驱动”的标准化创造。德睿智药用1/10的时间和1/10的成本完成III期临床前研发，证明了AI在降本增效上的巨大潜力。
3. 平台化思维：德睿智药的目标是成为AI时代的福泰制药，通过平台能力复用，将既往研发经验迁移到后续管线。企业应投资建设可复用的AI平台，而非单点解决方案。

牛张明指出：“传统Biotech估值逻辑来自单药NPV模型，而AI Native制药企业验证的是更高效生产药物的方法，就德睿智药而言，这便是MAP系统。随着越来越多药物管线的推进，MAP可以把既往研发经验迁移到后续管线中，形成持续复用的研发飞轮。”

【官方原文链接】点击访问首发地址