AI 蛋白质设计 行业研究报告

一、研究摘要 / 核心观点

AI 蛋白质设计（AI Protein Design）是以深度学习模型预测、生成与优化蛋白质三维结构与功能的新兴底层技术，被视为继 AlphaFold 解决"蛋白质折叠问题"之后，生物经济"可编程化"的关键拐点。2024 年诺贝尔化学奖授予 Hassabis、Jumper（AlphaFold）与 Baker（计算蛋白质设计），标志该领域从学术验证迈入产业化加速期。

1. 市场进入高速增长通道，但机构口径差异巨大——若按"AI 蛋白质设计工具/平台"窄口径，QYResearch 估计 2025 年全球规模约 4.96 亿美元、2032 年 14.94 亿美元（CAGR 16.8%）；Mordor Intelligence 给出 2025 年约 6.1 亿美元、2032 年 20.1 亿美元（CAGR 18.59%）；若按"智能/AI 辅助蛋白质设计与工程（含下游应用价值）"宽口径，IIM 中研给出 2025 年 47.8 亿美元、2030 年 198.3 亿美元（CAGR 32.7%）【口径差异】。
2. 融资热度空前，资金向平台型公司集中——Isomorphic Labs 2025 年 3 月完成 6 亿美元融资，2026 年 5 月再完成 21 亿美元 B 轮（创全球 AI 制药单轮纪录，估值 150—200 亿美元）；Generate Biomedicines 2026 年 2 月纳斯达克上市、融资 4 亿美元、市值一度逼近 22 亿美元；国内分子之心 2026 年 6 月完成累计逾 1 亿美元 A 轮系列融资（来源：、、、）。
3. 首个 AI 设计蛋白药物进入 III 期临床，标志性里程碑落地——Generate Biomedicines 的 GB-0895（生成式生物学平台设计）于 2025 年底推进至全球 III 期临床，被称为全球首个由 AI 设计并进入 III 期临床的蛋白药物（来源：）。
4. 抗体从头设计成功率跨越式提升——Chai Discovery 的 Chai-2 模型实现"零样本"抗体设计，成功率从不足 0.1% 提升至约 16%（2025 年 7 月），后续宣称全长单克隆抗体设计成功率超 50%；2025 年 11 月华盛顿大学 David Baker 实验室在 Nature 发表首篇 AI 抗体从头设计同行评议论文（来源：、）。
5. 国内"干湿闭环"路线领先工业化落地——分子之心 MMDesign 在 12 个真实临床靶点测试中超 90% 命中率、MMFold 结构预测精度据称超越 AlphaFold 3；天鹜科技"晓鹜"干湿闭环智能体累计交付 50+ 蛋白设计项目、服务 200+ 客户（来源：、）。

一句话启示：AI 蛋白质设计正从"单点工具"跃迁为"平台型基础设施"，创业与采购应优先卡位"干湿闭环 + 垂直应用场景（工业酶/抗体）"的已验证闭环，而非仅追逐单一算法跑分。

二、研究背景与定义（含研究边界）

2.1 行业定义

AI 蛋白质设计，指利用机器学习（深度学习、生成式模型、蛋白质语言模型等）对蛋白质的序列—结构—功能进行预测、生成与优化，从而"从头设计"（de novo）或定向改造具备特定功能的蛋白质。其技术底座源自两代范式革命：

• 第一次范式（看清）：以 AlphaFold 2（2020）/AlphaFold 3（2024）、RoseTTAFold、ESMFold 为代表的结构预测——从氨基酸序列高精度预测三维结构。AlphaFold 2 将单蛋白结构解析从"数年"压缩到"数分钟"，相关工作在 2024 年获诺贝尔化学奖。
• 第二次范式（创造）：以 RFdiffusion、ProteinMPNN、生成式生物学平台为代表的功能蛋白从头设计——在给定功能约束下直接生成自然界不存在的全新蛋白序列与结构。

核心价值：将生物医药（抗体、酶替代疗法、疫苗抗原）、合成生物学（工业酶制剂）、新材料（结构蛋白、生物材料）的研发从"数亿候选库的随机试错"转向"可编程、可预测的确定性问题"。

2.2 细分范畴（技术路线 / 产品形态分类）

按技术路线分类：

• 扩散模型（Diffusion）路线：以 Baker 实验室 RFdiffusion / RFdiffusion-AA、DeepMind AlphaFold 3（扩散 + Pairformer 架构）为代表，擅长"无条件/条件生成"全新骨架，是抗体、 binder、酶骨架设计的主力。
• 蛋白质语言模型（PLM）路线：以 Meta ESMFold/ESM 系列、分子之心 MMFold/NewOrigin（达尔文）、百图生科 xTrimoPGLM（千亿级蛋白模型）、Generate Biomedicines 生成式平台为代表，基于海量序列预训练，强于序列层面优化、稳定性与可开发性预测。
• 混合/闭环路线："生成模型 + 高通量湿实验验证 + 自适应反哺"的干湿闭环（如天鹜"晓鹜"、分子之心 MoleculeOS），被视为最接近工业化落地的形态。

按应用产品形态分类：

• 蛋白序列/结构设计算法与软件（SaaS / 平台授权）：面向药企、CRO、合成生物学企业的设计平台。
• 设计服务与联合研发（CRO/CDMO 化）：按项目交付蛋白设计结果。
• 自研管线（Biotech 化）：企业自建治疗性蛋白/抗体/酶管线（如 Generate、分子之心自研资产）。

2.3 研究边界

本报告聚焦"以 AI 模型为核心的蛋白质设计工具、平台与产业化"，明确不覆盖以下相邻环节：

• 不覆盖广义"AI 制药"中的小分子生成化学（如 Insilico、Exscientia 的小分子平台），仅在与蛋白靶点验证交叉处提及；
• 不覆盖传统实验蛋白质工程（非 AI 驱动的高通量筛选、定向进化）的整体市场；
• 不覆盖下游"细胞治疗、基因治疗"等以细胞/基因为载体的疗法本身，仅涉及其中的蛋白元件设计；
• 不覆盖 AlphaFold 等纯结构预测工具的科研使用（归入第一次范式基础设施），重点放在"设计/创造"环节的商业转化。

三、研究方法与数据来源（Methodology）

3.1 数据来源类型

• 第三方研究机构：QYResearch、Mordor Intelligence、IIM 中研/产业世界、艾媒咨询等市场规模与增速数据。
• 权威媒体与行业门户：21 财经、医药魔方（bydrug）、新浪财经、创业邦、同花顺/东方财富公告等融资与上市公司动态。
• 上市公司公告与百科口径：Isomorphic Labs（百度百科、SiliconANGLE）、分子之心融资稿、Generate Biomedicines 上市报道。
• 学术里程碑：Nature（Baker 实验室 AI 抗体设计，2025-11）、AlphaFold 3 论文（2024-05）等。

3.2 口径说明与局限性

• 市场规模口径差异显著：不同机构对"AI 蛋白质设计"的界定跨度极大——窄口径仅统计设计软件/平台收入，宽口径纳入下游工程化应用价值，导致 2025 年同一市场从约 5 亿美元（QYResearch/Mordor）到约 48 亿美元（IIM 宽口径）相差近 10 倍。本报告在第四节以表格并列呈现并标注【口径差异】，引用时须明确所用口径。
• 融资数据时效：部分融资为"累计/系列"口径（如分子之心"逾 1 亿美元 A 轮系列"含多轮），与单轮融资不可直接相加。
• 未上市企业数据局限：国内多家企业为非上市公司，订单金额、管线进展多来自融资稿自述，存在乐观口径风险，关键结论以多方交叉验证为准。
• 汇率口径：文中美元/人民币未按统一时点换算，原始币种保留。