统一的序列基础模型驱动四条模态管线,覆盖从多肽、抗体、微生物合成到功能材料的全链条智能设计。 底层由 CarbonAI™(小分子)、SentinusAI™(蛋白)、SenseAI™(RNA)三大设计引擎及 BioSynthAI™、MaterialAI™ 延展模块支撑。
新一代多肽药物智能设计引擎。面向稳定性、选择性与生物利用度做多目标优化, 支持订书肽、环肽、细胞穿透肽等前沿模态的序列级快速迭代。
从头抗体与融合蛋白工程平台。基于自研蛋白语言大模型 AINN-P1 与 400 万+ 条抗体私有数据, 在无 3D 结构信息下完成从头设计、亲和力成熟与人源化优化,已服务抗体 / 双抗 / ADC / 酶工程客户。
合成生物学智能设计引擎。基因设计优化、菌株筛选与进化、酶工程定向进化、无细胞表达与发酵过程控制, 已有工具酶 AI 定向进化与发酵装备智能体合作项目落地。
新材料与化工 AI 设计引擎。已应用于高分子材料、绿色化学、科研试剂与大化工领域, 含医用高分子(植入级弹性体)AI 配方优化项目,可替代 Materials Studio 等国外材料模拟软件。
从纯物理对接到 AI 结构预测,再到序列大模型直接计算——圆壹智慧率先完成第三代路线的工业化验证。
| 方法 | 输入 | 单位点 10² | 双位点 10⁴ | 三位点 10⁶ | 四位点 10⁸ | 五位点 10¹⁰ |
|---|---|---|---|---|---|---|
| Schrödinger | 结构 | 4 天 | ~10² 天 | ~10⁴ 天 | 无法计算 | 无法计算 |
| proAiGy | 结构 | 6 分钟 | 17.7 小时 | 89 天 | 无法计算 | 无法计算 |
| AlphaFold | 结构 | 50 小时 | ~10² 天 | ~10⁴ 天 | 无法计算 | 无法计算 |
| 圆壹智慧 AINN-P1 | 序列 | 2 分钟 | 6 分钟 | 40 分钟 | 3 天 | 5 天 |
三位点突变:40 分钟 vs ~10⁴ 天,较 Schrödinger / AlphaFold 快约 1 万倍;突破算力瓶颈后可同时计算全基因组 / 全蛋白组。
| 方法 | 类型 | |ddG| > 0 | |ddG| > 0.5 | |ddG| > 1.0 |
|---|---|---|---|---|
| FoldX | 基于结构 | 0.70 | 0.81 | 0.87 |
| Discovery Studio | 基于结构 | 0.73 | 0.82 | 0.88 |
| STATIUM | 基于结构 | 0.64 | 0.74 | 0.81 |
| DFIRE | 基于结构 | 0.65 | 0.73 | 0.78 |
| Rosetta | 基于结构 | 0.60 | 0.64 | 0.70 |
| 圆壹智慧 · 已知靶点 | 基于序列 | 0.86 | 0.97 | 0.99 |
| 圆壹智慧 · 新靶点 | 基于序列 | 0.71 | 0.84 | 0.92 |
来源:Sequence-based deep learning antibody design for in silico antibody affinity maturation(arXiv)。
针对蛋白 / 抗体场景构建的底层表征模型。在仅约 1/4 参数量下,对未见抗体项目的泛化表现优于通用 ESM2; 在 ProteinGym 多任务基准中,仅依赖序列即在稳定性、结合等核心蛋白工程任务上展现竞争力。
注:AINN-P1 采用 few-shot frozen-embedding regression;多数 ProteinGym 公开 baseline 采用 zero-shot 等原始评估协议,结果主要用于性能参考。 来源:Wang, Jin & Pan, bioRxiv preprint, 2026。
无需靶点结构信息,1 周计算、2 周验证即可获得 10–100 个候选分子,节省 80% 湿实验成本; 实验数据回传持续反哺模型,形成数据飞轮。
抗体模型湿实验统计(部分)。统计来自客户及合作项目回传的实验数据(截至 2026 年),覆盖自免、肿瘤、代谢、感染等领域。
| # | 靶点 | 蛋白名称 | 命中 / 测试 | 命中率 | 最佳 KD |
|---|---|---|---|---|---|
| 1 | TSLP | Thymic stromal lymphopoietin | 9 / 13 | 69.2% | 1 pM |
| 2 | SARS-CoV-2 | Spike protein (viral) | 30 / 50 | 60.0% | 27 nM |
| 3 | IL36R | Interleukin-36 receptor (IL-1Rrp2) | 11 / 20 | 55.0% | 1 pM |
| 4 | GD2 × CD3 | Disialoganglioside GD2 × CD3(双抗) | 44 / 85 | 51.8% | 129 pM |
| 5 | IL15 | Interleukin-15 | 34 / 74 | 45.9% | 392 pM |
| 6 | CD19 | B-lymphocyte antigen CD19 | 50 / 124 | 40.3% | 28 pM |
| 7 | Activin A × GDF8 | Activin A × Myostatin(双抗) | 46 / 116 | 39.7% | 18 pM |
| 8 | FcRn | Neonatal Fc receptor (+ B2M) | 33 / 98 | 33.7% | 49 pM |
| 9 | C1q | Complement component C1q | 26 / 84 | 31.0% | 540 pM |
| 10 | OX40L | OX40 ligand (CD252) | 20 / 72 | 27.8% | 2 pM |
| 11 | Integrin α4β7 | Integrin alpha-4 / beta-7 | 21 / 76 | 27.6% | 1.45 nM |
| 12 | IL25 | Interleukin-25 (IL-17E) | 5 / 19 | 26.3% | 1 pM |
仅展示部分靶点;完整清单可在合作洽谈阶段提供。
蛋白语言大模型 AINN-P1 及三大设计引擎均为自主研发,模型权重与训练数据自有,非开源模型"套壳"。 数据量为公共领域的 50 倍以上,每一条都经过内部整理、去重、按实验质量分级。
蛋白、小分子、RNA 多领域获得跨国药企、顶尖高校医学院、Biotech 与研究机构的项目验证; 销售渠道覆盖制药企业、生物科技初创企业、研究机构与 AI / 软件企业。
核心创始团队曾参与清华大学—盖茨基金会全球健康药物研发中心(GHDDI)AI 制药平台建设, 技术积累可追溯至 2017 年;2021 年圆壹智慧成立后独立发展,数据资产、疾病领域与算法模型均为自主开发。
南京大学应用化学学士 · 美国 UAB 化学博士(计算生物学方向)· 佐治亚理工学院计算机硕士(人工智能方向)· 加州大学伯克利分校哈斯商学院 MFE。
18 年计算技术在疾病生物学研究与药物设计中的开发应用经验,涵盖神经退行性疾病、心血管疾病、肿瘤、罕见病和传染病,具备 AI + 药物研发干湿闭环验证成功经验。
2017–2021 年任清华大学—GHDDI AI 制药部门创始负责人;2015–2017 年任美国 UAB Medicine 交叉学科中心计算科学总监;2020 年德国默克集团(Merck KGaA)防疫创新奖获得者。
创始团队毕业于佐治亚理工、耶鲁、密西根、哥伦比亚、南京大学、复旦大学等高校, 拥有化学、药理学、生物学与 AI 药物发现复合学科背景及丰富产业经验。
清华大学药学院教授、拜耳特聘教授、全球健康药物研发中心主任;干细胞化学生物学领域开拓者,团队首次实现化学小分子诱导小鼠全能干细胞,成果发表于《自然》。
加州大学欧文分校有机化学专业;超过 15 年临床前科学家及药物研发经理经验,曾任 Merck 临床前科学家与药物发现项目管理者,已推动 2 个化合物进入人体临床试验。
由中国科学院院士领衔的药物研发与生物科技专家团队,覆盖化学生物学、临床前开发、临床转化等环节,曾推动 10 余个分子进入临床阶段。
面向创新药企、CDMO、材料头部厂商与研究机构,我们提供临床前研发技术服务、 平台授权(SaaS / 私有化部署)、联合开发到 IP 共研的多层次合作方式。