YM说多肽|智能多肽|从单点突围到多极竞逐：全球AI多肽药物研发平台全景对比|南京肽业

从单点突围到多极竞逐：全球AI多肽药物研发平台全景对比

导言：一个赛道的“百舸争流”

在上一篇文章中，我们以阳光诺和iCVETide®平台和STC009管线为窗口，详细阐释了AI如何将多肽药物研发从“试错筛选”推向“按需设计”的新范式，并首次提出了“干湿闭环”的概念。然而，阳光诺和绝非这片浪潮中的孤舟。当全球多肽治疗市场在2024年已达到约461.7亿美元、预计至2033年将攀升至918.7亿美元时，一场围绕“AI+多肽研发”的平台竞逐已在全球范围内全面展开。

据市场研究机构测算，全球AI驱动多肽药物发现平台市场在2025年已达10.8亿美元，预计以12.29%的年复合增长率至2032年达到24.4亿美元。另有数据显示，该市场在2024年约为7.15亿美元，至2031年预计达到13.24亿美元。这些数据口径虽有差异，但均指向同一个趋势——这是一个正在以两位数速度膨胀的赛道。

那么，在这个赛道上，除了阳光诺和，还有哪些值得关注的玩家？它们的平台技术与iCVETide®有何异同？国外平台与国内平台在技术路线和商业模式上呈现怎样的格局？本章将系统梳理国内外代表性AI多肽研发平台，从技术架构、核心能力、产业合作与管线进展四个维度进行全景式对比。

关键词：AI多肽平台；干湿闭环；非天然氨基酸；虚拟筛选；生成式AI；结构预测；环肽设计；临床前候选化合物；平台即服务；管线驱动

值得提前说明的是，本文筛选平台的核心标准包括：是否将AI作为多肽发现的核心驱动力而非辅助工具、是否具备干湿闭环的整合能力、是否有公开披露的管线进展或产业合作案例。据此，我们将重点介绍约18个平台——国外9个、国内9个——它们共同构成了当前全球AI多肽研发平台的第一梯队。

第一章 全球AI多肽研发平台的行业背景

1.1 市场驱动力：为什么是现在？

AI多肽研发平台在2024-2025年的集中爆发，并非偶然。三个深层驱动力正在同时发挥作用。

第一，传统多肽研发的“成本墙”与“时间墙”已经难以逾越。如前一篇文章所述，传统方法从靶点确认到获得临床前候选化合物平均需要36-42个月，单个PCC的分摊成本高达400万-700万美元。在资本回报周期不断收紧的宏观环境下，制药企业迫切需要一种能够“多快好省”地探索多肽化学空间的解决方案。AI平台通过虚拟库生成与预测模型，将需要物理合成的序列数量从数千条压缩至数百条，直接击穿了传统模式的经济账。

第二，多肽治疗的靶点范围正在发生深刻拓展。过去十年间，多肽药物的适应症从传统的代谢疾病（如糖尿病）快速延伸至肿瘤、自身免疫病、抗感染以及神经退行性疾病。与此同时，多肽的分子形态也从线性肽扩展到环肽、订书肽、肽-药物偶联物等更复杂的结构。传统方法对这些新形态的探索能力极为有限，而AI生成模型天然适合在复杂化学空间中寻找结构新颖的功能分子。

第三，底层技术的成熟为平台商业化提供了可行性基础。蛋白质语言模型的出现，使得多肽序列的语义嵌入变得更加精准；扩散模型和基于Transformer的生成架构，使得条件生成（针对特定靶点和成药性约束）成为可能；图神经网络的发展，则让多肽的构效关系建模从一维序列扩展到了三维结构。这些技术突破不再是学术论文中的概念验证，而是已经被嵌入到了商业化平台的流水线中。

1.2 平台类型的两个维度：商业模式与技术专长

在深入分析具体平台之前，有必要建立一个分类框架。当前市场上的AI多肽研发平台，可以从两个维度进行分类：

从商业模式看，可分为三类。第一类是“平台即服务”型：以软件/SaaS形式提供AI多肽设计工具，用户自行进行设计、合成与测试，代表为Insilico Medicine、Schrödinger等。第二类是“管线驱动型”：以自有管线的推进为核心业务，平台技术服务于内部药物发现，代表为Generate Biomedicines、Latent Labs等。第三类是“CRO/CDMO整合型”：将AI设计能力与湿实验服务打包，作为一站式服务提供给客户，代表为晶泰科技、深势科技与保诺-桑迪亚联盟等。阳光诺和与华为共建的AI多肽分子大模型平台，介于第二类和第三类之间——既有内部管线，也具备对外赋能的能力。

从技术专长看，也可分为三类。第一类是“序列生成驱动型” ，侧重利用语言模型在序列空间中生成新颖多肽，代表为PepINVENT等。第二类是“结构预测驱动型” ，依赖三维结构信息进行结合物设计，代表为Latent Labs、深势科技等。第三类是“全栈整合型” ，覆盖从靶点分析到分子生成再到成药性预测的全链条，代表为iCVETide®、PepiX™等。

理解这一分类框架，有助于在后文的平台对比中看清各自的差异化定位。

1.3 全球格局：北美领先，亚太增速最快

从地域分布来看，北美市场在全球AI驱动多肽药物发现平台市场中占据主导地位，2023年的市场份额约达48%。这一优势的根基在于Insilico Medicine等领先企业的聚集以及活跃的生物医药风险投资生态。而亚太地区则是增长最快的市场，年复合增长率达到29%，主要得益于中国“十四五”生物经济发展规划对AI制药的政策支持，以及晶泰科技、深势科技等本土企业的快速崛起。

值得注意的趋势是，国内外平台的技术差距正在快速收敛。在2020年之前，多肽AI平台几乎是中国企业的“无人区”；而到2025年，国内已有至少9个具有行业影响力的平台投入运营或战略合作，覆盖从学术机构到上市药企的多元主体。

第二章 国内代表性AI多肽研发平台

2.1 晶泰科技：PepiX™——“AI+自动化”的中国方案

平台概况

晶泰科技是一家总部位于中国深圳的AI制药企业，在将AI、量子物理与自动化技术融合于药物研发方面积累了丰富的经验。其于2025年正式发布的PepiX™多肽药物研发平台，是当前国内技术整合度最高的一体化多肽AI平台之一。

三大核心模块

根据晶泰科技官方披露，PepiX™由三大AI模型协同驱动的模块构成：

模块一：肽主链生成与序列完善。使用扩散模型作为核心生成引擎，支持用户定制线性或环状多肽特性。该模型利用图神经网络与大语言模型的协同架构，可针对任何靶点进行从头设计，无论该靶点是否具有已知的蛋白质-蛋白质相互作用信息。晶泰宣称可在“数月内设计出低纳摩尔级别的高亲和力肽段”。

模块二：非天然氨基酸智能整合。PepiX™的最大技术亮点之一，是建立了收录2000余种非经典氨基酸的专有库，AI模型整合了每一种非经典氨基酸的物理化学性质，可为每个项目提供定制化设计方案。相比之下，多数AI多肽平台仍以20种天然氨基酸为主要建模对象，非经典氨基酸的引入使化学空间规模扩大了几个数量级。非天然氨基酸是当前AI多肽平台技术竞争的核心制高点之一。

模块三：高通量建库筛选。结合计算机模拟的AI预测与mRNA display体外筛选技术，PepiX™的药物空间搜索范围达到10^14级别，可在6周内实现从苗头化合物到先导化合物的优化。平台同时支持单珠单化合物筛选，可引入非经典氨基酸精细调节结合亲和力与稳定性。

自动化合成模块PepiX.LAB：PepiX™的一个重要特色是集成了自动化合成模块，支持线肽、环肽、订书肽以及多种氨基酸类型的自动化合成、裂解和高效液相色谱纯化。这意味着晶泰将“干实验”与“湿实验”的衔接实现了最大程度的自动化。

产业合作进展

2025年12月，晶泰科技与甘李药业达成战略合作，甘李将依托PepiX™平台聚焦代谢疾病领域的核心治疗需求，加速新型多肽药物的发现与开发。合作覆盖从分子设计到临床前候选化合物确定的关键环节，并计划构建“AI驱动研发-临床转化-商业化落地”的闭环生态。

关键词：非天然氨基酸库；自动化合成；扩散模型；mRNA展示；甘李药业合作

2.2 深势科技+保诺-桑迪亚：AI4S驱动的环肽一体化平台

合作背景

深势科技是全球AI for Science理念的倡导者和践行者，其核心团队来自北京大学等顶尖学术机构。2025年7月，深势科技与CRDMO巨头保诺-桑迪亚达成战略合作，共同构建基于AI4S的多肽药物发现、优化与评估一体化平台。

技术架构

深势科技的AI多肽平台建立在多套核心算法之上：Hermite®药物计算平台、RiDYMO®高质量先导化合物发现与优化平台，以及Reinforced Dynamics、Uni-Dock、Uni-FEP、Uni-QSAR等算法模块。这些技术依托高性能计算和海量数据库，可全面探索由1000多种天然及非天然氨基酸组合而成、规模超一万亿的环肽化合物库，并根据分子的透膜能力等关键性质快速过滤并优先排序。

该平台的独特之处在于对环肽这一特定分子类型的聚焦。环肽较线性肽具有更高的代谢稳定性和更规则的构象，但其设计难度也相应更高。深势科技声称，其平台可在数周内完成从靶点输入到候选化合物推荐的完整流程。

干湿衔接模式

保诺-桑迪亚依托其高通量合成平台，在深势科技完成AI设计后，可并行制备数百种环肽，仅一周即可交付无需额外纯化、可直接用于生物测试的高纯度样品。这一“设计-合成-测试”的快速轮转周期，与上一篇文章中提出的“干湿闭环”概念高度契合。

关键词：环肽设计；AI4S；高通量合成；膜通透性优化；万亿美元虚拟库

2.3 悦康药业：AVP-GPT——国内药企自研AI多肽系统的先行者

平台概况

悦康药业是一家成立于2001年的A股科创板上市药企，集团位居中国医药工业百强企业之列。2025年5月，悦康药业的子公司北京悦康科创医药科技股份有限公司自主研发的AVP-GPT V1.0获得国家计算机软件著作权登记。

核心技术

AVP-GPT V1.0是基于Transformer语言模型与多模态架构整合而成的深度学习AI模型，专为抗病毒多肽新药开发设计。其核心创新在于融合了悦康独创的多肽片段相互作用研究理念，抓住了膜融合过程中蛋白动态相互作用的本质。该模型集成了多肽序列生成GPT语言模型、多肽活性及毒性多模态预测模型，可实现单日生成一万种全新多肽药物分子。

从性能数据看，AVP-GPT的困惑度（衡量生成序列质量的重要指标）仅为2.09，远低于长短期记忆网络的16.13；AUC值达到0.90，高于对比模型的0.82；设计筛选出的多肽活性成功率高达76%，远超人工专家的36%。

关键词：Transformer语言模型；抗病毒多肽；膜融合机制；多模态预测；药企自研

2.4 贝芸科技：MolHunter——“全药物类型”的差异竞争

平台概况与定位

贝芸科技于2025年12月底正式发布MolHunter SaaS平台，其定位具有鲜明的差异化特征——全药物类型覆盖。据官方披露，MolHunter支持小分子、蛋白质、核酸、多肽、中药及天然产物六大研究方向，广泛适配从早期发现到优化评估的全链条场景。这意味着多肽设计只是MolHunter功能矩阵中的一个模块，而非平台的全部。

多肽模块的能力边界

由于MolHunter刚在2025年末发布，其多肽模块的详细技术参数尚未完全公开。从产品定位推断，MolHunter的多肽设计能力应整合了主流的AI多肽设计框架，且可利用平台在全药物类型上的数据整合优势——例如，通过学习小分子药物中与多肽靶向同一靶点的构效关系规律，实现跨分子类型的知识迁移，这可能形成独特的技术壁垒。

关键词：全药物类型覆盖；跨分子知识迁移；SaaS平台；中药与天然产物整合

2.5 粒影生物：Proteincraft——“AI+生物制造”的国产公共服务平台

平台概况

粒影生物于2025年12月正式发布Proteincraft国产AI＋生物制造公共服务平台。该平台的定位横跨诊断原料开发、蛋白药物设计、工业酶定制和生物医用材料研发等多个领域。与前述聚焦于药物发现的多肽AI平台不同，Proteincraft是一个生物制造基础设施型平台，AI多肽/蛋白质设计是其核心能力之一，但服务于更广泛的生物制造场景。

多肽相关能力

在诊断领域，Proteincraft可提供高灵敏度、高特异性的诊断核心原料，支持诊断试剂盒性能升级；在治疗领域，可开发新型蛋白药物和靶向递送系统。从功能定位推断，该平台在多肽领域的竞争力可能更多地体现在大规模、高性价比的生物制造能力，而非超高精度的从头设计。

关键词：生物制造；诊断原料；蛋白药物设计；工业酶定制；公共服务平台

2.6 海淀区“AI+医药健康”全链条赋能平台：区域生态级方案

平台背景

2025年12月，北京市海淀区正式发布“AI+医药健康”全链条赋能平台。这是一类与商业化平台性质完全不同的区域性产业基础设施——由政府主导构建，面向区内医药企业开放，覆盖靶点发现、分子设计、患者招募、临床试验、数据洞察与产品上市等全链条环节。

与商业平台的关系

该平台本身并不直接开发多肽AI设计算法，而是整合已有技术资源和算力基础设施，为区域内企业（包括多肽新药研发企业）提供AI赋能。从生态角度看，此类区域平台有助于降低中小型Biotech公司接入AI设计能力的门槛，但不会与专业平台形成直接竞争——后者提供的是端到端的AI多肽设计服务，前者提供的是算力和基础模型环境。

关键词：区域产业基础设施；政企协同；算力整合；中小药企赋能

2.7 中国科学院上海药物研究所：面向药物发现的免费机器学习平台

平台概况

中国科学院上海药物研究所开发了面向药物发现的免费机器学习平台，支持高效可迁移定量构效关系模型的开发、解析与验证。此外，研究所还开发了基于逆合成分析思想的ReactSeq反应描述语言，可将逆合成任务转化为分子编辑操作序列。

这一平台属于学术研究型工具，以开放获取为宗旨，面向学术界和中小型研发团队提供免费或低成本的AI药物设计能力。这对于推动AI多肽技术的普及和人才培养具有重要价值，也为商业化平台提供了算法验证和模型迭代的外部数据源。

关键词：开放获取；定量构效关系；逆合成分析；学术基础设施；开源工具

2.8 国内已披露的其他AI多肽研发企业

除上述平台外，国内还有多家企业被市场报告列为AI驱动肽类药物研发平台的主要参与者，包括态创生物科技、呈元科技、中晟全肽等。由于这些企业的AI多肽平台详细技术参数和产业合作进展的公开披露有限，本文暂不展开。但它们的入选本身说明，国内AI多肽研发平台已进入“群雄并起”的阶段，竞争格局日趋多元化。

第三章 国外代表性AI多肽研发平台

3.1 Insilico Medicine：Pharma.AI——生成式AI多肽平台的“老牌劲旅”

平台概况

Insilico Medicine成立于2014年，总部位于香港，是全球最早将生成式AI应用于药物发现的公司之一。其核心产品Pharma.AI是一个涵盖生物学、化学和医学开发三大模块的综合性AI平台。虽然Pharma.AI最初以小分子药物发现著称，但在2025年的多轮功能更新中，多肽设计已成为其战略重点之一。

多肽模块的核心技术

2025年第四季度的Pharma.AI冬季更新中，生物制剂工程平台的多肽功能获得了显著强化：

• 基于模板的肽库受体筛选：用户可基于已知的肽模板，针对目标受体进行虚拟筛选，并支持基于热点位点的口袋手动选取，同时提供肽长引导和三维构象分析。

• 三维增强模型：引入三维结构信息优化预测模型，在公开抗体数据集上的皮尔森/斯皮尔曼相关系数提高了约0.2-0.3。

• 基于扩散模型的抗体/多肽生成引擎：可按表位和框架进行条件控制，并提供可配置的风险位点约束。

• 分子动力学模拟集成：新增分子动力学模拟功能，可在更贴近真实生物物理环境的条件下评估结合物的稳定性和构象行为。

商业模式与合作

Pharma.AI主要通过SaaS模式提供服务，制药企业和学术机构可付费使用其生物学分析、化学生成和临床预测模块。截至2025年，Insilico已将多个AI设计的候选分子推进到临床阶段，在多肽领域的公开管线进展相对有限，但其平台的技术成熟度已在多个药物类型中得到验证。

关键词：生成式AI先驱；全链条覆盖；SaaS模式；分子动力学模拟；多肽模板筛选

3.2 Latent Labs：DeepMind血统的“零次设计”先锋

平台背景与融资

Latent Labs由DeepMind AlphaFold2团队的Simon Kohl创立，于2025年2月结束隐身模式，累计融资5000万美元，投资方包括多家顶级风险投资机构以及Google首席科学家Jeff Dean和Transformer架构发明者等天使投资人。这一“明星血统”使其在AI蛋白质设计领域迅速获得了高度关注。

核心技术：Latent-X系列模型

Latent Labs的核心技术基础是Latent-X系列生成式模型。2025年7月发布的Latent-X可实现“按钮式蛋白设计”——用户上传蛋白靶点，模型即可生成环肽和迷你结合物。其关键性能数据包括：在7个治疗靶点的大规模湿实验中，环肽的命中率达到91%-100%，迷你结合物的命中率为10%-64%，结合亲和力达到皮摩尔级别。

2025年12月发布的Latent-X2进一步实现了面向“可成药性”的零次设计。在18个难度各异的靶点上，Latent-X2在第一轮设计中即获得了半数靶点的高亲和力结合物（皮摩尔至纳摩尔级别），其中对长期以来被认为“不可成药”的K-Ras靶点设计的大环肽，其效果与万亿级别的信使核糖核酸展示筛选相当，但测试的序列数量减少了11个数量级。

2026年3月，Latent Labs发布了AI智能体Latent-Y，用户只需用自然语言描述治疗目标，即可获得实验室就绪的候选序列。在9个靶点、3种设计类型中，Latent-Y自主生成了针对6个靶点的确证纳米抗体结合物，靶点级成功率达67%，结合亲和力达到个位数纳摩尔级别。在用户研究中，博士级别专家使用Latent-Y完成设计任务的速度比独立专家估算快56倍。

重要局限

需要指出的是，Latent Labs的公开数据主要集中在大环肽和纳米抗体，对线性多肽的设计能力披露较少。此外，其“低免疫原性”的评估目前仍停留在体外T细胞激活和细胞因子释放检测阶段，动物研究和临床试验尚未开展。

关键词：零次设计；AlphaFold血统；K-Ras不可成药靶点；自然语言智能体；皮摩尔亲和力

3.3 Receptor.AI：聚焦“不可成药”靶点的多肽设计专家

平台概况

Receptor.AI是一家临床前阶段的TechBio公司，专注于利用生成式AI进行药物发现。其核心竞争力在于设计了面向“不可成药”蛋白-蛋白相互作用靶点的多肽解决方案。2025年4月，Receptor.AI加入全球多肽药物发现联盟，其CEO与CSO同时被任命为联盟咨询委员会成员。

三大核心平台

Receptor.AI建立了三大核心平台：

• 小分子平台：从头AI驱动小分子设计，优化超80种药物性质。

• 多肽平台：AI引导的线性与环肽从头设计，重点关注“不可成药”靶点。

• 诱导临近平台：设计三元复合物，将结构未解析的蛋白-蛋白相互作用转化为可成药靶点。

多肽平台在40余个成功的联合发现项目中得到了验证，已成为大型制药企业和学术机构信赖的合作伙伴。

关键词：不可成药靶点；蛋白-蛋白相互作用；诱导临近；三元复合物；联合发现项目

3.4 Atombeat+BioDuro联盟：万亿级虚拟库的商业化落地

合作背景

2025年7月，Atombeat与CRDMO巨头BioDuro宣布战略合作，共同开发AI驱动的多肽药物加速发现平台。值得注意的是，这与前文“深势科技+保诺-桑迪亚”的合作模式惊人地相似——均是“AI计算公司+CRDMO”的组合，反映了行业对“干湿一体化”服务模式的普遍认可。

核心技术

Atombeat通过其Hermite®软件和RiDYMO®平台加速药物发现，整合Reinforced Dynamics、Uni-Dock、Uni-FEP、Uni-QSAR等算法，支持探索由超过1000种天然及非天然氨基酸组合而成的、规模超一万亿的多肽虚拟库。平台可根据膜通透性等成药性关键指标快速过滤和排序化合物。

干湿分工

与深势科技+保诺-桑迪亚联盟类似，Atombeat负责干实验，BioDuro负责湿实验。BioDuro可在平行情况下合成数百种多肽化合物，一周内交付高纯度样品，无需额外纯化即可直接用于生物测试。

关键词：AI计算+CRDMO；万亿级虚拟库；膜通透性优化；一周交付；干湿一体化

3.5 PepINVENT：非天然氨基酸空间的系统探索

平台学术背景

PepINVENT是阿斯利康科学家团队开发的一种基于生成式AI的多肽设计工具，作为小分子设计平台REINVENT的扩展，于2025年发表在《化学科学》期刊上。尽管它是学术/开源工具而非商业化平台，但其技术理念对理解整个领域的发展方向具有重要意义。

核心技术特点

PepINVENT的核心设计哲学是超越天然氨基酸的枚举空间。当前的生成模型大多聚焦于20种天然氨基酸的组合空间，但PepINVENT将视野扩展到自然和非天然氨基酸的广阔化学空间，通过强化学习实现目标导向的肽设计。该模型能够提出有效、新颖且多样化的多肽设计方案，支持多参数优化、拟肽设计、先导优化等多种多肽领域任务。

理论意义

PepINVENT的最大价值在于其方法论的示范意义：AI多肽设计不能停留在“天然氨基酸的组合优化”层面，而必须学会“设计新的氨基酸构建块”。这与晶泰科技PepiX™的2000+非经典氨基酸库形成呼应——前者是“学习设计新氨基酸”的算法框架，后者是“利用已知大量非经典氨基酸”的工程化实践。两者共同指向了一个方向：非天然氨基酸的AI整合，将是多肽AI平台下一阶段的核心竞争焦点。

关键词：非天然氨基酸空间；强化学习；开源工具；拟肽设计；阿斯利康衍生

3.6 其他值得关注的国外平台

Generate Biomedicines：由Flagship Pioneering孵化，以“生成生物学”为核心的多模式AI药物发现平台，产品线包括多肽和抗体等多种分子类型。

Peptilogics：专注于AI驱动抗微生物肽和多肽疗法的发现与开发。

Pepticom：以色列公司，以“AI驱动的肽类创新药物设计”著称，其平台可从头设计新型肽类候选药物。

Menten AI：总部位于旧金山，早期因利用深度学习设计穿透细胞膜的多肽而受到关注。

PepPharmaHub：2025年10月发布的新型云平台，整合多模态语言架构与策展数据资源，在2023-2025年新增的3475条生物活性肽上展现出更高的预测精度和更好的泛化能力。

第四章 平台对比分析：技术路线与商业模式的差异化竞争

4.1 技术路线对比：序列生成 vs. 结构预测 vs. 全栈整合

综合上述18个平台的梳理，我们可以识别出三条差异化的技术路线：

第一，序列生成驱动型（代表：AVP-GPT、PepINVENT）。这类平台的核心能力建立在大型语言模型对序列空间的建模上，能够生成高质量、新颖且符合特定活性约束的多肽序列。其优势在于生成速度快、易于与强化学习结合进行目标导向优化；局限在于对三维结构和构象信息的利用有限，在处理需要精确空间匹配的蛋白-蛋白相互作用靶点时可能力不从心。

第二，结构预测驱动型（代表：Latent Labs、深势科技）。这类平台以AlphaFold及其衍生产品为技术源头，强调通过精准预测蛋白-多肽复合物的三维结构来设计结合物。Latent Labs的零次设计能力建基在从零设计原子精度结合物的生成式模型上；深势科技的环肽聚焦也来源于其AI for Science团队在物理建模上的深厚积累。这一路线的优势在于设计精度和靶点适配性，局限在于需要高质量的靶点结构输入以及较高的计算资源消耗。

第三，全栈整合型（代表：iCVETide®、PepiX™、Pharma.AI）。这类平台试图将序列生成、结构预测、成药性评估、合成测试纳入统一体系，形成端到端的解决方案。其优势在于用户无需在多个工具之间切换，且可以在干湿闭环中持续优化模型；挑战在于技术栈的复杂度和维护成本。

客观而言，这三条路线并非互斥。一个成熟的平台如iCVETide®或PepiX™，往往在序列生成模块和结构预测模块之间都有布局，只是侧重点不同。

4.2 商业模式对比：内部管线 vs. 对外赋能

在商业模式维度上，平台可以分为三类：

第一，内部管线驱动型。代表为悦康药业、阳光诺和、Generate Biomedicines。这类平台的核心价值是为自有多肽管线服务，对外赋能的优先级较低。阳光诺和的STC系列管线（镇痛、肿瘤恶液质、肿瘤诊断）均基于iCVETide®平台开发，已成为平台能力的最佳证明。这一模式的优势在于“知行合一”——自用压力迫使平台必须产出真正可落地的药物，而非停留在“漂亮演示”阶段。局限在于数据积累量可能小于对外服务平台。

第二，对外服务/平台型。代表为晶泰科技PepiX™、Atombeat+Bioduro、Pharma.AI。这类平台以赋能外部客户为主要目标，通过SaaS订阅或项目合作模式获取收入。晶泰科技与甘李药业的战略合作是代表性案例——甘李提供代谢疾病领域的研发资源和商业化网络，晶泰提供AI多肽设计能力。这一模式的优势在于多元化客户驱动数据快速积累，局限在于知识产权归属和竞争护城河建设难度较高。

第三，混合模式。代表为深势科技+保诺-桑迪亚联盟、海淀区区域平台。这类平台在定位上兼具“技术服务”和“生态构建”的双重目标。深势科技在与保诺-桑迪亚合作的同时，仍保持着AI for Science的开放社区理念；海淀区平台则作为一种区域性的产业基础设施，服务区内多元主体，不追求单一商业变现。

4.3 关键能力维度综合对比

为使读者对各大平台的差异化定位有更直观的认识，我们构建了一个五维度能力评估框架：

注：★的数量为基于公开信息的定性评估，代表相对强度而非绝对分数；某些平台信息有限，评分可能随新数据的披露而更新。

从表中可以读出几个关键趋势：阳光诺和在“干湿闭环”和“自有管线深度”两项上得分突出，这与上一篇文章中“STC009管线16个月确定PCC”的实践高度一致；晶泰科技PepiX™在非天然氨基酸整合上独具优势，其2000余种非经典氨基酸的专有库目前在国内平台中是最全面的；Latent Labs在结构预测上表现最强，AlphaFold血统带来的技术基因使其在该维度处于领先地位；PepINVENT虽非商业化平台，但在序列生成和非天然氨基酸整合的理论探索上具有启发性。

结论：从“单点突围”到“多极竞逐”

回顾本系列第一篇文章与本文的内容，一个清晰的图景正在浮现：

在传统多肽研发模式下，“试错筛选”是唯一的选择，无论企业规模大小、资源丰寡，研发效率的瓶颈几乎是刚性的。AI的出现打破了这一僵局，但变革的路径并非单一。从阳光诺和的iCVETide®到Latent Labs的Latent-X，从晶泰科技的PepiX™到Insilico的Pharma.AI，每一个平台都在用不同的技术路线和商业模式探索AI驱动多肽研发的边界。这些路径之间不是简单的“优劣”关系，而是不同场景、不同资源条件下的最优解集。

在国内市场，阳光诺和走出了一条“自研管线驱动→平台对外赋能”的渐进路径；晶泰科技以2000余种非天然氨基酸为切入点的“AI+自动化”路线，构成了一种可替代的技术方案；深势科技与保诺-桑迪亚的联盟，则验证了“AI计算+CRDMO”的垂直整合模式在环肽设计中的可行性。

在海外市场，Latent Labs以DeepMind的学术血统为背书，展示了大模型在零次设计上的惊人潜力；Receptor.AI通过聚焦蛋白-蛋白相互作用靶点构建技术壁垒；而Insilico的Pharma.AI则代表了“广度压倒深度”的平台化路线。

展望未来，AI多肽研发平台的竞争将从“技术有无”转向“技术优劣”和“数据壁垒”。能够率先在非天然氨基酸空间内建立高精度预测模型、在干湿闭环中积累高质量专有数据、并在关键靶点上产出临床验证管线的平台，将在接下来的多肽药物研发竞赛中占据不可替代的地位。而在这场竞逐中，一个“万物生长”的生态正在形成——学术机构提供前沿算法、初创公司聚焦技术突破、大型药企和CRDMO提供产业转化能力、区域平台提供基础设施——共同的终点，是将多肽药物研发从一个“高成本、长周期、低成功率”的领域，彻底重塑为一个“按需设计、快速验证、高效转化”的新范式。

总结关键词：AI多肽平台；干湿闭环；非天然氨基酸；虚拟筛选；生成式AI；结构预测；环肽设计；临床前候选化合物；平台即服务；管线驱动；不可成药靶点；蛋白-蛋白相互作用；万亿级虚拟库；零次设计；全栈整合

YM说多肽|智能多肽|从单点突围到多极竞逐：全球AI多肽药物研发平台全景对比|南京肽业

从单点突围到多极竞逐：全球AI多肽药物研发平台全景对比