Terray Therapeutics
AI drug discovery company whose tNova platform generates massive quantitative chemistry datasets to train generative models for small-molecule design.
Key Features
- EMMI 平台整合自研硬體、自建資料集與自研 AI 模型
- 高通量化學量測，產生條件一致的大規模交互作用資料
- 專注小分子藥物的先導化合物發現與最佳化
- 以自建資料訓練模型，降低對公開資料集的依賴
- 同時推進自家新藥管線與產業合作
Pros
- 自建資料產生能力，等於握住 AI 製藥最關鍵的瓶頸
- 量測條件一致，訓練資料品質比拼湊公開資料集高出一截
- 硬體、資料、模型三層垂直整合，別人不容易複製
Cons
- 自建硬體資本支出重，前期燒錢速度快
- 官網對管線適應症與臨床階段揭露不多，外界難以評估進度
- 不對外開放平台，研究者無法自行驗證其模型表現
Use Cases
- 藥廠尋找小分子先導化合物的外部合作夥伴
- 生技分析師研究 AI 製藥公司的資料護城河策略
- 學術單位參考高通量量測與模型訓練的整合設計
- 精密儀器業者理解生技領域的硬體需求
- 投資人比較各家 AI 製藥公司的技術路線差異
Editor's Note
AI 製藥圈子裡，我一直覺得「資料從哪來」才是真問題，模型架構反而是次要的。Terray 選了最笨也最硬的路——自己蓋機器生資料。這條路燒錢，但一旦跑通，別人要追就得從頭蓋一次硬體。值不值得？要看它管線的臨床數據，現在還太早下定論。
FAQ
Terray 跟一般的 AI 藥物設計軟體差在哪？
差在資料來源。多數 AI 藥物設計軟體是拿公開或客戶的資料來跑模型；Terray 自己蓋量測硬體去生產資料。這讓它的訓練資料在條件一致性上有優勢，代價是資本支出重很多。
EMMI 平台可以買授權嗎？
官網沒有公開授權方案或價格，走的是合作洽詢模式。它同時也推進自家管線，所以比較接近「有平台的新藥公司」而不是「賣平台的軟體商」。
這種路線的風險是什麼？
最大的風險是自建硬體的資本支出與時間。硬體要調到穩定產出高品質資料需要時間，而這段期間沒有營收；一旦資料優勢沒有轉換成真正推進到臨床的候選藥物，這個護城河的價值就會被打問號。
