波士顿生命科学 AI 公司 Converge Bio 宣布获得 比尔及梅琳达·盖茨基金会（Bill & Melinda Gates Foundation）250 万美元非稀释性资助（non-dilutive grant）。这笔资金将用于推进公司核心 AI 平台的开发——尤其是在支持全球公共卫生优先领域的药物发现应用上。该公告于 2026 年 6 月 1 日发布。
| 项目 | 详情 |
|---|---|
| 公司 | Converge Bio |
| 联合创始人 | Dov Gertz（CEO）、Oded Kalev（CTO）、Dr. Iddo Weiner（CSO） |
| 总部 | 美国波士顿（麻萨诸塞州）/ 以色列特拉维夫 |
| 成立时间 | 2024 年 |
| 本轮融资 | 250 万美元（非稀释性资助） |
| 资助方 | Bill & Melinda Gates Foundation |
| 历史融资 | 3000 万美元（含 2026 年 1 月 Bessemer 领投 2500 万美元 A 轮） |
| 核心定位 | 生命科学生成式 AI 基础模型平台（DNA/RNA/蛋白质语言模型） |
| 核心理念 | “Proof Over Promises”——实验验证优先于计算基准 |
| 官网 | converge-bio.com |
从 CRISPR 实验室到波士顿初创公司：Dov Gertz 的生物信息学路径
Converge Bio 的故事，从特拉维夫大学的一个实验室开始。CEO 兼联合创始人 Dov Gertz 有着扎实的生物信息学背景，曾在诺贝尔奖得主 Jennifer Doudna 的研究圈内从事 CRISPR 系统相关研究——这种基因组编辑技术已经彻底改变了现代生物医学的研究范式。他的研究生涯让他对一个问题有了深刻认知：生物学数据已经足够丰富，但将这些数据转化为药物研发决策的「认知带宽」严重不足。
CTO Oded Kalev 和 CSO Dr. Iddo Weiner 共同构成了这支跨越生命科学、AI 工程和计算生物学的创始团队。他们选择在波士顿（全球最密集的生物技术生态系统之一）和特拉维夫（以色列世界级的计算机科学人才库）同时建立根据地，这种双中心架构是公司人才战略的直接体现。
「生物语言模型」：当 GPT 遇见 DNA、RNA 和蛋白质序列
Converge Bio 的核心产品逻辑，借用了大语言模型（LLM）的范式，但将其应用对象从人类语言替换为生命科学的三种「生物语言」：DNA 序列、RNA 序列和蛋白质序列。
这一比喻并不只是营销话术，而是有深刻的科学基础。生物分子的序列-结构-功能关系，与语言中的语法-语义-语用关系存在高度的结构相似性。一个在海量蛋白质序列上训练的 AI 模型，理论上能够「学会」蛋白质语言的底层规律，进而预测新序列的功能属性、设计具有特定功能的蛋白质，甚至推断分子之间的相互作用关系。
但 Converge Bio 的野心不止于此。他们的差异化主张在于：从「单点模型」到「AI 系统」。绝大多数生命科学 AI 公司提供的是功能相对孤立的工具——这个模型预测靶点、那个模型设计抗体、另一个模型优化制造工艺。Converge Bio 的理念是将这些能力整合为一套端到端的 AI 工作流系统，能够无缝嵌入制药公司和生物技术公司的现有研发流程。
具体的应用场景横跨药物研发的多个关键阶段：靶点发现（从基因组数据中识别最有治疗价值的蛋白质靶点）、抗体设计（AI 生成并优化治疗性抗体的序列）、蛋白质制造优化（提升重组蛋白的表达量和稳定性）。更重要的是，整个平台的设计遵循「无代码」原则——生物学家无需编写程序，也无需搭建 AI 基础设施，即可直接运行推断和实验规划。
「Proof Over Promises」：一个承诺疲劳时代的反叛宣言
Converge Bio 的核心哲学用四个词概括：Proof Over Promises（证明优于承诺）。
这一立场的背后，是对生命科学 AI 赛道现状的一种隐性批评。过去五年，无数公司宣称自己的 AI 能够「革命性地加速药物发现」，但实际上，很多所谓的突破停留在计算基准（Benchmark）的层面，缺乏严格的实验验证。制药公司在被反复「画饼」之后，对 AI 供应商的信任度正在系统性下降。
Converge Bio 选择了相反的路径：紧密的实验验证循环。每一个计算预测都必须经过实验室实验的检验，而不是单纯依赖数字模型的内部评估。这种方法更慢、成本更高，但产生的是可信赖的结果。
值得注意的是，公司在 2026 年 1 月已经完成了 Bessemer Venture Partners 领投的 2500 万美元 A 轮融资，参与方包括 TLV Partners、Vintage Investment Partners、Saras Capital，以及来自 Meta、OpenAI、Wiz 的高管——这些公司外部资本对公司的技术路线已经给予了充分背书。
盖茨基金会的资助逻辑：公共卫生与前沿 AI 的罕见交汇点
盖茨基金会的资助，对 Converge Bio 而言意义远超 250 万美元的资金本身。
盖茨基金会是全球公共卫生资助领域最具话语权的机构之一，其优先议程聚焦于疟疾、结核病、艾滋病、被忽视的热带病，以及低收入国家的健康公平问题。这些领域的共同特点是：市场回报预期低、商业驱动力弱，导致传统药物研发的投资严重不足，却承载着全球绝大多数的疾病负担。
AI 的潜力在于大幅降低药物发现的成本和时间门槛——如果一个针对疟疾新靶点的抗体设计，原本需要数百名科学家工作数年，AI 辅助系统能否将其压缩至数月、数个研究小组？盖茨基金会押注的正是这种可能性。
从 Converge Bio 的角度，这笔资助验证了公司技术在最高要求的科学场景下的适用性，并打开了一个与全球顶级公共卫生机构深度合作的战略通道——这对于未来争取政府合同、国际组织合作和大型制药公司授权合作，都是极有价值的公信力资产。
一个关键矛盾：「实验驱动」的哲学与「软件规模化」的商业模式
尽管 Converge Bio 的故事引人入胜，但有一个内在张力值得关注。
公司的核心哲学是「实验验证优先」，这意味着他们在某种程度上承诺了一种高度定制化、劳动密集型的服务模式。真正的 SaaS 规模化需要的是标准化、自动化、边际成本接近于零的产品——而深度的实验循环验证，至少在早期，更接近于「科学服务公司」而非「纯软件公司」。
这个张力并非不可调和，但它要求 Converge Bio 在成长路径上做出清晰的选择：是先做深度的科学服务、建立信任和案例，再逐步将成果转化为可复制的软件产品？还是优先构建平台，以软件速度扩展客户规模，但在早期接受「验证不足」的风险？
目前的信号是，公司选择了前者：先用严格的实验验证建立公信力，再以此为基础规模化商业化。盖茨基金会的资助支持了这一路径的合理性。
RecodeX 观点：Converge Bio 在一个竞争激烈但噪声极高的赛道中找到了一个清晰的差异化位置：它的「Proof Over Promises」哲学，是对行业普遍存在的「AI 承诺膨胀」的直接回应，也是打动顶级科学机构（如盖茨基金会）和主流风险资本（Bessemer）的核心叙事。生命科学 AI 赛道的关键挑战不是技术（已经有很多人做出了令人印象深刻的模型），而是信任——制药公司愿意把哪些关键决策节点交给 AI 负责？能够以实验数据回答这个问题的公司，才是这场淘金热中真正的「卖铲人」。盖茨基金会的背书，加上 Bessemer 的资本，给了这家仅成立两年的公司一张令人羡慕的「信任背书地图」。关键观察指标：与大型制药公司的合作是否能转化为付费客户、实验验证数据的积累速度，以及公司能否在 18 个月内展现出从「科学服务」向「可复制平台」的真正转型迹象。