人工智能正持续重塑化学领域。例如，由 Y Combinator 支持、总部位于英国剑桥的 ReactWise，正利用 AI 加速化学制造——这是新药推向市场的关键环节。
当实验室确定有前景的药物后，制药公司需扩大生产规模以进行临床试验。ReactWise 提供的“化学工艺优化 AI 副驾驶”，据称能将传统试错法寻找最佳制造工艺的流程提速 30 倍。
联合创始人兼 CEO Alexander Pomberger（上图左侧，与联合创始人兼 CTO Daniel Wigh 合影）在接受 TechCrunch 采访时表示：“制药过程类似烹饪，需找到最佳配方以实现高纯度、高产率。”
他指出，该行业长期依赖“工艺开发”，本质是试错或依靠员工经验。引入自动化可显著减少确定可靠制造配方所需的迭代周期。
ReactWise 预计两年内实现“一次预测”，即 AI 无需多次迭代反馈即可直接预测理想实验。即便目前，其机器学习模型已通过减少研发链条中的迭代次数，带来显著成本节约。
消除繁琐工作
Pomberger 表示，灵感源于其化学家背景及在大型药企的经历，他深知行业对试错的依赖。该企业将五年学术研究转化为“简单软件”，其博士论文即聚焦“机器人工作流程与 AI 驱动的化学合成自动化”。
ReactWise 的核心基石是在自有实验室进行的“数千次”反应，旨在捕获数据支撑 AI 预测。通过“高通量筛选”方法，公司可同时筛选 300 次反应，大幅加快训练数据采集进程。
他说：“制药行业常用反应类型有限。我们在实验室为这些关键反应生成数千个数据点，训练基础反应性模型，使其从根本上理解化学原理。客户开发可扩展工艺时，无需从零开始。”
自去年八月启动反应类型捕获以来，该进程预计夏季完成，目标是积累 20,000 个化学数据点以覆盖最重要反应。
“传统方式获取单个数据点需化学家耗时 1-3 天，评估成本极高且困难。”Pomberger 补充道。
目前技术主要聚焦治疗各类疾病的“小分子药物”制造工艺，但也适用于其他学科。公司正与两家材料制造商合作，开发聚合物药物递送系统。
ReactWise 的自动化方案包含能与机器人实验室设备对接的软件，以提升制造精度。公司专注于销售软件而非制造硬件，但在客户拥有相关设备时，可提供驱动解决方案。
这家成立于 2024 年 7 月的英国初创公司，已在药企部署 12 个软件试点项目。Pomberger 预计今年晚些时候将迎来首批订阅制软件的全面部署，合作方包括部分大型制药公司。
种子前融资
ReactWise 向 TechCrunch 独家披露了 340 万美元种子前轮融资详情。
资金构成包括：YC 投资的 50 万美元、Innovate U.K. 约 120 万英镑（约 160 万美元）资助，以及来自未具名风投和天使投资人的约 150 万美元。后者致力于推动 AI 驱动的可持续药物制造。
尽管聚焦药物研发特定环节，Pomberger 强调此环节的加速对缩短新药上市时间具有实质性影响。
“一款药物从启动到上市平均需 10-12 年，其中工艺开发占 1.5-2 年。若将该流程平均缩短 60%，其影响巨大。”他指出。
随着更多自动化创新融入药物开发各环节（如早期化学物质识别），有望产生叠加效应。
在药物制造领域，Pomberger 认为 ReactWise 处于领先地位，“我们是首个真正着手解决此问题的团队”。
公司与 JMP 等传统统计软件竞争。相比其他利用 AI 加速制造的竞品，ReactWise 凭借高质量化学反应数据集具备优势。
“我们是唯一有能力并持续内部生成高质量数据集的公司。多数竞品仅提供软件，客户按输入接收指令；而我们提供预训练模型，因其深刻理解化学而更强大。”
“我们的理念是客户只需指定感兴趣反应并点击开始，基于我们实验室的预先工作，从第一天起即可获得工艺建议。这是目前其他公司尚未实现的。”