2026 年 4 月 22 日,TechCrunch 報導,2025 年 12 月成立的新創 10x Science 完成由 Initialized Capital 領投的 480 萬美元種子輪,Y Combinator、Civilization Ventures 與 Founder Factor 跟投。它做的不是再生成一批候選藥物,而是處理生成之後的那一步:表徵分析(characterization)。
背景很直白。以 AlphaFold 為代表的蛋白質結構預測(2024 年諾貝爾化學獎)讓 AI 產出的候選分子數量暴增,但每個候選都必須先被量測、驗證、確認結構,才能進入測試與量產。上游的生成產能已經過剩,下游的分析儀器跟資料處理沒有同步膨脹——10x Science 押注的正是這個缺口。
AI 生成候選藥物之後的瓶頸
共同創辦人 David Roberts 的比喻是漏斗:「你想在漏斗頂端加多少候選都行」,但每一個分子終究要通過表徵分析這一關。質譜儀(mass spectrometry)測量分子的質量與電荷,是判定組成與結構的標準手段,但傳統上依賴資深科學家手動比對數據、反覆試錯,曠日廢時。當 AI 把上游產能放大十倍,瓶頸就整個移到這裡。
質譜加 AI 代理:技術路線
10x Science 的平台是一套混合架構:確定性的化學與生物演算法,加上以質譜數據訓練出來的 AI 代理。幾個設計重點:
- 平台直接讀取質譜數據,自動判定分子的組成與結構
- AI 代理可以跨步驟協作,把分析流程串起來
- 分析過程可追溯(traceable),為法規遵循留下完整紀錄
早期使用者的實例足夠具體:Rilas Technologies 的科學家 Matthew Crawford 上傳檔案後,平台從檔名推斷出蛋白質身分,自己到線上資料庫找出對應序列。這種「自己補完上下文」的能力,正是它與傳統質譜軟體的差別。
480 萬美元種子輪與 Bertozzi 實驗室血統
三位共同創辦人——化學生物學家 David Roberts、生物學家 Andrew Reiter,以及有電腦科學與 AI 背景的連續創業家 Vishnu Tejus——都出身史丹佛諾貝爾獎得主 Carolyn Bertozzi 的實驗室,在那裡研究癌細胞與免疫系統的互動。種子輪資金將用於擴編工程團隊、打磨模型,並擴大客戶基礎;長期目標是把蛋白質結構數據與其他細胞數據結合,用 Roberts 的說法,「定義分子智慧(molecular intelligence)的新方式」。
早期客戶與商業模式
Crawford 任職的 Rilas Technologies 為客戶代跑分析,替客戶省下「數百萬美元」的設備投資;他已使用平台數週,形容它幫需要快速質譜答案的研究者「把那罐蟲子蓋上」。除了 Rilas,公司表示正與多家大型藥廠和學術研究人員合作。
商業模式是按月訂閱的 SaaS。Initialized Capital 的 Zoe Perret 講得直白:「這是一個藥廠每個月都必須付費的平台。」對照生成端模型的一次性呼叫計費,表徵分析是持續性、合規導向的工作流程——黏著度明顯更高。
對 AI for Science 團隊的啟示
三個訊號。第一,價值正在往下游移動:生成候選分子的門檻持續降低,驗證與表徵成為新的稀缺能力。第二,「確定性演算法加 AI 代理」的混合架構,比端到端黑箱更容易通過監管審視——可追溯性在製藥場景不是加分題,是入場券。第三,480 萬美元在 2026 年的 AI 融資裡是小數字,但「小資金、深領域、訂閱制」這條路,對不想跟巨頭拼算力的 AI for Science 團隊是更可行的參考。
參考來源
- AI is spitting out more potential drugs than ever. This startup wants to figure out which ones matter — TechCrunch
- 10x Science — 官方網站
- The Nobel Prize in Chemistry 2024 — NobelPrize.org
本文由 AI 協助自上述來源整理，經人工審核後發布。