分子之心融资超1亿美元：AI for Science不再只卖想象力

分子之心完成A轮系列融资，累计融资超过1亿美元，AI蛋白质设计这个过去看起来偏“科学理想主义”的赛道，又被资本推到台前。

1亿美元放在今天的一级市场，尤其是在生物科技融资环境并不算轻松的背景下，金额非常亮眼。更关键的是投资方结构：蓝桥资本、浦东创投、中粮新兴产业基金、凯赛生物等出现在同一张名单里，背后代表的不是单一财务资本热情，而是地方产业资本、食品农业体系、合成生物制造资源和生物科技上市公司一起下注。

资本正在重新理解AI for Science。

前几年，市场看AI for Science，主要看的是“科学突破”。AlphaFold把蛋白质结构预测带入大众视野后，很多人第一次意识到，AI不只是写文案、画图片、做客服，也可能进入药物研发、材料设计、生物制造这些更底层的科学工业环节。但科学突破和商业兑现之间，隔着很长一段路。论文、模型、Demo可以制造风险偏好，却不能长期支撑估值。

分子之心这次资金用途指向AI蛋白药物研发和生物制造工业化落地，或许说明市场不只关心模型是否先进，而是开始追问：能不能更快找到候选分子？能不能降低实验成本？能不能形成可验证的管线资产？能不能进入中试和生产？能不能把“AI生成一个蛋白”变成“企业愿意付钱的研发工具和工业方案”？

分子之心现在刚好在两条资产重估线之间：一条是AI药物研发的效率重估，一条是生物制造工业化的成本重估。前者讲估值弹性，后者讲兑现路径。两条线如果合在一起，AI for Science才有可能从一个听起来很远的科学故事，变成资本市场能持续定价的产业资产。

模型红利退潮后，资本开始买“可验证分子”

AI for Science的第一轮热度，靠的是技术想象力。市场相信，AI可以理解蛋白质、生成分子、优化结构，甚至把生物研发从“试错工程”推进到“可编程工程”。这个方向当然很大，但资本市场不会永远停留在想象层面。

尤其到了2026年，AI投资的审美已经变了。算力公司要看订单，云厂商要看资本开支回报，AI应用要看留存和付费，AI制药也一样，不能只讲模型能力。模型参数再漂亮，如果无法进入湿实验验证，无法给药企或产业客户带来效率改善，估值迟早会遇到压制。

蛋白质设计比小分子药物更能体现AI for Science的特殊性。蛋白质不是一个简单的化学结构，它涉及折叠、稳定性、结合能力、功能表达和生产工艺。传统研发高度依赖实验筛选，时间长、成本高、失败率也高。AI平台如果能在早期设计环节提高命中率，就可能改变研发资产的生成方式。

分子之心的资本故事，本质上不是“我们有一个AI模型”，而是“我们能不能持续生产更有价值的分子资产”。这里的关键词不是炫技，而是验证。模型生成只是第一步，后面还有实验室验证、功能优化、成药性评估、工艺放大、产业合作。只有这些环节跑通，AI蛋白质设计才会从主题升温进入业绩兑现。

市场对AI for Science并不缺想象力，缺的是可追踪的兑现指标。有没有自研管线？有没有药企合作？有没有BD可能？有没有工业客户订单？有没有数据闭环反哺模型？这些问题，比一句“AI改变生命科学”重要得多。

本质上，谁能拿出可验证分子、可复用平台和可商业化场景，谁才有可能获得估值切换。分子之心融资超1亿美元，市场真正买单的是公司背后那条从模型到分子资产的路线。

药物研发给弹性，生物制造给落地

分子之心的行业位置比较有意思。天眼查显示，公司不是一个单纯的AI药物公司，也不是一个只服务工业酶设计的工具平台，而是在AI蛋白药物研发和生物制造之间找交叉点。

药物研发这条线，天然有资本弹性。一个成功的蛋白药物资产，可能带来授权交易、里程碑付款，甚至临床管线重估。对生物科技公司来说，管线越靠近临床，估值弹性越明显。但问题也很现实，药物研发周期长，监管严，失败率高，现金消耗大。AI能提高效率，却不能跳过临床验证。

生物制造这条线，想象力没那么大，但更接近产业兑现。酶、蛋白、菌株、代谢通路的优化，最终指向食品、农业、材料、化工、医药生产效率。中粮新兴产业基金和凯赛生物的参与，说明产业资本关心的是AI能否进入真实生产链条，帮助企业提高产率、降低成本、缩短开发周期。

对比普通AI制药公司，分子之心既能讲药物研发的高弹性，也能讲生物制造的产业落地。药物研发对应的是长期估值空间，生物制造对应的是中期收入能见度。资本最喜欢的，不是纯科学故事，而是科学故事旁边还有一条商业化通道。

但双估值锚也意味着双重压力。做药物研发，需要持续投入、长期验证和强监管适配；做生物制造，需要工程化能力、产业客户、成本曲线和交付能力。AI平台听起来轻资产，但一旦进入湿实验和工业化，资本开支、团队结构和现金流质量都会变得更复杂。

分子之心后面的核心，依旧是能不能把平台能力变成不同场景里的解决方案。药企要的是更高命中率，生物制造企业要的是更低成本，产业资本要的是工程化落地，财务投资人要的是未来退出时的资产重估。不同资金的诉求不同，但交集很清楚：AI蛋白质设计必须从“能生成”走到“能兑现”。

这一点也解释了为什么AI for Science看起来很前沿，实际却越来越产业化。科学突破负责打开想象空间，产业客户负责给出真实需求。没有产业客户，AI for Science容易停留在科研外包；没有科学突破，又很难形成真正壁垒。分子之心现在押的，就是两者之间那条窄路。

下一阶段比谁把分子变成订单和管线

分子之心完成这一轮融资之后，真正的考题才刚开始。

第一道题，是管线能不能跑出来。AI蛋白药物研发最后一定要进入候选分子、临床前研究、IND申报、临床推进和BD交易这些节点。每一个节点，都会影响估值锚。平台能力如果能转化为自研管线，市场会开始按资产价值重新计算公司；如果能和药企形成授权合作，外部验证就会增强。

第二道题，是产业合作能不能变成收入。AI for Science公司很容易陷入一个尴尬：技术壁垒很高，但收入确认很慢。项目制合作可以提供现金流，但天花板有限；平台授权想象力更大，但需要强信任和长期验证；联合开发能保留权益，但回款周期更长。哪一种模式更适合分子之心，后面要看它的客户结构和合作深度。

第三道题，是工业化能不能过中试和放大。生物制造不是实验室里做出结果就结束了，真正难的是产率、稳定性、成本和规模。AI设计出的蛋白或酶，如果只能在小试里表现好，产业价值有限；如果能进入中试甚至生产体系，利润弹性才会出现。工业化落地这几个字，听起来没那么有传播性，却是AI for Science从“科研公司”变成“产业公司”的关键。

分子之心现在的机会很清楚。AI应用正在从互联网场景向科学和产业底层渗透，生物制造又是中国长期支持的战略方向。药物研发需要效率，产业制造需要成本优化，AI蛋白质设计刚好卡在两个需求中间。只要公司能持续拿出验证数据、产业合作和管线进展，估值就有向上切换的空间。

不确定性也必须摆出来。AI蛋白质设计的模型泛化能力、数据质量、湿实验验证、产业放大、监管周期，都可能成为压制因素。更重要的是，这个赛道的兑现速度天然不会像消费互联网那么快。资本可以短期催化，科学和产业不会因为融资到账就立刻加速。AI for Science最容易被高估的是速度，最容易被低估的是一旦跑通之后的长期平台价值。

AI for Science真正的前瞻机会，不在于再造一个“AI制药”概念，而在于重构科学研发和工业生产的资产生成方式。谁能把模型、实验、数据、工艺和客户闭环起来，谁就有机会成为下一代生物经济基础设施。

分子之心融资超1亿美元，只是这场估值切换的开始。