原创报道
2026.06.01 23:05 约 7 分钟 生物科技 1万 阅读

hephaistos.bio 获 16.1 万欧元 Venture Kick 资助:当制药工业还在用 19 世纪的化学方法,这家 ETH 苏黎世衍生公司用 AI 设计酶,把绿色催化剂从实验室带进工厂

项目速览
项目名称 Hephaistos.bio
融资轮次 非稀释性资助
融资金额 €161K
RECODEX PARTNERSHIP
你的项目,下一篇值得报道

每一粒你吃下的布洛芬、每一针注射的抗生素,背后都经历过一个几乎不为人知的工业过程:化学合成。而这个过程,从 1850 年代至今,本质上没有改变——高温高压、有机溶剂、金属催化剂、大量废弃物。制药行业是全球化学污染最严重的行业之一,其碳排放强度高于汽车制造业。

自然界早已有更好的答案:酶(Enzyme)。酶是生物催化剂,在常温常压下以极高的选择性催化化学反应,不产生有毒副产品,不需要有机溶剂。用酶替代传统化学合成,理论上可以把制药工业的碳足迹削减 50% 以上。问题在于:大自然已经存在的酶,只能催化生物进化选择的反应——而工业化学家需要的大多数反应,在自然界根本不存在对应的酶

hephaistos.bio 想解决这个问题:用计算生物学和机器学习,从零设计出自然界从未有过的工业用酶。

2026 年 6 月,苏黎世 ETH 衍生公司 hephaistos.bio 获得了 Venture Kick 提供的 CHF 150,000(约 16.1 万欧元)资助,用于推进工业酶设计平台的研发、实验室自动化升级和首批团队成员招募。四位联合创始人分别是 Lukas Radtke(CEO)、Lucas Merlicek(CTO)、Jannik Neumann(运营负责人)和 Moritz Ullhofen(首席科学官)。

关键信息 内容
公司名称 hephaistos.bio
融资来源 Venture Kick(瑞士初创加速资助计划)
融资金额 CHF 150,000(约 16.1 万欧元)
联合创始人 Lukas Radtke、Lucas Merlicek、Jannik Neumann、Moritz Ullhofen
依托机构 ETH Zurich(苏黎世联邦理工学院)
公司总部 瑞士苏黎世
核心产品 端到端工业酶设计平台(计算生物学 + 机器学习 + 结构生物学)
目标市场 制药合成、精细化工、工业生物催化
行业 生物科技 / 可持续化工 / 工业生物技术

为什么现有的酶不够用:工业生物催化的核心瓶颈

工业生物催化的”可用酶库”存在一个根本性问题:数量极其有限,且大多数不适合工业条件

自然界中已知的酶覆盖大约 7,000 种不同的化学反应(EC Number 分类体系)。但这 7,000 种反应,是大自然在数十亿年进化过程中”碰巧”发现有用的——它们几乎全部针对生物体内的代谢需求,对温度、pH、溶剂、底物浓度的要求也是为生物体内环境优化的。

制药合成化学家面临的问题是:他们需要的反应,往往不在这 7,000 种里面;即使在,自然界的酶在工业条件下(高底物浓度、异常 pH、有机溶剂共存)往往失活或效率极低。

传统的解决方案——定向进化(Directed Evolution)——是对已有酶进行随机突变和筛选,逐步改造成适合工业用途的版本。这个方法有效,但极度耗时:一个定向进化项目通常需要 2-5 年,且只能在已有酶的基础上优化,无法创造全新的催化功能。AlphaFold 等蛋白质结构预测工具的出现,为全新酶设计打开了一扇门——hephaistos.bio 想走进这扇门。

端到端设计平台:从需求到酶,全流程 AI 驱动

hephaistos.bio 构建的不是单一工具,而是一个端到端的酶设计平台,整合了四个关键能力模块:

1. 反应分析与酶候选预测:用计算化学分析目标反应的过渡态结构,预测哪类酶活性位点(Active Site)具备催化该反应的几何条件;

2. 从头设计(De Novo Design):利用蛋白质设计算法(类似 David Baker 实验室的 RFdiffusion 框架)从零生成具有目标活性位点的蛋白质序列,而不是改造现有蛋白;

3. 机器学习驱动的优化循环:生成候选序列 → 实验验证活性 → 用活性数据训练模型 → 生成更优序列,形成「设计-构建-测试-学习」的闭环;

4. 实验室自动化验证:高通量自动化实验,快速筛选大批量候选酶变体,为 ML 模型提供训练数据。

这个框架与 Ginkgo Bioworks、Zymergen(已被 Ginkgo 收购)等工业生物技术公司的架构有一定相似性,但 hephaistos.bio 专注于酶的从头设计——这是生物技术中技术难度最高、但一旦成功商业价值也最高的方向。

竞争格局

公司 / 方案 定位 技术路线 目标客户 劣势
hephaistos.bio 工业酶从头设计平台 计算生物学 + ML + 结构生物学 制药、精细化工 超早期,平台尚在验证
Ginkgo Bioworks 通用合成生物技术平台 高通量 Foundry + 基因工程 食品、化工、医药多行业 平台很广但不专注于酶设计
Enzymatica / Arzeda 计算酶设计 Rosetta + 定向进化 精细化工、食品 技术较老,AI 集成程度弱
Absci AI 蛋白质设计 深度学习 + 合成生物学 制药(抗体、蛋白药物) 专注治疗性蛋白,非工业酶
传统 CRO(合同研究机构) 定向进化服务 高通量筛选 大型制药公司 慢(2-5年/项目),成本高
Novo Nordisk/DSM 内部团队 大型制药/化工自建能力 各异 内部使用 不对外商业化

ETH Zurich + Venture Kick:瑞士深科技的黄金起点

Venture Kick 是瑞士最重要的早期深科技支持计划,已经帮助了 Scandit、Versantis、Climeworks 等众多成功公司从 ETH 孵化走向市场。获得 Venture Kick 资助,意味着 hephaistos.bio 通过了一个严格的同行评审和商业化评估——这对于一家超早期科学公司,是重要的第三方信誉背书。

ETH Zurich 在蛋白质设计和计算生物学领域的研究实力毋庸置疑——该校是 AlphaFold 应用研究、蛋白质折叠和酶工程的全球顶级机构之一。hephaistos.bio 的技术根基直接来源于 ETH 的研究积累。

关键风险与挑战

1. 从实验室到工业的巨大跨越:即使能设计出在实验室中有催化活性的酶,将其优化到工业生产所需的稳定性(高温、有机溶剂、长时间运行)仍然是极大的工程挑战;

2. 客户验证周期:制药公司导入一种新的生物催化工艺需要通过 FDA/EMA 的工艺变更审核,验证周期通常长达 1-3 年;

3. 资金需求:CHF 15 万只是概念验证资金,下一步需要数百万欧元级别的融资才能真正推进平台建设和实验室自动化;

4. 竞争压力:David Baker 实验室(诺贝尔化学奖 2024)及其衍生公司(Monod Bio、Absci 等)在蛋白质设计领域的领先优势——学术竞争也是商业竞争;

5. 商业模式定义:是”酶即服务(Enzyme-as-a-Service)”收取设计费?是许可协议?还是共同开发协议?早期的商业模式选择将深刻影响公司未来的资本结构。

hephaistos.bio 代表了合成生物学最前沿的方向:不是改造自然,而是超越自然——设计出自然界从未有过的蛋白质催化剂,让工业化学从化石能源的奴隶,变成生物智慧的受益者。ETH Zurich 是这个梦想最好的起点;Venture Kick 的资金验证了团队的商业化路径。接下来的挑战,是在资金耗尽之前,完成足够有说服力的工业客户验证——因为只有当一家制药公司愿意把其下一个原料药的合成路线,押注在 hephaistos.bio 设计的酶上时,这家公司的商业价值才真正成立。

RECODEX PARTNERSHIP
你的项目,下一篇值得报道
RecodeX 为 AI×Web3 早期项目提供从深度报道到融资撮合的全链路服务。三档方案,按阶段匹配。