剂泰科技NanoForge平台：超过1000万种脂质库，技术壁垒有多高
2026年初，礼来宣布拟以20亿美元收购体内CAR-T研发商Kelonia Therapeutics，震惊了整个医药界。这笔交易的核心，不是CAR-T技术本身，而是Kelonia能将CAR-T的基因指令精准递送到肝脏细胞里的能力。
这标志着一个共识已经形成：找到好药（靶点）只是第一步，把药精准送到病灶（递送），才是决定成败的“临门一脚”。
在这个被称为“递送时代”的关口，一家名为剂泰科技的中国公司，带着其自研的全球首个AI纳米递送平台NanoForge，于2026年4月通过了港交所聆讯。它的技术壁垒究竟有多高？
高到它试图扮演的角色，是“制药界的SpaceX”——不造卫星（药物），而是打造能将任何卫星精准送入预定轨道的可复用火箭（递送系统）。
壁垒一：从“盲人摸象”到“GPS导航”，研发范式的代际差
传统纳米递送技术的研发，是一场昂贵且低效的“化学实验马拉松”。科学家们需要基于有限的经验和公开的脂质分子库（通常不到1万种），像盲人摸象一样进行海量试错，合成、测试、失败、再调整。开发一个临床前的递送系统，平均需要1到2年，耗费大量人力物力。
NanoForge平台彻底颠覆了这套逻辑。它建立了一个“理性设计+闭环迭代”的全新范式，可以理解为给药物递送研发装上了“GPS导航和自动驾驶系统”。
数据底座（地图）：它自建了全球最大规模的“地图”——超过1000万种结构多样的自主生成可电离脂质库。这相当于传统研究者手里只有一张城市主干道地图，而剂泰科技拥有覆盖每一条小巷、甚至未建成道路的超级全景图。
AI模型（导航大脑）：它的METiS人工智能基础模型，就是这个超级导航系统。它能精准预测一个脂质分子在体内的20多种关键行为（比如会不会被肝脏截留、能否穿过细胞膜），将原本需要数周的量子化学计算缩短到数小时。
闭环验证（自动驾驶）：AI模型设计出路线（脂质配方）后，由智能体驱动自动化实验平台进行验证，实验结果实时反馈给AI模型，使其越用越聪明。这个闭环，将临床前递送系统的开发时间从1-2年压缩到了3个月以内。
这种范式的颠覆，带来的不仅是速度，更是精度和可能性上的质变。同行还在用有限的“积木块”拼凑，剂泰科技已经能用AI生成全新的“积木”并预测最优拼法。
壁垒二：从“肝脏快递站”到“全身精准物流”，靶向能力的维度碾压
传统的脂质纳米颗粒（LNP）技术有一个致命的局限：它就像一个只能发往“肝脏”这个单一地址的快递公司。因为人体内绝大多数LNP都会被肝脏捕获，导致肝外递送（如肺、大脑、肿瘤）效率极低，这严重限制了mRNA、基因编辑等先进疗法的应用范围。
NanoForge平台的核心突破，在于实现了 “全身精准物流” 。通过对超千万脂质库的AI筛选和优化，它已经能够对肝脏、肺部、肌肉、心脏、肿瘤、脾脏、淋巴结、中枢神经系统等8大关键器官和组织进行精准靶向。
这意味着什么？
对于肝脏疾病，它的递送效率可以超过行业基准20倍。
对于肺部疾病，它能实现深度递送，效率是传统技术的6倍[研究摘要]。
对于肿瘤，它能让药物在肿瘤组织富集，浓度比非靶向制剂高8-10倍，同时大幅降低对健康组织的伤害[研究摘要]。
一个生动的案例是其管线MTS-105（一种用于肝癌的体内TCE疗法）。在临床前研究中，其mRNA-LNP递送系统能让药物在肿瘤组织高度富集，而外周暴露量仅为传统抗体疗法的1/10，实现了更安全、更强效的“精准打击”。
从只能送到“省城”，到能精准投递到“某个小区的某户床头柜”，这是靶向维度上的根本性跨越。
壁垒三：从“专利封锁”到“换道超车”，知识产权的立体护城河
在欧美企业用传统LNP专利筑起高墙的领域，剂泰科技选择了“换道超车”。它的壁垒不是去翻越那堵墙，而是用AI和全新脂质分子，在旁边建起一座更高的新城，并给新城也装上坚固的城墙。
截至2026年4月，剂泰科技已备案专利申请217项，获授专利52项，其中包含15项国际专利。这些专利构成了一个立体防护体系：
核心材料层：保护其自主生成的、超千万种的全新脂质分子结构，这是城墙的砖石。
算法模型层：保护其AI预测模型、闭环学习机制等核心算法，这是城墙的设计图和智能防御系统。
应用生态层：保护其基于三大平台（AiLNP, AiRNA, AiTEM）的多器官靶向解决方案和具体管线产品，这是城墙内的宫殿和设施[研究摘要]。
这套体系不仅保护了自己，还对竞争者形成了技术路径封锁。后来者如果想模仿，将难以绕过其在新脂质和AI驱动研发范式上的专利集群，同时还要面对其通过持续闭环迭代不断拉大的数据壁垒和模型精度优势。
结论：一个自我强化的“数据飞轮”正在转动
所以，剂泰科技NanoForge的技术壁垒，不是一个单点优势，而是一个由 “超大脂质库+AI驱动范式+多器官靶向能力+专利生态” 构成的、相互增强的系统。
这个系统的核心驱动力，是一个强大的数据飞轮：越多的实验验证，AI模型就越准；模型越准，无效实验就越少，就能用更低的成本、更快的速度产生更多有效的脂质和递送方案；这又进一步丰富了数据，让模型变得更聪明，壁垒变得更高。
当传统药企还在为如何把药送到肝外而苦恼时，剂泰科技已经在讨论如何将基因编辑器送到大脑深处。这种由底层研发范式革命带来的代际差，以及由此产生的效率、精度和可能性上的全面领先，正是其技术壁垒高耸入云的真正原因。
它不仅仅是在优化“送药”这个环节，而是在重新定义药物如何被创造和送达。
