摘要： 10x Science 於 2025 年 12 月創立，2026 年 4 月宣布獲 480 萬美元種子輪，專注生成後的表徵分析。平台以確定性化學與生物演算法搭配 AI 代理，自動判定分子組成與結構，並留存法規遵循所需紀錄。
TechCrunch 在 2026 年 4 月 22 日報導:2025 年 12 月創立的新創 10x Science,募得 480 萬美元種子輪,Initialized Capital 領投,Y Combinator、Civilization Ventures 與 Founder Factor 參與。這家公司不做候選藥物生成,而是接手生成之後的下一步:表徵分析(characterization)。
背景不複雜:蛋白質結構預測在 2024 年拿下諾貝爾化學獎,AlphaFold 是代表,這讓 AI 吐出的候選分子快速累積;但每個候選都得先量測、驗證、確認結構,才輪得到測試與量產。上游生成能量供過於求,下游的分析儀器與資料處理卻沒有跟著長大——10x Science 看準的正是這段落差。
候選藥物生成之後,卡住的環節在哪裡
共同創辦人 David Roberts 用漏斗作比:「你想在漏斗頂端加多少候選都行」,但每顆分子終究得闖過表徵分析這關。判定組成與結構的標準做法是質譜儀(mass spectrometry),量測分子的質量與電荷;過去這工作靠資深科學家手動比對數據、反覆試錯,相當耗時。上游產能被 AI 放大十倍後,瓶頸便全數落在這裡。
技術路線:質譜數據遇上 AI 代理
這套平台採混合設計:確定性的化學與生物演算法,配上有質譜數據訓練的 AI 代理。設計重點如下:
- 質譜數據可直接餵進平台,分子組成與結構由系統自動判定
- AI 代理能跨步驟接力,貫串整個分析流程
- 分析全程可追溯(traceable),完整留存法規遵循所需紀錄
早期使用者把差別講得很具體:Rilas Technologies 的科學家 Matthew Crawford 送上一個檔案,平台光憑檔名就認出蛋白質身分,接著自行從線上資料庫撈出對應序列。這種「自己補完上下文」的本事,正是它有別於傳統質譜軟體之處。
種子輪 480 萬美元:一整組 Bertozzi 實驗室班底
創辦者是三個人:David Roberts 是化學生物學家,Andrew Reiter 是生物學家,Vishnu Tejus 則是具電腦科學與 AI 背景的連續創業家。三人同樣受訓於史丹佛諾貝爾獎化學得主 Carolyn Bertozzi 的實驗室,研究題目是癌細胞和免疫系統如何互動。種子輪的錢將投向三處:增加工程人手、繼續調校模型、開發更多客戶;長期目標是把蛋白質結構數據跟其他細胞數據湊在一起,按 Roberts 的說法,「定義分子智慧(molecular intelligence)的新方式」。
客戶是誰,錢怎麼收
Rilas Technologies 是 Crawford 的東家,替客戶代跑分析,為對方省下「數百萬美元」的設備開銷;他用平台已數週,說它替急著要質譜答案的研究者「把那罐蟲子蓋上」。Rilas 之外,公司稱也在與多家大型藥廠和學術研究人員合作。
收費採按月訂閱的 SaaS。Zoe Perret 所屬的 Initialized Capital 正是本輪領投方,她說得直接:「這是一個藥廠每個月都必須付費的平台。」生成端模型按次呼叫收費;表徵分析則是持續運作、以合規為核心的流程——黏著度顯然高一截。
給 AI for Science 團隊的三個訊號
訊號有三個。其一,價值往下游移:生成候選分子的門檻越來越低,驗證與表徵成了新的稀缺能力。其二,「確定性演算法加 AI 代理」的混合架構比端到端黑箱更容易熬過監管審視——製藥場景裡,可追溯性從來不是加分,而是過關條件。其三,480 萬美元放在 2026 年的 AI 融資裡屬小數字,但「小資金、深領域、訂閱制」這條路,是給無意跟巨頭拼算力的 AI for Science 團隊的一份務實範本。