对很多药物化学和生物技术团队来说，最贵的成本并非跑一次蛋白质结构预测或做一次分子模拟，而是从一堆候选假设中挑出哪一个真正值得进入湿实验室。论文中的已知结论、公开数据库、模拟结果和实验记录通常散落在不同系统里，研究者不得不在文献、表格、仪器和讨论组之间来回搬运上下文。一次失败的实验不仅消耗试剂与时间，还会把下一轮实验设计重新推回起点。这个“提出想法—建模—实验—结果返回—再提出新假设”的循环，才是科学发现真正被拖慢的地方。

成立于 2020 年的河内公司 N2TP Technology Solutions JSC 试图把这个循环做成可重复的基础设施。它的核心产品是 N2TP AI4Science 平台，面向生物医学与生物技术研究，目标不是输出单点模型，也不是替代科学家，而是把假设生成与评估、模拟、实验设计、数据收集和结果反馈接入同一套工作流。三位创始人分别从药学、计算机科学和研究运营切入：CEO Duong Thi Hong Nhung 是河内药科大学博士生，拥有药物生物化学硕士学位；首席产品官 Do Ngoc Tuan 毕业于伦敦大学金史密斯学院计算机科学专业；研究运营负责人 Ho Hai Phong 在九州大学读工程、早稻田大学读金融。

2026 年 8 月，N2TP 公开宣布获得 Touchstone Partners 的种子投资。交易金额未披露。Touchstone Partners 是一家总部位于新加坡、主要关注越南市场的风投，自 2021 年起在 AI、机器人、教育、农业、医疗和气候科技等方向出手。这笔钱对越南创业生态来说不算一次大型融资，但投的方向相当罕见：它押注的不是消费应用的用户增长，也不是金融科技的放款规模，而是一个尚未把商业模型讲清楚的 AI4Science 中间层。

公司 N2TP Technology Solutions JSC（N2TP）
轮次 种子轮（多数公开报道口径）；具体轮次未披露，另有数据库记录为 Grant
金额 未披露
投资方 Touchstone Partners
总部 越南河内
创始人 Duong Thi Hong Nhung（CEO，河内药科大学博士生、药物生物化学硕士）；Do Ngoc Tuan（首席产品官，伦敦大学金史密斯学院计算机科学）；Ho Hai Phong（研究运营负责人，九州大学工程学士、早稻田大学金融硕士）
官网 https://n2tp.com/

科学发现的瓶颈不在“没有模型”，而在假设与实验之间的往返成本

过去几年，AI for Science 的公众记忆在很大程度上被 AlphaFold 等项目占据。AlphaFold 解决的是一个具体任务：从氨基酸序列预测蛋白质结构，并且在大规模、明确的数据集上完成了可衡量的突破。但科学研究并不只由这类单项任务组成。一个候选分子是否值得合成，一个通路是否值得在动物模型里验证，一套实验设计是否能在给定预算下产出可复现结果，都不是简单调用一个模型就能回答的。

N2TP 把自己插入的正是这个更宽、更杂、也更难标准化的环节。按照公司描述，其平台可以生成并评估假设，支持模拟，帮助设计实验，收集新数据并把结果反馈回系统。这个描述更像“科研工作流编排层”，而不只是一项预测工具。它真正的价值假设，在于降低从计算到湿实验、再从湿实验回到计算的转换成本。

不过，公开信息没有显示 N2TP 是否已经与实验室信息管理系统、电子实验记录本或自动化设备控制系统完成协议级对接。若没有这些接口，所谓“收集数据并反馈结果”就只能停留在人工录入或软件层面，闭环不会自动发生。编辑判断，这项能力是区分“单点加速工具”和“AI4Science 基础设施”的关键，也是目前最需要被产品化证据证明的部分。

N2TP 卖的不是“越南版 AlphaFold”，而是试图切入科研过程的中间层

把 N2TP 简单称为“越南版 AlphaFold”并不准确。从产品描述看，它没有把自己限定在蛋白质结构预测或者任何单一模型任务上，而是强调“AI Lab”式的跨领域研究基础设施。它切入的是模型层和实验层之间的中间地带：假设是否在生物学上可检验、实验条件是否可行、结果是否能反馈到下一次推理。

这种定位的难点在于，中间层天然更难定义产品边界。模型层可以用准确率衡量，药物管线可以用临床阶段衡量，而工作流层必须回答：它到底是一套软件、一个平台、一个联合研究服务，还是专利组合？N2TP 的商业模式未被披露。公司在公开祝贺内容中感谢研究合作方、行业伙伴和客户，但没有公布客户名称、合同形式、收费方式或收入规模。这意味着外界目前只能把它理解为一个有明确研究团队和 IP 目标的组织，而无法确认它是否已经是一个可扩展的商业公司。

从产业链看，与 Recursion、Insilico Medicine 这类更接近 AI 药物管线或药物发现平台的公司相比，N2TP 更像在过程基础设施一侧。它没有在现有材料中强调自有药物资产或管线进度，而是更频繁地谈论文、专利和自动化实验室整合。若这一判断成立，N2TP 不会在药物发现外包的首选名单上直接与大型 AI 制药公司争夺，但它必须说服研究机构和生物技术公司，自己提供的不是又一个模型，而是他们愿意改变既有习惯去采用的科研操作系统。

“12 篇论文、7 项专利、4 倍速度”是公司自述，商业接口仍未亮明

在团队对外释放的成果清单里，过去 12 个月有 12 篇研究论文被接纳或发表于顶级会议，包括 ICML 2026、ACL 2026、UAI 2026、SIGMETRICS 2026、AAMAS 2026 和 ISMB/ECCB 2025；另有 3 篇论文发表在 Q1 期刊。与此同时，公司称已在越南和国际上提交 7 项专利申请，涉及基础 AI、生物医药和生物技术，并称研究产出速度比传统模式至少快 4 倍。

需要明确，这些数字来自 N2TP 自述，公开报道没有给出论文标题、专利号或比较基线。会议列表跨越机器学习和生物信息学，能够说明团队在研究范围和提交密度上并不保守；但外部仍难以在当下独立核验。对一家早期公司来说，这些成果可以放大团队背景，但不应直接等同于商业牵引。

科研产出的效率倍数尤其值得拆解。如果“4 倍”是相对自建团队过去未采用该平台时的对比口径，它只能说明内部试点有效；如果比较对象、研究类型和验证主体不公开，外界就无法判断这个效率在真实实验室环境中能否复制。当前 N2TP 没有披露具体客户名称和付费合约，因此这个“更快”的叙事仍然停留在技术验证与自报指标层面，而不是可被客户预算投票的交付能力。

全球对手在模型与湿实验两端夹击，N2TP 只能选择侧翼

这一竞争发生的背景，是全球科学 AI 市场 2025 年估值 86 亿美元，预计到 2034 年达到 473 亿美元，复合年均增长率 20.8%。其中药物开发是最大细分，占 2025 年市场营收的 28.3%。市场之所以被持续押注，一个重要原因是它有望把研究时间从数年缩短至数月。机会足够大，玩家也足够强。

N2TP 所处的全球 AI4Science 赛道并不安静。Google DeepMind 的 AlphaFold 已经改变了生物学界对 AI 的预期，Isomorphic Labs 正在把类似能力推向药物发现；Recursion 用机器学习和大规模生物数据构建药物管线；Insilico Medicine 已成为亚洲最受关注的 AI 药物发现公司之一。这些公司大多资本和人才更充足。

从公开信息看，N2TP 明显无法在资源规模上与其正面竞争。其可能的侧翼在于：一方面借助越南研发成本和跨学科小团队，聚焦特定科研工作流和可专利的流程性技术；另一方面，把东南亚研究机构的低预算环境视为产品与服务的试验场。但也要看到，低预算环境并不天然有利于闭环。自动化实验室整合意味着需要与设备商或研究机构达成协议，这类设备和协议的门槛并不低。如果东南亚本地研究机构缺乏相应设备，公司就必须走向越南之外寻找设备商和实验室合作，才能兑现“深度整合”的承诺。

相较 DeepMind 这类用单个模型改变研究方法，N2TP 若要成立，必须让自己的基础设施成为某个具体工作流中的默认选项。这个“默认选项”至今没有公开案例。它目前的优势还只存在逻辑推导里：更低的研发成本、更贴近东南亚实验室约束、以及一个可积累成专利池的中间层定位。

Touchstone 的注资更像押注专利入口，而不是等待 SaaS 现金流

Touchstone Partners 对 N2TP 的下注，可以放到越南深科技融资的稀缺坐标里理解。越南创业生态在消费应用、金融科技和教育科技上已经逐步证明区域规模化能力，但能够输出基础 AI 基础设施的团队不多。N2TP 选择了更难的方向：衡量标准不是点击或交易，而是假设、实验、论文与专利。

从交易结构看，这轮融资的细节少有披露。公开报道称其为种子轮，但 CB Insights 的最新轮次记录为 Grant，累计融资额为 2 万美元，投资者包含 SK Startup Fellowship。两种记录冲突，可能意味着数据库尚未更新，也可能说明 N2TP 过去获得的更多是早期小规模资助，而非典型风险投资。由于本轮金额未披露，外界难以判断这是否只是一笔象征性的入场资金。

编辑推断，这笔交易更像一次低成本的早期押注：Touchstone 买的是跨学科小团队在顶级会议和专利申请上的密度，以及越南团队在深科技研发成本上的相对优势。对投资人而言，这是一个长周期、高不确定性的入口。它不要求公司马上有收入，却要求团队未来能够把论文和专利转译成可被商业系统使用的接口——尤其是自动化实验室流程中的专利性接口。否则，专利只是学术成果的另一种编号。

真正的瓶颈不是对手，而是湿实验室、数据和监管验证能否跟上

AI4Science 领域存在一个反复出现的教训：强模型只是成功的部分条件，高质量数据、湿实验室验证和监管路径同样关键。N2TP 计划把新资金用于战略性技术专利组合，以及通过自动化实验室流程和设备深度整合完成研究闭环，这句话恰恰指向了它最大的执行风险。

实验室自动化的深度整合意味着，它需要与设备厂商、实验室软件供应商或研究机构达成协议，把平台嵌入真实的仪器控制和数据产生过程。而设备协议、操作逻辑和实验条件是高度差异化的，无法靠一篇论文或一项专利一次性解决。公开信息没有提到任何已经签约的设备商或自动化实验室客户。因此，资金用途中的“深度整合”更像下一步要验证的方向，而不是已经完成的事实。

如果平台不会被用于药物开发，监管可能只涉及数据处理与实验室合规；但只要进入候选药物、生物标志物或临床前证据生产，就需要面对药学、毒理和临床验证路径。这是论文和专利无法覆盖的。N2TP 所处的越南市场，深科技资本仍在发展，真正愿意为基础设施型 AI 工具付费的早期客户可能有限。公司若不能在越南之外获得合作伙伴、客户和验证，就很容易被困在“有研究成果、无商业闭环”的阶段。

未来关键指标不是论文数，而是能否把研究产出转成可复购的工作流

对于已经证明研究能力的团队，论文和专利的边际信号会快速递减。N2TP 现在最需要回答的问题不是“能不能继续发顶会”，而是“科研机构或企业是否愿意为这套工作流持续付费”。这个答案无法从 12 篇论文或 7 项专利申请中直接推出。它需要至少一个商业证据点：一个可公开描述的付费客户、一个设备商或实验室试点、一笔可复核的合同收入，或一种可以被客户复购的交付模式。

公司 CEO Duong Thi Hong Nhung 在公开报道中表示：“科学家仍然负责提出问题、制定标准、监督过程、解释结果，并为重要决定承担责任。N2TP 要做的是把假设、推理、模拟和实验更紧密地连接起来的基础设施。”这句话说明了产品哲学，也暗含边界：科学家不是被替代的对象，而是闭环中的控制节点。这个思路可以让它区别于那些试图用模型直接替代研究判断的竞争者，但也要求产品在交互、透明性和可解释性上足够成熟。

从现有材料看，N2TP 的路径仍存在多个未经验证的假设：它的工作流能否在低自动化现实条件下闭环；它的专利能否覆盖真实实验接口；它的团队能否从研究输出转向交付和维护产品。编辑判断，未来最值得观察的不是下一轮融资规模，而是公司是否从“AI Lab”的语言里走出一步，公开证明自己开始在商业客户的实验室里运行，而不只是在论文里运行。

RecodeX 极客视：N2TP 的故事并不性感，但足够尖锐。它想在一个还没有形成付费共识的中间层，把假设、模拟、实验和反馈焊成一套科研基础设施。未披露金额的种子轮表明，Touchstone 买到的是一张东盟深科技方向的小额入场券，而不是一个已经跑通的商业样本。接下来，它能证明的不是自己比传统模式快 4 倍，而是能否让一个真实实验室在设备、数据和预算约束下，愿意为这个闭环持续买单。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。