2025年5月，人工智能驱动型生物技术公司Pathos AI宣布完成3.65亿美元D轮融资，投后估值达16亿美元。此次不仅刷新了AI制药领域的融资纪录，更标志着人工智能在肿瘤药物研发中的应用迈入深水区。作为一家专注于通过多模态数据和AI技术革新药物开发流程的创新企业，Pathos AI的成长轨迹与行业趋势紧密交织，而其融资背后更折射出肿瘤治疗领域的激烈竞争与未来潜力。

图片来源：Pathos官网

1

Pathos AI的里程碑：

AI如何重塑肿瘤药物开发逻辑?

Pathos AI的核心竞争力在于其专为肿瘤学设计的AI Foundation Model。该平台整合了数拍字节(PB级)的肿瘤基因组、临床和影像数据，通过多模态分析加速从靶点发现到临床试验设计的全流程优化。例如，其管线中的前列腺癌候选药物pocenbrodib(CBP/p300抑制剂)和脑渗透性PRMT5抑制剂P-500，均通过AI模型优化了分子设计与适应症筛选，显著缩短了从实验室到临床的周期。

此次融资的核心用途包括：

1. 推进临床阶段管线：支持分别从诺和诺德和Prelude Therapeutics引进的两项癌症药物临床试验;

2. 构建最大肿瘤多模态基础模型：通过整合影像、分子和临床数据，提升生物标志物发现效率和临床试验成功率;

3. 深化行业合作：与阿斯利康和Tempus AI签订了价值2亿美元的数据许可和模型开发协议，进一步扩展数据资源与技术协同。

2

肿瘤治疗赛道：

AI药企与传统巨头的竞合博弈

Pathos AI的崛起并非孤例。全球范围内，众多制药企业正通过差异化靶点和技术平台抢占市场：

靶点创新：如康方生物的PD-1/VEGF双抗依沃西，通过“单药头对头试验”击败默沙东的“药王”K药，成为肺癌治疗的新标杆;

技术融合：国内药企在抗体偶联药物(ADC)领域力求突破，CDH17、FGFR2b等新型靶点药物均已推进至临床I期;

AI生态竞争：谷歌推出TxGemma语言模型加速分子筛选，微软的TamGen算法实现分子生成自动化，而Pathos AI则通过垂直领域的多模态数据构建护城河。

然而，AI制药仍面临数据壁垒与临床验证的双重挑战。例如，中国医院信息系统标准不统一导致数据碎片化问题限制了AI模型的训练效率，而Pathos通过与Tempus等企业合作获取高质量数据，部分化解了这一矛盾。

3

未来展望：

AI能否打破肿瘤治疗的“死亡之谷”?

尽管AI显著提升了早期药物发现的效率，但临床阶段的成功率仍是行业痛点。据统计，90%的新药在临床试验中失败，主要原因包括疗效不足或安全性问题。对此，Pathos AI的策略是通过更精准的患者分层和生物标志物预测，降低Ⅲ期临床风险。

此外，政策环境的变化也为AI制药注入新动能。FDA逐步取消动物试验要求，转而认可AI预测模型和类器官等替代方法，这或将为Pathos等企业打开监管审批的快速通道。

结 语

Pathos AI的3.65亿美元融资不仅是资本对AI技术的投票，更是肿瘤治疗领域范式变革的信号。当AI从“工具”升级为“决策引擎”，药物开发的成本、周期和成功率均可能被重新定义。然而，技术的最终价值仍需通过临床疗效验证——正如康方生物的依沃西单抗所示，只有兼具科学突破与临床优势的创新，才能在全球竞争中立于不败之地。

未来，AI制药的竞争将聚焦于数据生态、跨学科整合与临床转化效率。而Pathos AI能否凭借多模态模型成为下一个行业标杆，或许未来在其临床试验数据中会找到答案。