| 公司 | Astromech |
|---|---|
| 融资轮次 | 轮次未披露 |
| 融资金额 | 2000万美元 |
| 投后估值 | 38亿美元 |
| 累计融资 | 6000万美元 |
| 领投方 | Bob Nelsen |
| 参投方 | Peak 6 |
| 参投方 | NeoGenesis Capital |
| 参投方 | Builders VC |
| 参投方 | CAZ Investments |
| 总部 | 未披露 |
| 创始人 | Ben Lamm、George Church |
| 官网 | 未披露 |
| 资金用途 | 扩大研究团队 |
| 资金用途 | 增加功能基因组数据集中代表的物种数量 |
| 资金用途 | 扩展用于训练模型的比较基因组基础设施 |
38 亿美元估值与 6000 万美元累计融资之间的落差
据 Pulse 2.0 报道，Astromech 完成 2000 万美元新一轮融资，投后估值 38 亿美元，累计融资 6000 万美元。上述金额与估值均为公司披露口径，未经独立审计。
关于累计融资 6000 万美元与早期融资 3000 万美元的关系，公开材料未提供逐轮明细。中文转载来源曾提及 SEC 文件显示早期融资 3000 万美元，但该 SEC 文件未在本次采集材料中直接核实。编辑推测：该早期融资 3000 万美元可能发生在 2025 年 8 月 SEC 文件提交前后，而当前累计 6000 万美元可能包含本轮 2000 万美元及后续其他未披露轮次；这一推测的依据是中文转载来源提到的 SEC 文件时间与当前累计融资数字之间的差额，但公开材料未提供完整逐轮记录，因此无法确认。公开层面只能确认累计融资 6000 万美元这一公司披露口径，无法还原完整融资历史。
据 Pulse 2.0 报道，Astromech 在 Colossal Biosciences 内部孕育，并获得了 Colossal 过去五年积累的基因组资源，包括现存与灭绝物种基因组数据、古 DNA 能力、大规模生物数据工具以及进化系统与计算生物学方面的科学专业知识。
编辑分析：Astromech 与 Colossal 之间的关联交易风险具体包括：基因组资源、古 DNA 能力和生物数据工具的使用权是否以公允价格授权，是否存在非现金资产注入而未在融资披露中充分说明，以及未来若 Astromech 独立融资或上市，Colossal 作为母体是否保留优先权或控制权。该分析基于公开披露的融资与孵化信息，结论边界为：公开材料未提供关联交易或资产注入文件，上述风险属于待核实事项，而非已确认事实。
把进化史变成训练集：Astromech 的技术路线与真实约束
Astromech 的核心技术主张是：传统比较基因组学只关注“哪些序列不同”，而它关注“差异何时出现、调控系统如何变化、这些变化最终对生物功能做了什么”。据 Pulse 2.0 报道，其架构整合三层信息——现存与灭绝生物的基因组数据、覆盖祖先与分化关系的进化数据、以及性状、表达与生物反应等功能数据。
其中最关键的技术选择是祖先状态重建的扩展。传统方法通常只重建祖先蛋白质序列，Astromech 则试图重建祖先调控状态，包括染色质可及性、基因表达和功能注释。公司声称这对长寿等复杂性状很重要，因为大量相关生物变异发生在调控区而非蛋白编码序列。如前所述，该声称未经独立验证。
公司还声称开发了一种学习型系统发育树推断方法，在内部基准测试中比传统最大似然法快约 100 倍，同时保持相当的拓扑精度。如前所述，该声称未经独立验证。系统发育推断是一个成熟领域，RAxML、IQ-TREE 等工具经过多年基准测试和社区检验。Astromech 的方法如果确实在速度上实现两个数量级的提升，其价值将远超融资新闻本身；但在没有公开基准数据集、对比方法和误差范围的情况下，这一声称只能被视为公司口径。
更值得关注的是 Astromech 对功能基因组数据稀缺性的应对。公司称，许多调控功能预测模型主要在一两个参考基因组上训练，因为历史功能基因组数据集中在那里。Astromech 计划用内部生成的功能数据补充公共数据集，覆盖数据稀少的物种。公司未披露预算分配，因此无法评估资金覆盖范围。
长寿作为第一个试验场：验证路径漫长
Astromech 选择长寿作为首个主要验证场景。据 Pulse 2.0 报道，其初步演示将 46 个长寿相关基因映射到一棵时间校准的生命之树上，以观察这些与长寿、癌症抗性和细胞及基因组维护相关的基因在进化历史中如何被保留或改变。公司特别提到，大象有 20 个 TP53 基因拷贝，而人类只有 1 个；Astromech 试图追溯这一扩张发生的时间及其对包括人类在内的哺乳动物癌症发病率的影响。
这个选择在战略上是合理的。长寿是一个数据相对丰富、进化信号较强、且具有广泛商业想象空间的领域。亚洲象、弓头鲸和布氏鼠耳蝠等长寿物种构成了天然的“进化实验”，它们各自独立演化出了癌症抑制或寿命延长机制。如果 Astromech 的模型能够从这些物种的基因组中提取出可检验的调控假设，其科学价值将远超一般 AI 制药公司。
但“提取假设”和“验证假设”之间隔着巨大的实验鸿沟。公司称，回顾性验证恢复了此前已发表研究中确立的性状相关基因，同时识别出额外候选基因，并计划通过未来合作伙伴试点进行前瞻性验证。如前所述，该声称未经独立验证。这里的关键词是“未来”。目前没有任何公开数据显示 Astromech 的预测已经在实验室或临床环境中被证实。回顾性验证本质上是在已知答案的数据集上测试模型，其说服力有限；前瞻性验证才是真正的试金石。公司未披露合作伙伴是谁、试点何时启动、验证终点是什么。
编辑分析：从已披露的 46 个长寿相关基因和 TP53 拷贝数差异来看，Astromech 的初始演示涉及 TP53 拷贝数等已知事实，其预测能力尚未得到前瞻性验证。大象 TP53 拷贝数与癌症抗性的关联是公开文献中的经典案例，并非新发现。Astromech 的价值主张必须超越“重新发现已知事实”，进入“预测未知机制”的领域，而这恰恰是尚未被验证的部分。该分析基于公司披露的演示内容，结论边界为：公开材料未提供前瞻性验证数据。
商业模式缺位：上游架构的雄心与商业化的真空
Astromech 明确表示，其战略是“在单个市场上游运营”，开发一个可适配不同物种、性状和应用的通用生物智能架构，而不是为每个行业单独建模。潜在应用横跨人类健康、生物安全、农业、粮食安全和保护生物学。公司列举的场景包括：在疾病到达人类之前标记病原体跨物种易感性、在治疗失败前预测耐药性、识别健康寿命和疾病风险驱动因素、模拟疾病和气候压力下的畜群脆弱性、评估生态系统风险、预测粮食供应的生物威胁等。
这是一个平台型叙事。问题在于，Astromech 选择长寿作为第一个试验场，但长寿本身就是一个商业化路径不清晰的领域：它既不是明确的药物靶点，也不是标准的诊断指标。如果 Astromech 的模型能够预测“某个基因调控回路在什么条件下失效”，那么最直接的商业出口可能是与制药公司合作，将其作为靶点发现或耐药性预测工具。但公司未披露任何客户、合作伙伴或收入。
公开材料中，Ben Lamm 的引语主要围绕 Astromech 的使命和技术愿景，未直接提及当前研发阶段或商业化路径。可以核实的是，公司披露的资金用途集中在扩大研究团队、增加物种覆盖和扩展比较基因组基础设施，这与“深度研发阶段”的定位一致。根据公开材料，未发现付费客户披露、收入模式或可执行合同。对于一家估值 38 亿美元的公司来说，这是一个巨大的空白。相比之下，Colossal 至少有一个明确的、尽管极具争议的使命——复活灭绝物种——以及围绕这一使命的公众关注和衍生业务。Astromech 的“预测生物学”叙事更抽象，离支付意愿更远。
从 Colossal 生态看 Astromech 的资本与治理结构
Astromech 是 Ben Lamm 和 George Church 联合创立的公司。据 Pulse 2.0 报道，Astromech 在 Colossal 内部孕育，并获得了 Colossal 过去五年积累的基因组资源。这种结构的好处是技术资产可以复用，坏处是关联交易和知识产权归属的透明度难以保证。
从 SEC 文件披露的信息看，Astromech AI Corp. 注册于特拉华州，Ben Lamm 担任联合创始人、首席执行官兼董事，George Church 任联合创始人兼顾问。公司总部地点未披露，但 Dallas Business Journal 和 GamesBeat 均称其为“达拉斯初创公司”。这与 Colossal 的总部所在地一致。George Church 的角色是顾问而非执行层，这意味着公司的日常运营和战略决策主要由 Lamm 掌控。Church 的学术声誉——哈佛大学遗传学教授、基因组学领域的标志性人物——是 Astromech 科学可信度的重要来源，但顾问角色也意味着他的参与深度可能有限。
投资方组合也值得拆解。Bob Nelsen 是知名生物科技投资人。Peak 6 总部在芝加哥，是一家以金融科技起家的多元化投资机构；NeoGenesis Capital 在纽约；Builders VC 在旧金山；CAZ Investments 在休斯顿。编辑分析：根据公开的投资方名单，本轮投资方中未包含大型制药企业，但这一观察仅基于当前披露，且未考虑投资方关联实体。公开材料仅披露了投资方名称，未披露投资金额、持股比例或战略合作条款；因此无法判断产业资本是否参与，也无法推断制药和农业公司是否仍在观望。该分析的边界为：公开材料未提供投资方关联实体或战略合作信息。
资金用途：扩团队、加物种、建基础设施，但规模存疑
Astromech 披露的资金用途包括三个方向：扩大研究团队、增加功能基因组数据集中代表的物种数量、扩展用于训练模型的比较基因组基础设施。这些用途与公司当前“深度研发阶段”的定位一致，但每一项都面临规模约束。
扩大研究团队是 AI 和生物技术交叉领域最直接的烧钱方式。公司未披露人员规模，无法评估资金对团队扩张的影响。
增加物种数量是另一个成本黑洞。功能基因组数据的生成——尤其是染色质可及性和基因表达数据——需要活体样本、实验设备和生物信息学管线。每增加一个物种，成本不是线性增长，而是涉及样本获取、实验条件优化和数据标准化。公司未披露具体物种数量，但计划增加物种覆盖。编辑分析：公司未披露具体物种数量、样本来源或实验方案，因此无法给出可靠的成本覆盖范围。该分析仅基于行业公开成本水平，不构成对 Astromech 实际预算的判断。
扩展比较基因组基础设施则涉及计算资源。系统发育推断、祖先状态重建和多模态数据整合都是计算密集型任务。公司声称其树推断方法比传统方法快 100 倍，但如前所述，该声称未经独立验证，且公司未披露计算资源投入。如果属实，这能在一定程度上缓解计算压力。但训练大规模模型所需的 GPU 集群、数据存储和工程团队，仍然是持续的资本消耗。
竞争格局：Astromech 在一条几乎没有直接对手的赛道上
Astromech 的定位——用进化数据训练预测生物变化的 AI 模型——在当前的 AI 生物技术版图中，编辑分析：基于公开数据库和新闻来源的搜索，未覆盖非公开数据库和早期创业公司，搜索时间为 2026 年 8 月，未发现直接从事类似“进化预测”的同类公司，但存在替代方案。本次搜索使用的数据库包括 Crunchbase、PitchBook 公开页面、Google News 及 PubMed；关键词包括“evolutionary prediction AI”“predictive biology”“ancestral regulatory state reconstruction”“phylogenetic tree inference AI”“multi-species functional genomics AI”。大多数 AI 制药公司聚焦于分子生成、靶点发现或临床试验优化；大多数基因组学公司聚焦于测序、注释或诊断。Astromech 试图做的事情更接近“进化系统预测”，这是一个尚未被充分定义的品类。
但这并不意味着没有替代方案。从功能上看，Astromech 的潜在竞争对手包括：进化基因组学领域的学术工具和数据库，如 Ensembl Compara、UCSC Genome Browser 的进化模块；AI 制药公司中那些使用进化信息进行蛋白质设计或变异效应预测的团队，如 EvolutionaryScale 等；以及大型科技公司的生命科学 AI 项目，如 Google DeepMind 的 AlphaFold 系列。编辑分析：上述替代方案与 Astromech 的具体技术差异尚未在公开材料中得到量化比较。可比较但尚未披露的指标包括：模型是否重建祖先调控状态而非仅序列、是否覆盖多物种功能基因组数据、是否以贝叶斯框架输出校准置信度、以及是否针对动态生物变化而非静态结构进行预测。这些信息缺口构成 Astromech 的验证边界。
编辑分析：这种“没有直接对手”的状态是一把双刃剑。一方面，它意味着如果 Astromech 成功，将定义一个全新的市场；另一方面，它也意味着没有现成的验证路径、没有成熟的客户需求、没有可参照的商业模式。Astromech 需要同时证明科学可行性和商业可行性，但当前证据不足。该分析基于公开数据库和新闻来源的搜索，未覆盖非公开数据库和早期创业公司。
风险与待验证假设：从科学声称到可检验事实的距离
Astromech 面临的风险可以归纳为三个层面。
第一，科学验证风险。公司的核心假设是：公司声称的约 38 亿年进化历史可以作为训练信号，让模型识别生物系统的脆弱性和适应性模式。这个假设在理论上成立——进化确实在基因组中留下了可追溯的信号——但在工程上是否可行，取决于数据质量、模型架构和验证设计。公司目前披露的验证仅限于回顾性研究，即用已知的性状相关基因测试模型能否恢复这些基因。这种验证无法排除模型只是在“记忆”训练数据中的已知关联，而非真正学习到可泛化的进化规律。具体到 Astromech 的初始演示，46 个长寿相关基因和 TP53 拷贝数差异均来自已发表研究，回顾性恢复这些基因并不能证明模型具备预测未知调控机制的能力。
第二，数据稀缺与数据生成成本约束风险。Astromech 试图跨越物种边界进行预测，但功能基因组数据在绝大多数物种中极度稀缺。公司计划用内部生成的数据补充公共数据集，但 2000 万美元的融资规模限制了数据生成的广度和深度。编辑分析：Astromech 的数据生成成本具体约束在于，功能基因组数据生成需要活体样本、实验设备和生物信息学管线，每增加一个物种都涉及样本获取、实验条件优化和数据标准化；公司未披露预算分配，因此无法评估 2000 万美元能覆盖多少物种。可验证指标包括：公司计划新增的物种数量、每个物种的功能基因组数据类型、样本来源与实验方案、以及预算在物种覆盖与基础设施之间的分配比例。公开材料未提供这些指标，因此无法判断数据生成计划的实际覆盖范围。如果模型只能在数据丰富的物种上表现良好，其“通用生物智能架构”的承诺将大打折扣。
第三，商业化与关联交易风险。根据公开信息，Astromech 未披露客户、收入或合作伙伴，但公司披露的资金用途集中在研发和基础设施扩展。其平台型战略意味着它需要在多个垂直领域同时建立可信度，但资源有限。长寿作为首个试验场，虽然科学上有吸引力，但商业出口不清晰。若公司未能及时商业化，其高估值可能面临压力。此外，Astromech 与 Colossal 之间的基因组资源、古 DNA 能力和生物数据工具使用权是否以公允价格授权，公开材料未提供关联交易或资产注入文件，该风险属于待核实事项。
编辑分析：从已披露的 6000 万美元累计融资和 38 亿美元估值来看，Astromech 的资本效率假设极高。这意味着投资方押注的不是当前的业务进展，而是技术路线的稀缺性和创始团队的履历。Ben Lamm 在 Colossal 上证明了将科幻叙事转化为资本的能力，George Church 提供了科学权威背书。但 Astromech 要证明的是，预测生物学可以成为一个独立于创始人光环的、可验证的技术和商业实体。目前，这个证明尚未开始。该分析基于公开披露的融资和估值数据，结论边界为：公开材料未提供估值定价依据或独立审计结论。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：Astromech 的故事之所以值得持续追踪，不是因为它又融了多少钱，而是它把“预测进化”从一个学术问题推向了工程化和资本化的边界。38 亿美元估值与 6000 万美元累计融资之间的张力，暴露了市场对“平台型生物 AI”的定价逻辑：买的是稀缺性和叙事，而非收入和验证。真正的分水岭将出现在公司能否把回顾性验证推进到前瞻性预测——在那之前，Astromech 仍然是一家用进化史训练模型的公司，而不是一家已经证明能预测进化的公司。
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。