印度班加羅爾新創 Peptris Technologies 成立於2019年，由前 AstraZeneca 印度研發主管 Shridhar Narayanan 與軟體工程師 Venkatasubramanian Narayanan 等人共同創立，並孵化於 C-CAMP。公司以生成式AI平台設計小分子、預測候選藥的成藥特性及離靶作用，並將既有藥物重新定位至新的疾病適應症。
Peptris 已將糖尿病藥物 PEPR124（RT001）重新定位為杜興氏肌肉失養症候選藥，授權予 Revio Therapeutics；該適應症在印度約有40萬名患者，並取得美國 FDA 孤兒藥資格。公司另取得印度政府 RDI 基金 8,600萬盧比補助，規劃推進四項臨床前資產，並於2026年2月完成由 IAN Alpha Fund 與 Speciale Invest 領投的 7,000萬盧比A輪融資。
這筆資金將讓 Peptris 從早期演算法供應商轉向更完整的藥物研發與開發公司。核心挑戰不是AI能否提出候選分子，而是能否通過生化、細胞、動物與人體試驗的連續驗證。
AI 藥物研發的技術史，真正的突破並非單一模型問世，而是計算預測能力、蛋白質結構資料、自動化實驗室與轉譯醫學逐步匯流。AlphaFold 讓研究者更容易預測蛋白質三維結構，生成式AI則進一步把藥物設計從「搜尋既有分子」推向「依目標生成並最佳化候選結構」。Peptris 的演算法不只針對單一疾病或治療靶點，而是橫跨腫瘤、罕見疾病與發炎領域，並可預測分子的離靶結合情形。
然而，演算法輸出的漂亮分子結構不等於安全、有效且可商業化的藥物。藥物研發真正困難的部分，是生物活性、細胞毒性、吸收代謝、製程放大與臨床有效性之間的高度不確定性。Peptris 創辦人也承認，平台只在部分靶點表現良好，證明模型仍持續改進。這種坦白反而是評估新創公司的重要指標：AI可以縮短搜尋與設計時間，卻不能取代濕實驗、毒理測試和臨床醫師。
這類公司面對的主要結構性矛盾，是「多資產平台」與「資本效率」之間的拉鋸。傳統生技高度依賴單一主打資產，卻也可能因一項失敗而陷入存亡危機；平台型策略可分散風險，卻要求公司維持龐大實驗室、資料與候選管線。Peptris 將部分開發留在體內，代表願意承擔更多成本與失敗風險。
印度政策補助與A輪資金提供了轉型空間，但資金用途仍受國際同業競爭與藥品開發週期約束。其策略性優勢是較低成本的研究人才、臨床與實驗資源，以及少數疾病未被大型藥廠充分關注的機會；相對劣勢則是全球臨床招募、監管審查、國際授權與後期資本能力。真正的護城河不是模型本身，而是模型、資料閉環、實驗驗證與交易能力能否形成可複製的研發系統。
戰略貿易流向與供應鏈依賴度
HS 8507資料來源：UN Comtrade 聯合國商品貿易統計庫 · 全球市場規模 $1,300 億美元 / 年 (複合成長率 >24%)
Peptris 的案例與過往AI藥物研發熱潮相似：每一輪都伴隨「縮短十年研發週期」的期待，但多數平台仍需證明預測結果能穿透生物學與人體試驗。印度政府補助及A輪資金，使公司可在資本耗用較高、傳統生技難以承受的多資產模式中多推進一段時間；真正的分水嶺則是候選藥能否進入人體試驗、取得療效數據並完成對外授權。
整體而言，AI 不會消除藥物研發的高失敗率，但會重新分配哪些環節值得投入更多實驗資源。Peptris 的意義，在於它代表印度新創正從演算法展示跨入資本密集、監管密集且容錯率更低的真實藥物開發階段。未來兩至三年的關鍵不是再發表多少模型成果，而是第一份可信的人體療效數據。
01 起因觸發｜生成式AI、蛋白質結構預測與印度生命科學政策補助交會，催生Peptris平台型新創。
02 一階傳導｜藥廠與投資人將AI候選生成、離靶預測、既有藥物重新定位及臨床前驗證納入新創評估。
03 二階擴散｜印度新創由純軟體定位轉向完整研發公司，帶動人才、實驗室、臨床試驗與資本需求同步上升。
04 跨國外溢｜美國孤兒藥資格、國際授權及大型藥廠內部AI工具化，重塑全球生技合作與知識流動。
05 產業重組｜AI模型商品化壓縮演算法溢價，資料閉環、實驗執行與後期臨床能力成為新護城河。
06 宏觀終局｜若印度能建立法規、臨床與資料基礎設施，可由低成本研發基地升格為全球罕見疾病創新樞紐。
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
ACLED 地緣衝突與安全熱區監測
MODERATE (區域摩擦)監測熱區：南亞與印太邊界 (South Asia & Border Security)（克什米爾 · 開柏爾-普赫圖赫瓦 · 印中邊界）
📡 區域安全態勢評估： 開柏爾走廊武裝襲擊活躍度攀升，巴基斯坦與阿富汗塔利班邊界摩擦牽動中巴經濟走廊 (CPEC) 安全。
