人工智慧正快速進入藥物研發領域，藥廠與生物科技公司以縮短研發週期並提高成功率為目標。目前超過兩百家新創公司競爭將 AI 整合進研究流程，吸引投資者關注。位於波士頓與特拉維夫的 Converge Bio 是最新受益者，其利用基於分子資料的生成式 AI 協助開發藥物，近期以貝塞默風險投資夥伴（Bessemer Venture Partners）為領軍，籌資兩千五百萬美元完成 A 輪融資，該輪次被過度認購。TLV 夥伴、薩拉斯資本、Vintage 投資夥伴等機構也參與投資，此外還有 Meta、OpenAI 及 Wiz 等公司的未具名高管提供支援。
Converge Bio 透過訓練 DNA、RNA 及蛋白質序列的生成模型，並將其嵌入藥廠工作流以加速開發。執行長多夫·格茨（Dov Gertz）表示，平臺涵蓋從目標識別到製造、臨床試驗等各個階段。公司已推出三個獨立 AI 系統，分別用於抗體設計、蛋白質產量最佳化及生物標記與目標發現。以抗體設計為例，系統整合三個元件：生成模型創造新抗體、預測模型篩選分子特性，以及基於物理模型的 docking 系統模擬抗體與目標的三維互動。客戶無需自行拼湊模型，即可直接使用即插即用系統。
自 2024 年籌得五百五十萬美元種子輪以來，公司規模迅速擴張。目前已完成超過四十個專案，服務美國、加拿大、歐洲及以色列的十多家客戶，並正擴充套件至亞洲。團隊人數從 2024 年 11 月的九人增至三十四人。案例顯示，該公司曾協助合作夥伴在單一計算迭代中將蛋白質產量提升四至四點五倍，並生成具有極高結合親和力的抗體，達到單納摩爾範圍。
儘管大型語言模型（LLM）在分析生物序列方面受到關注，但錯誤率與驗證成本仍是挑戰。Converge Bio 將生成模型與預測模型結合，以篩選新分子降低風險。格茨強調，公司不依賴文字型 LLM 作為核心科學理解工具，而是訓練於 DNA、RNA 及蛋白質資料，僅將 LLM 用作輔助工具。公司願景是成為整個產業的生成式 AI 實驗室