ARTICLE · 1156214
AI多肽的10B数据集,真相是没人能替它复核
先说一句不讨喜的话：多肽 AI 公司手里那批数据，越是被写成壁垒，越容易被高估。
10 月 10 日，利太智药（LigIT）的种子轮消息传出来，规模近 5000 万元人民币，讯飞创投与 L2F 光源创业者基金领投，光源资本担任独家财务顾问。这家公司 2026 年 7 月才成立，总部在北京海淀，到消息公开时满打满算不足三个月。
据动脉网旗下 VCBeat 的独家报道，这家公司给自己搭的是「数据、模型、分子」三层结构，最上面那层叫 PepUmi，一个自研的闭源多肽合成数据集，数据量近 10B。
近 5000 万元人民币的种子轮，放在国内 AI 制药早期里算不上大数目。真正有意思的是那个 10B的数据集。多肽这个模态，公开结构数据稀缺是写在每一行行业分析里的老共识，一家成立不足三个月的公司把 10B 挂到自己名下，但这 10B 里成功样本占多少，失败样本占多少，除了它自己，谁有资格打开看一眼。
多肽 AI 公司到底在卖什么
在评价任何一家之前，先把尺子摆出来。多肽 AI 这门生意，能被外部检验的只有三样东西。
第一条叫数据可复核性。不是问数据有多少条，而是问这批数据能不能被第三方用同一套方法重跑一遍，或者至少说清它的构成比例、采集条件和失败样本占比。说不清构成的数据量，是个宣传口径，不是资产。
第二条叫模型的规模效应。真正在走 Scaling Law 的模型，能力得随数据量、参数规模、算力投入线性往外长，并且拿得出一条公开的曲线。曲线拿不出来，「遵循 Scaling Law」就只是一句形容词。
第三条叫闭环的产出口径。72 小时走完设计与合成，产出的是「能被合成的分子」还是「能往临床推的分子」，这是两个完全不同的分母。拿前者去答后者的问题，是整个行业最熟练的一种错位。
这三条不是刁难。我的判断是，它们构成了这个赛道里少数几个能在会议室里当场问、当场验的东西。
三层护城河，哪一层最难验
把利太智药公开的信息按这三条排一遍，层次就出来了。
据中国经济新闻网的报道，PepUni 生成环肽的亲和力确实到了 nM 级，PepMirror 设计的 D 型肽稳定性是常规 L 型的数十倍，部分靶点亲和力到个位数 nM。这些数字单个看都很漂亮，问题在于它们全部是自家平台上跑出来的自家结果。一层比一层更难验，这不是利太智药一个公司的问题。
它恰恰是这个阶段 AI 制药的通用形态：数据层最像护城河，也最不可验；分子层最不像护城河，反而最接近可验。
三类常见手法：把哪一栏悄悄换成了另一栏
手法一，用数据量顶替数据质量。近 10B 是个很有冲击力的数字，但多肽合成的失败样本从来不比成功样本少，而失败样本恰恰是模型真正需要的东西。一家公司如果只报总量不报失败比例，那这 10B 里最有价值的一半可能根本没被收进去。
手法二，用亲和力顶替成药性。有人把一张环肽亲和力表推到我面前，KD 一栏排得很整齐，个位数 nM 那几行还加了粗。我问了一句：这批分子在血浆里能活多久。对面停了两秒，说这个还没测。结合得紧和能在体内存活足够久，中间隔着一整个成药性工程，不是同一个考卷上的题。
手法三，用闭环速度顶替验证深度。据 VCBeat 的报道，利太智药搭了一条 72 小时的生成到合成闭环，覆盖设计、化学合成、生物测试与结构解析，已在多个肿瘤与代谢相关靶点完成验证。这条闭环解决的是「设计出来的东西能不能造出来」，它验证的是工程能力；它不回答「造出来的东西能不能成为药」，那需要体内药效、代谢稳定性和毒理数据。72 小时这个速度值得尊重，但别把它读成疗效信号。
为什么这套说法现在好卖
不是谁在撒谎，是环境在奖励这种表述。
第一重是数据焦虑。据 The Ledger Asia 10 月 7 日的报道，Biohub 牵头的虚拟生物学计划把投入总额推到约 18 亿美元，其中美国能源部在五年内投入超过 5 亿美元用于实验室测量、建模与计算；据科技日报报道，AI 企业与生命科学公司正在把投入往数据生产、实验测量这些上游环节延伸。当整个行业都承认卡在数据上，「我们有一批别人没有的数据」就自动成了最有说服力的句子。
第二重是政策窗口。据《科创板日报》报道，工业和信息化部等十部门印发的《医药工业发展「十五五」规划》提出加快人工智能等新技术赋能药物研发。政策把方向写死了，资本就需要一批能装进这个方向的标的。
第三重是人才溢价。利太智药创始人贾寅君是 2026 年初发表于《科学》的 DrugCLIP 研究的共一第一顺位作者，据公开报道该研究可在 1 分钟内完成千亿规模分子的筛选，速度较传统对接工具提升百万倍；公司核心研发团队清北本博占比达 85%。种子轮定价里，很大一部分买的是这条履历与这支队伍的预期产能，不是任何一项已交付的资产。
三重力量叠在一起，形成一个正反馈：怕错过的人抬高早期估值，估值抬高又吸引更多团队复制同一套三层叙事，而叙事被重复得越多，数据越像护城河。循环到最后，没人再问那个最初的问题。
识别工具：三个问题，好答案和坏答案
这套东西是可以问穿的。把下面三个问题带进会议室，答案质量立刻分层。
坏答案的共同点是换了一个更好听的指标；好答案的共同点是给出了一个可以被下次会议复核的数。我认为，判断标准不在于对方讲得多专业，在于他愿不愿意把自己的数字交给别人验一遍。
谁可能活下来：一个能证伪的时间窗
点名说判断，不点名说态度，都是耍滑头。
利太智药这家公司，按公开信息，多条自研管线处于 HIT-to-lead 阶段，预计 2027 年初产出具备成药潜力的候选化合物。这是它给自己设的一个可证伪的锚，我愿意按这个锚去等。我不认为三个月时间足够把一批数据变成壁垒，但我认可把「2027 年初出候选化合物」这句话公开写出来的做法，因为它给了外界一个能打分的日子。它走「平台加管线」双引擎，短期靠模型授权、API 服务与联合研发变现，长期自己做肿瘤、自身免疫、代谢三个方向的管线，这个结构在国内早期公司里是清醒的。
放到同一时间窗里对照，另两家的选择更极端。据 WhiteLab Genomics 官网公告，这家巴黎公司 10 月 6 日完成 2600 万美元 B 轮，把钱直接压在体内验证上，用 AI 设计的 AAV 去撞血脑屏障；据 Brief 报道，巴黎的 Rivercell 在 10 月 7 日带着 2200 万欧元种子轮出隐身，钱花在自建数据生成平台上。
三条路指向同一件事：这个阶段真正稀缺的不是模型，是可复核的湿实验产出。方向性判断就一句：数据生产型看多，纯模型叙事型看空。谁先把自家数据交出去被别人验一遍，谁才配谈护城河。
参考资料
动脉网旗下 VCBeat：关于利太智药种子轮与三层技术体系的独家报道（2026 年 10 月 10 日） 中国经济新闻网：利太智药完成近 5000 万元人民币种子轮，介绍 PepUmi、PepUni、PepMirror 三层体系（2026 年 10 月 10 日） 《科创板日报》：利太智药种子轮融资与十五五规划、AI 制药市场规模预测（2026 年 10 月 10 日） 科技日报：AI 企业向生物学研究链条上游延伸，虚拟细胞数据需求（2026 年 10 月 10 日） WhiteLab Genomics 官网新闻室：2600 万美元 B 轮与 ALFRED 平台体内验证进展（2026 年 10 月 6 日） The Ledger Asia：约 18 亿美元 AI 生物学联盟的资金构成（2026 年 10 月 7 日）