| 公司 | 镁伽科技 |
|---|---|
| 融资轮次 | 轮次未披露 |
| 融资金额 | 2亿美元 |
| 投资方 | 阿曼投资局(OIA)、亚投资本、Granite Asia、创新工场、招银国际、苏创投、三江招商集团 |
| 总部 | 未披露 |
| 创始人 | 黄瑜清 |
| 官网 | 暂无官网 |
从“卖一台机器人”到“造一座数据工厂”,镁伽把产品定义推到了设备商之上
据36氪报道,创业早期,团队曾想做一台能部署到上百万个生命科学实验室的通用机器人。这个目标听起来足够宏大,却很快撞上现实:科学家需要的不是单个设备,而是从实验设计到执行、数据处理的整套解决方案。公司由此在2019年前后转向打造“超级实验室”,其核心载体即镁伽鲲鹏实验室。
镁伽鲲鹏实验室被公司定义为“生命科学行业的数据工厂”。据公司披露,该项目于2021年以1.0版本投产,实现7×24小时无人实验,目前已经迭代至4.0版本。从1.0到4.0,关键变化并非单纯增加设备数量或自动化程度,而是公司所称的从“自动化执行”走向“自主智能体驱动”。按照公司公开信息,4.0版本将实验室拆成两个“大脑”:干实验大脑在接到目标后自动查阅文献、设计实验路径;湿实验大脑负责翻译和下发指令;中间的调度智能体指挥机械臂完成设备间转移。整条链路被重新设计为“AI设计—自主实验—真实验证—数据生产—模型学习”的闭环。
这个架构描述的是产品能力,但它的商业含义更值得拆解。传统实验室自动化公司通常交付的是设备或工作站,价值锚定在硬件性能和通量上;镁伽试图把价值锚点移到“数据生产”和“科研服务”上。也就是说,它卖的不只是机器,而是一个能够持续产生结构化实验数据的系统。这个定位让它在AI for Science的产业链里更接近基础设施层,而不是单纯的自动化设备供应商。需要说明的是,以下产品能力、客户数量与运行数据均为公司口径,尚无独立第三方验证。
从产业链位置看,这一转向意味着镁伽的竞争维度从“设备性能”扩展到“数据质量与实验可复现性”。传统自动化设备商的交付边界通常在设备安装与调试完成时结束,而数据工厂模式要求公司持续对实验设计、执行偏差和数据标注负责。这使镁伽可能同时面对来自上游设备商和下游CRO的竞争压力,但两类对手的既有收入结构不同,能否在同一项目上形成替代关系仍需验证。
两类交付模式背后,镁伽想同时赚“卖铲子”和“挖矿”的钱
镁伽科技目前的业务分为科学智能与工业智能两大板块,但真正体现其商业模式演进的是科学智能板块内部的两类交付方式。据36氪报道,一类是以智能基础设施为核心,提供融合AI、软件与硬件的产品和平台;另一类是ARO(AI-Native Research Organization),将AI能力与实验执行融合,为客户提供科研服务。公司称,前者输出基础设施与技术能力,后者进一步将这些能力转化为实际科研成果,持续生成来自真实世界的高质量反馈。
这种“产品+服务”的双轨结构,在生命科学工具行业并不常见。传统设备商主要靠硬件销售和耗材复购赚钱,软件订阅是近年来才逐渐被接受的模式。镁伽的ARO模式更进一步,直接介入客户的科研流程,按科研服务收费。它的好处是收入天花板更高,且能沉淀实验数据反哺平台;风险则在于服务交付更重、周期更长,且客户是否愿意把核心研发环节外包给第三方,仍取决于平台能否持续证明其效率和可靠性。
公司披露的客户数据可以部分说明其商业化进展。据36氪报道,科学智能方面,镁伽已为超过500家客户交付相关基础设施,覆盖跨国药企、CRO、生物科技公司及科研机构;镁伽鲲鹏实验室则为超过200家客户提供科研服务。需要指出的是,这两个数字均为公司口径,统计区间和客户定义未在公开来源中进一步披露。500家基础设施客户与200家科研服务客户之间的重叠程度、复购率和客单价均未披露,因此难以据此判断两类模式的收入贡献比例。
工业智能板块则聚焦半导体、光互联、新型显示等制造场景,提供缺陷识别、质量控制、良率分析、异常诊断与工艺参数优化等能力。公司称其目标不只是“发现缺陷”,还要让AI逐步理解材料、工艺、设备与良率之间的复杂关联。这个板块与科学智能共享底层技术,但客户和交付逻辑差异较大:前者面对的是标准化程度更高的制造流程,后者面对的是高度非标的科研探索。两条业务线能否形成真正的协同,而不是分散资源,是镁伽需要持续回答的问题。
两类交付模式的关键验证指标并不相同。基础设施业务的健康度取决于交付周期、硬件毛利和标准化程度;ARO业务的健康度则取决于客户留存、项目成功率和数据复用率。目前公开来源只披露了客户数量,未披露两类业务的收入占比、复购率或客单价,因此“产品+服务”双轨结构是否真正形成互补,而不是两条独立业务线并行,仍属于待验证假设。
7个月31条管线、4个月56轮迭代,这些数字能说明什么
在AI自动化实验室的竞争里,最稀缺的不是设备参数,而是能证明平台真正跑通“数据—模型—实验”闭环的案例。镁伽科技对外披露了两组近期运行数据。据36氪报道,镁伽鲲鹏实验室在7个月内完成了31条药物研发管线的规模化推进;另一个被多次提及的案例是,某抗体药研发团队依托该实验室,用4个月完成针对18个靶点的56轮干湿实验闭环迭代。公司称,后者相当于传统模式下几十名科研人员3、4年的工作量。
这两组数字是理解镁伽产品价值的关键,但也是需要最谨慎对待的部分。首先,它们均来自公司单方面披露,尚无独立第三方验证。其次,“31条管线”的具体定义并不清楚:是完整推进到某一里程碑,还是仅完成部分实验环节?不同定义下,这个数字的含义差异巨大。同样,“56轮干湿实验闭环迭代”对应的是18个靶点,平均每个靶点约3轮迭代,这个密度在抗体药早期研发中是否具备显著优势,需要与行业通行做法对比才能判断。至于“相当于传统模式下几十名科研人员3、4年的工作量”,这是公司给出的效率换算口径,换算基准未披露,不能作为独立复核依据。
这并不意味着这些数据没有价值。恰恰相反,它们指向了AI自动化实验室最核心的验证路径:只有通过真实药物研发项目,才能检验平台能否稳定产出可复用的数据,以及这些数据能否真正加速研发进程。镁伽选择把管线推进数量和迭代轮次作为对外指标,说明它清楚市场关心的是“平台是否真的能用”,而不是“平台有多少台设备”。但这也意味着,镁伽需要更透明地披露这些项目的起点、终点和成功标准。否则,数字越多,外界越难判断其含金量。
从验证路径看,31条管线和56轮迭代更适合作为平台运行强度的指标,而非研发成功率的指标。管线推进数量反映的是实验室通量和调度能力,迭代轮次反映的是干湿实验闭环的执行效率,两者都不直接等同于候选分子质量或临床成功率。镁伽若能将这两组数据与具体靶点类型、项目阶段和终止原因关联披露,其平台价值将更容易被外部评估。
阿曼主权基金入局,资本结构比金额更值得读
本轮融资最值得注意的,不是近2亿美元的金额,而是投资方组合的结构变化。据36氪报道,阿曼投资局(OIA)作为阿曼苏丹国主权财富基金参与本轮投资,亚投资本、Granite Asia、创新工场等老股东加注,招银国际、苏创投、三江招商集团等机构跟投。公司称,本轮融资覆盖国际主权资本、头部金融资本及地方国资产业资本。
主权财富基金的参与,通常意味着更长的持有周期和更强的战略属性,而非单纯的财务回报诉求。但需要指出的是,36氪的表述是“参与投资”,而SmartHey在标题中称“阿曼主权基金领投”,正文则称“参与领投”。两种口径存在差异,本次来源材料未提供足以确认领投方的信息,因此以36氪报道口径为准,不能将“领投”作为已核实事实。
老股东持续加注是另一个信号。亚投资本、Granite Asia、创新工场均在此前轮次中已经进入,本轮继续跟投,说明现有投资人对公司方向仍有信心。但老股东加注也可能意味着新的大额领投方尚未出现,或者估值谈判空间有限。本轮具体轮次未披露,这本身就是一个信息缺口。对于一家曾在2025年6月递表港交所的公司来说,轮次不明会让外界难以判断这是上市前的Pre-IPO轮,还是上市计划调整后的新一轮扩张融资。
据东方财富网报道,截至目前镁伽累计融资约6亿美元,其中C轮融资近3亿美元。36氪的报道也提到,成立十年来镁伽累计完成近6亿美元融资。两个来源在累计金额上基本一致,但C轮近3亿美元这一数字仅出现在东方财富网的报道中,且该来源未说明具体时间节点,因此不能与本轮直接比较。
阿曼投资局的参与可能带有产业落地诉求。主权基金通常关注长期战略回报,但具体到本轮,OIA是否附带中东市场准入、本地实验室建设或数据合规等条件,公开来源未披露。考虑到镁伽在资金用途中明确提及中东市场,OIA的进入可能不仅是财务投资,也可能为公司在海湾地区的客户拓展提供通道,但这一判断目前缺乏直接证据。
递表港交所之后,镁伽的财务底牌与融资逻辑
镁伽科技并非第一次进入公开资本市场视野。据36氪报道,2025年6月,镁伽科技曾递表港交所。据招股书,截至2025年6月,公司在手订单15亿元人民币。这个数字是理解镁伽当前融资需求的重要背景。
15亿元人民币在手订单,对于一家年营收规模尚未在本次来源中披露的公司来说,意味着较强的收入能见度。但订单不等于收入,更不等于利润。AI自动化实验室的交付周期长、硬件占比高、定制化程度高,订单转化为收入的节奏和毛利率水平,才是决定公司财务健康的关键。本次来源材料未提供镁伽的最新营收、亏损和现金流数据,因此无法判断近2亿美元融资在多大程度上是为了支撑交付,多大程度上是为了继续投入研发和全球扩张。
从资金用途看,公司称将“继续加大核心技术研发和全球业务投入”,并加强在中国、欧洲、北美、中东及东南亚等市场的合作。这个表述覆盖了研发、产品和市场三个方向,但未给出具体分配比例。对于一家已经递表港交所的公司来说,融资后的资金使用效率会比资金规模本身更受关注。尤其是在全球多个市场同时扩张,意味着销售、服务和合规成本将快速上升,而AI自动化实验室的本地化交付难度远高于标准软件产品。
另一个值得注意的细节是,本轮融资的投资方中出现了苏创投、三江招商集团等地方国资产业资本。这类资本通常附带产业落地诉求,可能推动镁伽在特定区域建设实验室或制造基地。这有助于降低资本开支压力,但也可能增加重资产投入和区域绑定。公司未披露本轮融资是否包含此类附带条件,因此这只能作为一种结构性观察,而非已核实事实。
15亿元人民币在手订单与近2亿美元融资之间的关系,取决于订单的交付周期和回款条件。如果订单集中在长周期、定制化程度高的基础设施项目,公司可能需要更多营运资金来覆盖交付前的采购和人力成本。地方国资产业资本的进入,可能在一定程度上缓解区域交付中心的资本开支压力,但也可能使公司资产结构变重。这些结构性影响目前只能作为观察方向,无法从已披露信息中量化。
AI4S的窗口期正在收窄,镁伽必须证明数据工厂不是概念
镁伽科技所处的AI for Science赛道,正在经历从概念验证到商业落地的关键转折。2026年的AI4S投资热潮,让AI自动化实验室再度成为资本关注点。但热潮的另一面是,市场对“AI+科学”的耐心正在变短。模型可以快速迭代,论文可以快速发表,但实验室的物理世界不会因为算法进步而加速。设备调试、实验标准化、数据质量控制,这些环节的时间成本是刚性的。
镁伽的策略是把自己定位为“面向真实世界的AI智能基础设施”。黄瑜清在融资消息中表示:“过去,AI最重要的能力是从人类已经积累的知识中学习。下一阶段,它将越来越多地进入真实世界,通过实验、制造和持续反馈,帮助人类创造新的知识、新的材料、新的工艺和新的产品。我们希望建设的,就是让这种能力可以规模化发生的基础设施。”这段话勾勒了公司的长期愿景,但“基础设施”这个词也意味着巨大的投入和漫长的回报周期。
从已披露的信息看,镁伽确实在尝试构建一个比单点工具更完整的体系:底层是融合AI、软件与硬件的智能基础设施,中层是鲲鹏实验室的数据生产能力,上层是ARO科研服务和工业智能应用。这个体系如果跑通,理论上可以形成“基础设施销售—数据生产—科研服务—数据反哺”的飞轮。但飞轮的每一环都需要独立验证:基础设施的交付能力和毛利水平、鲲鹏实验室的数据质量和通量、ARO服务的客户留存和复购、工业智能的跨行业复制能力。目前公开信息只能确认公司在这几个方向都有布局,尚不足以确认飞轮已经转起来。
镁伽还试图在行业标准层面建立话语权。据36氪报道,近期镁伽联合腾讯云、Twist Bioscience发起Poreva Open全球AI蛋白质设计挑战赛,不限模型和技术路线,由镁伽鲲鹏实验室承接湿实验验证。公司称希望以超过一万条蛋白质设计序列的规模,为AI4S建立“开放的评价标尺”。该规模目标尚未披露实际达成情况。这个动作的巧妙之处在于,它把镁伽从“参赛者”变成了“裁判基础设施”。如果挑战赛能够持续运营并吸引头部团队参与,镁伽将获得大量真实蛋白质设计数据,同时强化其平台在AI4S社区中的中心地位。但挑战赛的实际影响力、参与规模和后续数据质量,目前均未披露,仍需观察。
镁伽科技本轮融资的真实意义,不在于金额大小,而在于它是否能用这笔钱补上从“自动化执行”到“数据规模化生产”之间的最后一段路。公司已经讲清楚了自己要做什么,也给出了若干运行数据作为佐证。但AI自动化实验室的竞争,最终不会由融资消息或架构图决定,而会由那些在真实药物管线、真实制造场景中跑出来的数据决定。镁伽的对手不是某一家具体的公司,而是整个生命科学行业对“数据工厂”这一新物种的信任建立速度。这个速度,比融资到账的速度慢得多,也关键得多。
Poreva Open挑战赛的“裁判基础设施”定位能否成立,取决于湿实验验证的标准化程度和结果可复现性。如果镁伽鲲鹏实验室能够为不同模型产出的蛋白质设计序列提供一致的实验条件和可比较的验证结果,该赛事可能成为公司获取外部数据、建立行业话语权的有效渠道;反之,若验证标准不透明或数据质量参差,其“开放评价标尺”的定位将难以获得社区认可。目前该赛事的实际参与规模和验证数据均未披露。
RecodeX 极客视:镁伽的故事本质上是一个关于“数据基础设施”的故事,而不是一个关于机器人的故事。当AI for Science的竞争从模型层下沉到数据层,谁能稳定地产出高质量、可复用的实验数据,谁就掌握了这个赛道最稀缺的供给。但“数据工厂”的验证周期远比软件长,镁伽需要在融资带来的窗口期内,用可被独立检验的管线结果和客户留存,证明它卖的不是一个概念,而是一套真正能降低科学发现边际成本的系统。否则,近2亿美元只会让它在更长的跑道上,面对更苛刻的追问。
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。
