物理AI規模化化學初創公司在大藥企中獲青睞
本文介紹了Telescope Innovations公司如何通過其自主駕駛實驗室（SDL）平台，利用物理AI解決製藥和化工行業中的實驗瓶頸，實現高效化學反應優化，並已獲得輝瑞、韓國製藥協會及歐洲製藥公司的部署合同，同時拓展至電池材料回收領域。
在製藥和先進材料行業，研發效率正面臨結構性危機，即所謂的"埃隆姆定律"——生物製藥研發效率每九年左右減半，這與硅谷的摩爾定律截然相反。儘管生成式AI在分子設計領域取得突破，但物理驗證的瓶頸依然存在：實驗室中的手動實驗緩慢、數據碎片化且難以重現，這被學術界稱為"高維度、暗數據和時空反饋缺口"問題。Telescope Innovations通過其自主駕駛實驗室（SDL）平台，將物理機器人、實時採樣和邊緣AI相結合，實現了化學過程的自動化優化。
該公司的SDL系統能夠24/7不間斷運行，通過主動學習算法在複雜化學空間中快速找到最佳反應條件。在手動實驗室環境中，一名化學家每週可能只能執行兩到四個複雜實驗，而SDL每週可執行並分析數十個優化實驗，且由於AI利用主動學習，它運行的不是更多實驗，而是更少、更智能的實驗，導航複雜多維化學空間並找到最佳反應產率，同時僅消耗通常所需昂貴試劑的一小部分。這一技術已獲得頂級製藥公司的認可：輝瑞在2026年安裝了第二套SDL系統，韓國製藥協會（KPBMA）將SDL部署為300多家成員公司的共享基礎設施，而一家歐洲製藥巨頭也在2026年6月簽署了首個結晶優化合同。
Telescope的技術不僅限於製藥。其ReCRFT™和DualPure™平台在電池材料領域展示了通用性——從回收的黑色物質中提取出純度超過99.9%的碳酸鋰，樣品已交付給Cellmine和聖安德魯斯大學用於製造鋰離子電池。這一成果獲得了高達336萬美元的政府資助，證明了平台在不同行業的適應性。
在商業模式上，Telescope採取了多階段策略。當前階段（IBM階段）通過直接銷售SDL硬件和提供付費概念驗證服務獲得收入；未來計劃轉向類似Schrödinger的SaaS模式，授權預訓練的AI模塊（如結晶優化算法）；最終目標是通過自主發現的化學專利獲取持續版税。公司估值目前較低，但擁有清晰的增長路徑和強大的技術護城河，包括其專有的DirectInject-LC™分析硬件。儘管存在執行風險、資本密集度和市場競爭等挑戰，但Telescope已經證明了其不是一個學術項目，而是一個產生收入的工業工具。在AI投資從純軟件轉向物理世界的趨勢中，該公司正處在這一變革的核心。