OpenAI前高管创办机器人制药公司获2.15亿美元融资

当 AI 已经能快速提出候选药物分子时，真正的瓶颈出现在了实验台前：把分子真正合成出来、反复测试，需要大量耗时耗力的人工实验。前 OpenAI 科学负责人凯文·韦尔（Kevin Weil）创办的 Warp Sciences，正是要用机器人来攻克这一环。10 月 22 日，这家公司正式亮相，并宣布完成 2.15 亿美元 A 轮融资，估值达到 8.65 亿美元。

事件：2.15 亿美元押注机器人实验室

据 TechCrunch 报道，韦尔在社交平台 X 上宣布了 Warp Sciences 的成立与融资消息。本轮融资由 Lightspeed 领投，参投方包括 IVP、Mayfield、Lux Capital、Premji Invest 和 Menlo Ventures 等机构。公司计划用这笔资金在美国建设化学实验室，推进 AI 与机器人自动化能力，并扩充研发与工程团队。

Warp Sciences 的定位不是一家自己研发新药的公司，而是一家面向生物技术与制药企业的“本土化学外包研究机构”：客户先提出有潜力的药物分子，Warp Sciences 负责把这个分子的成百上千种变体合成出来并加以测试，从中找出效果更好、副作用更小的版本。用公司的话说，它要把湿实验室（wet lab）的工作变成一台可以全天候运转的自动化引擎。

怎么工作：人类化学家先“教”机器人

Warp Sciences 的训练方式颇具象征意义：人类化学家戴着摄像头和传感手套进行实验，机器人则通过观察学习这些操作，逐步掌握合成与测试化合物的技能。完成训练后，机器人可以在实验室里昼夜不停地工作，持续产生实验数据，而这些数据又可以反过来训练 AI 模型，形成“实验—数据—模型”的闭环。

这条路线的关键，在于它瞄准的是药物研发中段最“重”的环节。AI 提出候选分子只是起点，真正决定一个分子能否成药的，是大量变体的合成、纯化与测试。这一环节长期依赖人工，周期长、成本高，也最容易成为整个研发管线的限速步骤。Warp Sciences 的赌注是：当实验本身可以被自动化、数据化时，新药研发的速度与成本结构都会被改写。

背景：为什么要把这项工作搬回美国

多年来，生物技术公司习惯把最劳动密集的分子合成工作外包给中国等地的合同研究机构，其中药明康德（WuXi AppTec）是常被提及的代表。韦尔希望 Warp Sciences 成为一个美国本土的替代选项，让制药企业在不把核心研发环节外移的情况下完成这部分工作，从而降低地缘政治与供应链带来的风险。

这一诉求并非空穴来风。在全球供应链波动加剧、医药行业对知识产权保护日益敏感的背景下，“把实验放在哪里做”已经不只是一个成本问题，也是一个安全与合规问题。对制药企业而言，本土化实验室的吸引力在于：实验过程更可控，知识产权边界更清晰，交付节奏也更可预期。

更广的背景是，AI 正在从“屏幕里的助手”走向“物理世界的执行者”。从人形机器人到自动驾驶，再到如今的机器人实验室，资本押注的方向越来越一致：AI 的下一阶段价值，不只在于生成文本或代码，而在于能否在真实世界里完成高精度、高重复性的任务。药物实验室恰恰是这类任务最密集、价值也最高的场景之一。

挑战：实验室不是数据中心

不过，机器人制药远比自动化数据处理复杂。化学实验涉及易燃易爆试剂、精密仪器与严格的安全规程，任何一次操作失误都可能造成安全事故或数据污染。机器人能否在真实实验室环境中长期稳定运行、能否处理实验中层出不穷的“意外情况”，仍需在实际交付中证明。

另一个挑战是信任。制药企业把核心分子交给外部实验室，等于把最敏感的研发资产交了出去。Warp Sciences 需要证明的不仅是速度与成本，还包括数据安全、知识产权保护与实验可复现性。

此外，2.15 亿美元在制药行业并不算天文数字。建设实验室、采购机器人与 AI 芯片、招募顶尖化学家与工程师，每一项都是重投入。Warp Sciences 的资金能否支撑它走完从“实验室自动化”到“规模化服务”的漫长爬坡，取决于它能否尽快拿到付费客户，并用真实订单验证自己的模式。

影响与展望

如果 Warp Sciences 的模式跑通，它可能改变的不仅是某个实验室的效率，而是整个药物研发外包的地理版图：更多合成与测试工作回流美国，更多实验数据沉淀为 AI 训练资产，药物研发的早期阶段也可能因此加速。对中国相关外包企业而言，这则消息同样值得关注——竞争正在从价格与产能，转向自动化与数据能力。

接下来值得观察的信号有三个：一是 Warp Sciences 首批实验室的落地进度与产能规模；二是它能否公布来自真实制药客户的合作与订单；三是机器人实验的良率与可复现性数据能否经得起同行检验。在这三点明朗之前，2.15 亿美元更像是一张“入场券”，而非终点。