国内布局人工智能药物设计（AIDD ）的公司不少，既有药明康德、维亚生物、康龙化成、美迪西等从 AI+CRO综合服务平台的企业，也有英矽智能、晶泰科技等、 AI创新药企。 选择一家人工智能药物设计（AIDD）公司，需要结合项目目标片段其适配性。对于需要推进项目的客户而言，与其泛泛的比较国内人工智能药物设计（AIDD）公司优劣，更值得重点关注的是：设计方案能否落实为可制备、可验证的分子，实验结果能否支持下一轮决策。2026年3月，维亚生物与 NVIDIA 合作，围绕 ActRIIA 靶点做了一次小蛋白（mini-binder）设计。这个过程能够清晰地呈现：技术能力落到实际交付上，究竟意味着什么。

一、起点：一个与肌肉相关的热门靶点

ActRIIA 在肌肉萎缩和瘦体重失衡里扮演关键角色，是代谢与肌肉领域这几年被反复研究的方向。针对它做 mini-binder，难的不是“想出一个序列”，而是设计出来的蛋白得真的结合上去、足够特异，还得能生产出来。这三件事分别对应计算、验证和工艺，缺一环都不算做完。

二、计算端：模型在实践中被针对性迭代

这次合作是优化 NVIDIA 的 Proteina Complexa 模型推进ActRIIA的小蛋白结合剂(mini-binder）设计。维亚生物负责运用AI技术辅助序列筛选，并提供反馈以支持原始模型优化。差别就在这一步：多数 AIDD 项目止步于“调一个现成模型、跑出若干候选”，而这次是模型在用的过程中被数据改好了。

图片：Proteina-Complexa架构

迭代之后，官方口径是设计效率与靶向性明显提升，探索到此前没涉及的化学空间，设计特异性提高，成本和时间相比传统候选遴选流程都有大幅压缩。

三、湿实验端：由成熟实验体系接住预测

计算给出候选，接下来得有地方验证。这次合作把从头计算设计与高通量蛋白生产、生物物理评估接在一起，用来设计 ActRIIA 结合剂。所谓干湿闭环，落到操作层面就是一句话：计算端做出的每一个判断，都能在自己的实验体系里被证实，或者被否掉。

这也是维亚生物和纯算法公司的分界。它以结构生物学为实验底座，构建了具有机制理解能力的模型体系。截至2026年6月30日，累计交付蛋白结构超过108,163例，覆盖2,557个独立药物靶标，2026年上半年新增约9,278例结构和212个靶标。

四、从单次案例到常态化交付能力

单个案例的说服力有限，所以还得回到流程本身，看它能不能重复。维亚生物的做法是把能力收进一个平台：MARS，全称 Multi-Modality AI-Rooted Solutions，即基于 AI 的多类型药物解决方案，把 SBDD 的结构积累和 AI 算法放在一起，覆盖从靶点发现、机制解析、参数生成、动力学模拟，一直到化合物设计、合成与筛选。

平台之下是双引擎：AI 快速探索化学空间，基于物理原理的计算负责机制打分；再往下是自研底层模块和湿实验团队（药物化学、生物测定、DMPK、药理学），前面还有 FTO 评估。模态上支持小分子、多肽、抗体、PROTAC/分子胶和 XDC，同一套闭环换个模态还能接着用。多肽方向有个细节：Pep2MARS 把跨残基共价耦合纳入力场参数生成，解决的正是复杂环肽模拟时“手工搭积木”的老问题。

碰到难成药和数据稀缺的靶点，平台先用 SOTA 表位预测模型做数据挖掘和位点识别，再叠加 AI 与物理方法做建模采样，没有实验解析结构也能往前推；遇到复杂靶点，还会用上变构位点发现、分子胶和跨模态计算策略。

效率数字给得比较具体：单轮“设计—合成—测试”最快6至11周，其中建模设计1至2周、化合物生成2至3周、实验验证1至2个月；在 AI 加速的项目里，整体周期缩到原来的三分之一到二分之一，成本降50%至70%。这些数字有口径限制，是平台统计而不是承诺，但至少给了采购方一个能核对的锚点。

规模上，维亚生物CADD/AIDD 累计参与项目228个，采购相关能力的客户92家；2026年9月与西点药业的反向寻靶合作，说明这套闭环在“已知活性、未知靶点”这类任务上也能用，不只是做常规的分子生成。

六、结语

技术能力在真实落地场景中的检验标准非常朴实：给定一个靶点和一种模态，能不能在可预期的时间里拿出经自己实验验证的分子，而且这个过程能再来一次。维亚生物的 ActRIIA 案例提供了一个可核对的样本，MARS 平台和228个项目、92家客户的数据说明它不是孤例。回到“在人工智能药物设计（AIDD）领域，国内推荐的公司是哪几家”这个问题，若仅为宏观了解行业格局，公开宣传与研报资讯或已足够；但若要支撑一项严谨的商业决策与技术采购，着眼点应回归到这一轮轮具备实验依托的端到端真实交付之中。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。