在生命科学AI领域,Tesorai宣布完成530万美元种子轮融资,使其总融资达到800万美元。公司通稿称,这家总部位于圣迭戈的AI公司试图解决一个具体问题:大量已产生的原始实验数据没有被有效处理、检索和复用。本轮投资方包括Perplexity Fund、IQT等八家机构,完整名单见下表。
这笔融资的规模在生命科学AI赛道中并不算大,但它所指向的问题相当具体:当整个行业都在为AI模型寻找高质量训练数据时,Tesorai选择回到那些散落在公共数据库、机构档案和公司服务器里的原始实验文件,把它们重新变成可用的知识。
| 字段 | 内容 |
|---|---|
| 公司 | Tesorai |
| 轮次 | 种子轮 |
| 金额 | 530万美元 |
| 投资方 | Perplexity Fund、IQT、South Central Ventures、New Stack Ventures、NextGen Venture Partners、f7 Ventures、VitalStage Ventures、ZAKA |
| 总部 | 圣迭戈(San Diego) |
| 创始人 | Melissa Miao、Peter Cimermancic、Charlie Kim |
| 官网 | https://www.tesorai.com |
回到原始数据,而不是只索引论文
公司通稿称,Tesorai的核心逻辑是:数百万次实验产生的原始数据散落在公共数据仓库、机构档案和公司数据库中,它们使用了不同的处理方法,而且往往标注质量很差。现有的许多工具只是索引论文或聚合已有的分析结果,而Tesorai的AI直接回到原始数据本身,对跨研究的结果进行协调统一,使科研人员可以搜索和比较这些数据。
这一路径与当前主流的科研数据平台形成了明显差异。传统的文献检索工具解决的是“已发表结论”的可发现性,而Tesorai试图解决的是“未发表信息”的可提取性。公司通稿援引联合创始人兼首席执行官Melissa Miao的话称:“每次实验产生的数据都远远超过论文所能报告的,而其中大部分从未被重新审视。”这句话点出了该公司的基本假设:原始数据中蕴含的信息量,大于论文最终呈现的结论。
从产品形态看,Tesorai的平台由三个组件构成。公司通稿称,Tesorai Search在云端处理原始质谱数据,无论数据来自实验室的最新实验,还是多年前发表的研究;Tesorai Chat允许研究人员通过对话式提示运行下游分析,或通过连接器接入大语言模型;Tesorai Trove则是一个面向AI的目录,收录了数千个经过整理、结构化的公共蛋白质组学数据集,供研究人员对照数万项过往研究进行验证和交叉分析。
公司通稿称,其处理原始质谱数据的工作已在Journal of Molecular Biology经同行评审。公司通稿还称,Tesorai Search的专利模型曾在数小时内处理数千个文件和数TB数据,而此前需数月完成;该描述未说明统计期间与单次/累计口径。上述产品性能与规模描述均来自公司通稿,属于单方声明,尚无独立第三方验证;该同行评审针对的是处理原始质谱数据的工作,不构成对产品整体性能的独立验证。
从数据治理角度看,Tesorai Search处理原始质谱数据时,必须面对不同仪器、批次和实验设计带来的技术性差异,以及公共数据仓库中元数据缺失或标注口径不一致带来的语义性差异。公司通稿称其AI对跨研究结果进行协调统一,但协调统一的前提是能够识别并保留不同实验条件之间的可比性边界。以下为编辑分析:Tesorai Search处理的是原始质谱数据,Tesorai Trove收录的是公共蛋白质组学数据集,两者在协调统一跨研究结果时,需要保留样本制备、质谱平台、定量方法等实验条件元数据;目前来源材料未披露其质控标准、统计阈值和数据许可状态,因此无法判断其“统一”是否以牺牲可比性为代价。
一个阿尔茨海默病标志物的“重新发现”
公司通稿中反复提及的一个案例,是2026年8月团队从五项已发表脑研究的原始数据中重新找回了p-tau217。公司通稿称,为测试一个于8月10日发表在JAMA Neurology的阿尔茨海默病panel,团队重新处理了五项公开脑研究的原始文件;p-tau217是其中七个蛋白之一,也是阿尔茨海默病的重要标志物。公司通稿称,这五项原始研究此前均未报告该指标,团队通过重新处理原始文件将其恢复,并在三周后以预印本形式发布分析结果。
这个案例的意义在于,它试图证明“已存在的数据中还有未被提取的价值”这一核心假设。如果p-tau217确实存在于那些原始数据中,而原研究因为当时的方法限制或分析目标不同而未能报告,那么Tesorai的“回到原始数据”路径就不仅仅是理论上的补充,而是有具体产出。
但这里需要保持批判性。该案例来自公司通稿,且相关分析以预印本形式发布,尚未经同行评审确认。预印本在生命科学领域是常见的快速传播方式,但它不等同于经过审稿人检验的结论。p-tau217的“重新发现”是否具有临床或研究意义上的可重复性,以及该方法在不同数据类型、不同实验条件下的稳健性,目前仍属于待验证的假设。公司通稿只说明团队从五项研究的原始文件中恢复了p-tau217,未披露重新处理所用的具体流程、质控标准和统计阈值。这意味着该案例目前只能证明“重新处理可能找回此前未报告的信号”,尚不能证明这一信号在所有情况下都可靠,也不能证明该方法能区分真实生物学信号与重新分析中引入的假阳性。若后续预印本进入同行评审,审稿人很可能要求补充上述方法学信息。
另一个值得注意的声明来自公司通稿:在2026年8月的一份预印本中,Tesorai的研究人员报告称,加入蛋白质数据后,一个小型单细胞AI模型在多项基准上匹配或超过了仅用RNA数据训练的大型模型,其中包括一个规模超过其40倍的模型。这一结果如果成立,将支持公司通稿援引联合创始人兼首席技术官Peter Cimermancic的判断:“模型学习的数据和元数据的质量,可能与数据集的大小同样重要。”但同样,该结论来自公司自身的预印本,尚未经独立验证。
从Verily出来的团队,把“数据处理”变成产品
公司通稿称,Tesorai的三位联合创始人——首席执行官Melissa Miao、首席技术官Peter Cimermancic和首席科学官Charlie Kim——曾在Alphabet旗下的生命科学公司Verily共事。通稿称,Kim在Verily启动并领导了Molecular Science项目,Miao领导商业举措与战略合作,Cimermancic则领导AI团队。公司通稿还称,Tesorai由前Google和Verily的负责人创立。
公司通稿称,自完成pre-seed轮以来,Tesorai已与生物制药和研究机构签订合同;并与MD Anderson Cancer Center、NYU、Michael J. Fox Foundation等研究机构合作,来源未进一步说明合作形式。公司还称已获得首个美国专利,针对其一个AI模型。但具体客户名称、合同金额、合作范围和专利编号均未披露。
三位创始人在Verily的共事经历为Tesorai的产品化路径提供了一个具体约束:Verily作为Alphabet旗下生命科学公司,其项目往往需要把来自临床、分子和传感器等多个来源的数据整合到统一分析框架中,但内部团队可以依赖定制化流程和专有数据管道。Tesorai将这一经验压缩为面向外部客户的软件产品,则要求对更广泛的公共数据格式、不同机构的实验习惯和合规要求保持兼容。公司通稿未披露其平台目前支持哪些质谱数据格式、公共数据仓库的接入方式,以及是否提供本地部署或仅限云端处理,这些未披露项将直接影响其从Verily经验到通用产品的迁移难度。
投资逻辑:数据基础设施,还是又一个AI工具?
本轮投资方的构成提供了一个观察角度。Perplexity Fund是投资方之一,来源材料未说明其与AI搜索公司Perplexity的具体关系。公司通稿援引Perplexity Fund联合创始人兼普通合伙人Joanna Lee Shevelenko的话称:“AI有潜力大幅加速科学研究,但其影响将取决于能否获得高质量的实验数据。”South Central Ventures管理合伙人Tatjana Zabasu Mikuž则表示:“实验室正在产生比以往更多的实验数据,但其全部价值取决于能否高效地处理这些数据。”
这两句投资方声明都指向同一个判断:数据处理效率是当前生命科学AI的瓶颈。但投资方的判断并不等于市场验证。公司通稿称,本轮资金将用于扩大与生物制药和研究客户的合作、发展生命科学工具行业的伙伴关系,并将平台从蛋白质扩展到其他类型的分子数据。公司还计划编目更多公共数据仓库,并向构建生物学AI模型的公司供应处理后的数据。
从商业模式看,Tesorai试图同时服务两类客户:一类是生物制药公司和研究机构,它们需要从自己的实验数据和公共数据中提取更多信息;另一类是构建生物学AI模型的公司,它们需要高质量、结构化、协调统一的数据来训练模型。公司通稿称,研究人员可以在官网免费试用平台。这种“免费试用+企业客户”的模式在科研软件中常见,但能否从免费用户转化为付费合同,取决于平台是否真正嵌入客户的日常工作流。
来源材料未披露IQT的投资逻辑或合作范围。Perplexity Fund的参与是否意味着双方存在除股权投资外的商业或技术合作,公司通稿同样未披露,这一推断仍需验证。
竞争格局:数据生产与数据再利用的具体差异
2026年10月7日,Biohub、Google DeepMind、Meta、Isomorphic Labs与美国机构宣布了一项18亿美元的计划,用于生成和标准化面向AI的生物数据。公司通稿称,Tesorai从已存在的数据入手,通过重新处理和协调统一数千个公共数据集,恢复此前被遗漏的信息,与上述数据生产计划形成互补。
这一“互补”定位实际上揭示了两种不同的产业路径。18亿美元计划的核心是生产新的、标准化的数据,以满足AI模型日益增长的训练需求;Tesorai则计划编目更多公共数据仓库,并向构建生物学AI模型的公司供应处理后的数据。以下为编辑分析:两者的差异不仅在于数据来源,还在于数据许可与再分发条件。公司通稿称其计划“编目”更多公共数据仓库,并“供应”处理后的数据,但“编目”与“供应”涉及不同的法律动作——前者可能只需要索引元数据,后者则可能触及原始数据的使用许可和患者隐私相关限制。若某些公共数据集仅允许学术使用或禁止商业再分发,Tesorai向AI模型公司供应处理后数据的能力将受到限制。公司通稿未披露其已编目的数千个公共蛋白质组学数据集的具体来源和许可状态,因此这一商业路径的可行性仍需验证。
一个需要指出的编辑推断是:Tesorai的“数据处理效率”声明如果成立,其真正的壁垒不在于AI模型本身,而在于它能否持续获得足够多、足够多样化的原始数据访问权。如果公共数据仓库的开放政策发生变化,或者大型机构选择自建数据处理能力,Tesorai的“数据入口”价值将受到影响。从已披露的信息看,公司通稿称其已与MD Anderson Cancer Center、NYU等机构合作,但这些合作的法律性质和数据访问范围均未披露,因此这一壁垒的牢固程度尚无法判断。
资金用途与待验证的假设
如前所述,本轮资金用途包括客户拓展、行业合作与数据类型扩展。按公司通稿披露的用途,本轮资金需同时覆盖产品、数据编目、客户拓展和行业合作,资金是否充足尚无法从公开材料判断。
本轮融资的首次公开宣布或完成日期在来源材料中未给出。PR Newswire的发布日期为2026年11月18日,但这不能作为融资完成日期。公司成立年份、本轮估值、具体客户名称与合同金额也均未披露。
从验证路径看,Tesorai需要回答两个与已披露事实直接相关的问题。第一,公司是否披露从蛋白质扩展到其他分子数据的具体类型与时间表;这直接决定本轮资金能否在单一数据类型之外形成可复用的收入来源。第二,其已编目的公共蛋白质组学数据集的具体来源与许可状态是否允许商业再分发;这决定其“向AI模型公司供应处理后的数据”的计划能否在数据授权和合规框架下跑通。
从已披露的信息看,Tesorai的路径选择是清晰的:在一个被“数据生产”主导的叙事中,它选择站在“数据再利用”的一侧。公司通稿援引首席技术官Peter Cimermancic的话称:“生物学AI模型所需的大部分数据已经被收集,但今天只有一小部分是可获取、协调统一且可用的。”这句话概括了公司的核心信念。但信念本身不构成商业验证。530万美元种子轮买到的,是一个证明这一信念的机会。
在资金分配上,530万美元种子轮若同时覆盖产品扩展、数据编目、客户拓展和行业合作,意味着公司可能需要在短期内证明至少一项可重复的收入来源。公司通稿称其已与生物制药和研究机构签订合同,但未披露合同金额、客户数量或收入规模,因此无法判断这些合同是验证性试点还是可持续的付费关系。一个更可观察的指标是:Tesorai能否在蛋白质组学之外,将同一套原始数据处理流程复用于代谢组学或脂质组学等相邻分子数据类型,而不需要为每种数据类型重建核心管线。这一扩展的具体类型与时间表仍未披露,其成本将直接决定本轮资金的实际覆盖范围。
RecodeX 极客视:Tesorai的故事本质上是在问一个问题:生命科学AI的瓶颈究竟是数据不够多,还是已有数据没有被真正用起来?当18亿美元流向数据生产时,这家公司用530万美元押注数据再利用。但“重新发现p-tau217”这样的单点案例,距离“可搜索的生命科学知识层”之间,还隔着同行评审、跨数据类型复制、以及从免费试用到付费合同的漫长验证路径。数据一直在那里,问题是谁能把它变成可重复、可商业化的知识基础设施。
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。
