Der chinesische AI4LS-Sektor erzielte in 10 Monaten beeindruckende Ergebnisse: 3,5 Milliarden US-Dollar und 124 Finanzierungsrunden.
34,91 Milliarden US-Dollar – das ist der Gesamtbetrag der Finanzierungen, die Chinas AI for Science (AI4S) im Bereich der Biowissenschaften (AI4LS) in den ersten 10 Monaten erhalten hat.
58,33 Milliarden US-Dollar – das ist die Summe der 10 größten Finanzierungen im globalen AI4LS-Bereich in den ersten 10 Monaten dieses Jahres.
Das Geld fließt von den Rechenkapazitätsanlagen im oberen Bereich über die Modelle und Plattformen im mittleren Bereich bis hin zu den vertikalen Szenenanwendungen im unteren Bereich – eine vollständige Industriekette hat sich innerhalb von 10 Monaten vollständig entfaltet.
Der Fluss des Geldes repräsentiert den Fluss der Branche:
Die Finanzierungsrunden weisen einen deutlichen Bruch auf – 65,3 % fließen in die Seed-/Angel-Runde und die Serie A, wobei die echte Frühphase (Seed/Angel) 23,4 % ausmacht; nach der Serie B beträgt der Anteil nur noch 11,3 %.
Die Investitionen erfolgen früh, sind aber nicht verteilt – 11 Finanzierungen mit jeweils über 100 Millionen US-Dollar machen über 2 Milliarden US-Dollar aus, was mehr als 50 % des Gesamtbetrags entspricht. Das Kapital streut nicht breit, sondern bindet die führenden Unternehmen bereits in der frühesten Phase mit großen Summen.
Damit ergeben sich konkrete Ziele für den Geldfluss:
An wen wurden 34,91 Milliarden US-Dollar vergeben?
Wofür wird das Geld gekauft? Wofür zahlen die Investoren?
Bevor das „Jahr der Umsetzung“ kommt, können diese Daten möglicherweise zunächst den industriellen Pfad zur wissenschaftlichen Intelligenz markieren.
01
65 % der Runden sind Frühphaseninvestitionen, aber 50 % des Geldes fließen an 11 führende Unternehmen
Der Primärmarkt ist das empfindlichste Barometer, das die Richtung neuer Branchen klar erkennen lässt.
Wenn man 124 Finanzierungen nach Runden aufschlüsselt, weist der Finanzierungspool des AI4LS-Primärmarktes eine sehr klare Ausrichtung auf „Neuentstehung“ auf – 65,3 % des Geldes fließen in die Seed-/Angel-Runde und die Serien A. Insbesondere macht die echte Frühphase, die Seed-/Angel-Runde, fast ein Viertel (23,4 %) aus.
Abbildung: AI4LS-Finanzierungsrunden in China von Januar bis Oktober 2026
Aus grundlegender Logik überlagert AI4LS die Erwartungen an die Wertrealisierung von Gesundheitswesen und Hochtechnologie. Die Preisgestaltung des Primärmarktes dafür basiert von Anfang an auf „Paradigmeninnovation“ und nicht auf „laufenden Ergebnissen“.
Zhang Chong, Partner von Songhe Capital, ist der Ansicht, dass der aktuelle AI4LS-Primärmarkt im Wesentlichen den „Optionswert der erwarteten Durchdringungsrate der Plattform“ im Voraus bewertet.
In der Vergangenheit konzentrierten sich die Bewertungslogiken für KI-Pharmazeutika auf Meilensteine von Pipelines und lineare DCF-Bewertungen. Aber heute hat sich der Bewertungsanker von AI4LS zu einer nichtlinearen Optionsbewertung nach der Formel „Gesamtmarkt × (erwartete) Durchdringungsrate“ gewandelt. Personalintensität, Datenvermögen und Plattformflexibilität ersetzen laufende Einnahmen als Kernvariablen.
Aber der Bruch ist ebenfalls deutlich : Die Runden nach der Serie B machen nur 11,3 % aus.
Die Neuentstehung bedeutet, dass die Pfade für Exit und Umsetzung noch nicht klar sind.
Frühe AI4LS-Projekte können bereits mit Spitzenwissenschaftlern und Demo-Produkten eine Angel-/Serie-A-Finanzierung erhalten, wobei die Geldgeber meist risikobereite VC-Unternehmen aus dem Gesundheitswesen und der Hochtechnologie sind. Nach der Serie B benötigen die Projekte jedoch Hunderte Millionen oder sogar Milliarden an Kapital, um die Produktimplementierung voranzutreiben oder kommerzielle Teams aufzubauen, und warten dringend auf langfristiges Kapital mit tiefem industriellen Hintergrund.
Gleichzeitig bedeutet „früh investieren“ nicht, dass das gesamte Geld an „kleine“ und „neue“ Unternehmen fließt.
Die Frühphasenfinanzierung von AI4LS ist im Wesentlichen immer noch eine „Investition in die Marktführer“, bei der die Wegbereiter der Branche bereits in der frühesten Phase stark unterstützt werden.
Laut unvollständigen Statistiken von Arterial Network gab es von Januar bis Oktober 11 Finanzierungen im AI4LS-Bereich mit jeweils über 100 Millionen US-Dollar, die insgesamt über 2 Milliarden US-Dollar ausmachen, mehr als 50 % des Gesamtbetrags entsprechen und einen durchschnittlichen Finanzierungsbetrag von über 178 Millionen US-Dollar aufweisen.
Abbildung: Die 11 größten AI4LS-Finanzierungen mit über 100 Millionen US-Dollar in China von Januar bis Oktober 2026
Aus der Position in der Industriekette verteilen sich diese 11 führenden Ziele auf drei Glieder, wobei ihre jeweiligen Finanzierungslogiken unterschiedlich sind:
Unternehmen im Infrastrukturbereich wie Rechenkapazitätsbasen im oberen Bereich, kombiniert mit Investoren aus dem Hochtechnologiebereich, werden zu den Hauptempfängern großer Finanzierungen.
Modelle und Plattformen im mittleren Bereich konzentrieren sich auf relativ reife Anbieter, Hersteller und Dienstleister mit eigenen entwickelten Modellen oder Produkten.
Am Ende der vertikalen Szenenanwendungen im unteren Bereich fließen große Summen an Star-Unternehmen mit klarer kommerzieller Logik.
Wenn sich das Kapital auf AI4LS konzentriert, hat sich die Schwelle für große Finanzierungen von „Plattformgeschichten“ zu „Szenenanker + technischer Kreislauf“ verschoben: Kurzfristig zählt der Cashflow aus dem Szenario, langfristig die Obergrenze des Paradigmas.
Die Kriterien für die Auswahl von Zielobjekten werden damit ebenfalls klar.
Ausgeprägte technische Eigenständigkeit und starker Szenenanker – ob programmierbare Bioingenieurwesen von Molecule Mind, der Datenkreislauf für trockene und nasse Experimente von Xunming Bio, das synthetische Biologievermögen von Baio Geometry oder industrielle Bestellungen im Millionenbereich von Deep Principle – alle zielen auf die Implementierung technischer Plattformen und szenengesteuerte Anwendungen ab.
Klarer Pfad für Exit und Umsetzung – nach Abschluss der 149 Millionen US-Dollar großen IPO-Grundsteinfinanzierung wurde Jitai Technology als „erstes globales KI-Arzneimittelverabreichungsunternehmen“ an der Hongkonger Börse notiert und eröffnete am ersten Tag mit einem Plus von 175 %. Xinsheng Tantou konzentriert sich auf eine KI-Plattform für die Entwicklung kleiner Molekül-Arzneimittel; Yuansi Shengpei spezialisiert sich auf die KI-gestützte Entwicklung synthetischer Peptid-Arzneimittel.
Unterstützung durch große Konzerne und Star-Teams – Xinsheng Tantou (Anew Labs), das im September die größte einzelne KI-Pharmazeutika-Finanzierung des Jahres abschloss, entstand aus dem internen KI-Pharmazeutika-Geschäft von ByteDance. Die Bewertung nach der Finanzierung beträgt 1,5 Milliarden US-Dollar, wobei ByteDance 56 % der Kontrollanteile behält.
Langfristige Wette auf die Industriekette – dahinter stehen Ökosysteme und end-to-end integrierte Fähigkeiten, insbesondere in der Biologiefertigungsbranche, die stark von Lieferung und Vertrieb abhängig ist. Nach Abschluss einer Finanzierung von 1,8 Milliarden Yuan in diesem Jahr erwarb Weiyuan Synthesis Yuxin, das zweitgrößte Xylitol-Unternehmen der Welt, und integrierte die Vertriebsvorteile der synthetischen Biologie; gemeinsam mit der Stanford University, ByteDance und anderen veröffentlichte es die offene Kooperationsplattform für KI-Biocomputing PoseX, die sich zu einer Infrastruktur für Biologiefertigung, biobasierte Materialien und industrielles Enzymdesign entwickelt.
Eine unumgängliche Tatsache ist: Mit steigender Kapitalkonzentration können führende Projekte mehrfache, große und verschiedene Arten von Kapitalunterstützung erhalten, während Frühphasen-Teams ohne experimentelles Vermögen oder klare industrielle Schnittstellen immer noch vor hohen nachfolgenden Validierungshürden stehen.
02
Investitionen in vier Richtungen: KI-Pharmazeutika, KI-Materialien, KI-Biologiefertigung, KI-Grundmodelle und Infrastrukturen
In der Biowissenschaftsbranche mit hohen technischen Barrieren und hohem Ertrag-Risiko-Verhältnis hat die KI mehr Ansatzpunkte für Szenarien und vielfältigere Vorstellungen von der Wertrealisierung.
Die Marktführer nehmen den größten Teil des Geldes ein, aber niemand kann alle Antworten geben.
Betrachtet man die Teilbranchen, konzentrieren sich repräsentative AI4LS-Finanzierungen auf vier Richtungen: KI-Pharmazeutika, KI-Materialien, KI-Biologiefertigung, KI-Grundmodelle und Infrastrukturen.
KI-Pharmazeutika bleiben die Grundbasis, aber die am schnellsten aufheizenden Bereiche sind KI-Biologiefertigung und KI-Materialien. Der Grund liegt möglicherweise darin, dass die Validierungszyklen dieser beiden Richtungen kürzer sind, die kommerzielle Grundbasis größer ist und sie mit Chinas Ingenieur- und Produktionsvorteilen übereinstimmen.
Aus Sicht der technischen Entwicklung weisen die vier Richtungen auf vier gemeinsame Trends hin:
Trend 1: Die Modellierungsebene steigt an, das Wertzentrum verschiebt sich von der „Kandidatengenerierung“ zu „Mechanismus und Umwandlung“
Richtungen wie Weltmodell der Biowissenschaften und KI-virtuelle Zellen versuchen, den kausalen Bruch zwischen molekularer Optimierung und in-vivo/klinischer Umwandlung sowie die Lücke in der Modellierung von Interaktionen zwischen Zellen zu schließen. Das Wertzentrum von KI-Pharmazeutika verschiebt sich von der Generierung von Kandidatenmolekülen hin zur Erklärung von Krankheitsmechanismen und Umwandlungsvalidierung.
Diese Aufwärtsverschiebung öffnet direkt neue Szenenzugänge. Sobald das Modell die Übertragungswege von Interventionen im System erklären kann, erhalten Bereiche, die früher nur durch erfahrungsbasiertes Ausprobieren bearbeitet werden konnten, die Voraussetzungen für eine ingenieurmäßige Neugestaltung – Spitzenrichtungen wie KI-Anti-Aging, KI-Stoffwechsel und KI-orale zyklische Peptide sind gerade durch diese Überlauf der Modellierungsfähigkeiten zu eigenständigen Branchen geworden.
Trend 2: Der trocken-nasse Kreislauf wird zum Standard, wobei „Modellvorhersage – experimentelle Validierung – Datenrückfluss“ betont wird
Die multiskalare Modellierung muss durch einen trocken-nassen Kreislauf für Iteration und Validierung gestützt werden. Wenn das Modell von Molekülen auf Zellen, Gewebe, Organe angehoben wird, können die Parameter jeder Ebene nicht rein durch öffentliche Daten angepasst werden, sondern müssen nur durch kontrollierte Experimente erzeugt werden. Die Voraussetzungen für die Funktionsfähigkeit des Kreislaufs sind, dass das Experimentdesign vom Modell geleitet werden kann, die experimentellen Ergebnisse strukturiert zurückfließen können und die rückgeflossenen Daten das Modell korrigieren können – fehlt eines der drei Elemente, ist die Kette unterbrochen.
Trend 3: Humanisierte experimentelle Daten werden neu als knappe Infrastruktur definiert
Aktuell sind hochwertige, standardisierte Biowissenschafts-Korpora noch knapp. Als eigenes Vermögen, das durch Experimentdesign, standardisierte Erfassung, Metadaten und Modellrückkopplung gemeinsam entsteht, baut wer eine stabile Fähigkeit zur Produktion hochwertiger Daten beherrscht, eine langfristige ausschließliche Barriere auf. Darunter werden Einzelzell-Multiomik, Organchips und Organoidchips nach und nach zu wichtigen Bestandteilen der neuen Generation von KI-Datenbasen.
Trend 4: Fokus auf kommerzialisierbare Schnittstellen, die Modelle differenzieren sich in Plattformdienstleistungen und gemeinsame Entwicklung
Die beiden Modelle haben unterschiedliche Anforderungen an Cash-Verbrauch, Validierungszyklus und Einnahmenbestätigung: Plattformmodelle erfordern replizierbare Bereitstellung und zahlende Kunden, vermögensbasierte Modelle erfordern Pipeline-Meilensteine und Rechteumsetzung. Die kommerziellen Schnittstellen von KI-Biowissenschaftswerkzeugen konzentrieren sich immer noch auf Wirkstoffentdeckung, Zielstrukturen, Zelltherapie, Probenstratifizierung und regulatorisch nutzbare experimentelle Daten, anstatt Abonnements einfach an wissenschaftliche Nutzer zu verkaufen.
03
Finanzkapital investiert in Möglichkeiten, staatliches Kapital sucht Sicherheit, CVC achtet auf Synergien
Wohin das Geld fließt, hängt auch davon ab, wer das Geld bereitstellt.
Die Finanzierungsstruktur des AI4LS-Primärmarktes 2026 zeigt ein klares dreigeteiltes Muster: Finanzkapital investiert in Möglichkeiten, staatliches Kapital in Sicherheit, Industriekapital in Synergien.
Abbildung: Aktive Institutionen im chinesischen AI4LS-Bereich 2026 (unvollständige Statistik nach Arterial Network)
Finanzkapital zeigt eine sehr starke Angriffslust im AI4LS-Bereich. Die Top 3 aktiven Kapitalgeber beteiligen sich an insgesamt mehr als 20 Investitionsprojekten. An erster Stelle beteilig