英灵殿科技获近5000万美元：全模态分子模型能否定义Scientific AGI新范式？

2026年的AI蛋白质设计赛道正处在一个微妙的节点。过去几年，一批明星公司沿着“单模态、高精度”的路线在抗体、酶、多肽等细分方向各自建立护城河，技术路线逐渐收敛。然而，当一种试图从根本上消解“模态”本身的技术主张出现时，牌局的规则可能被改写。

英灵殿科技（Vinland Tech）带着另一种答案出现在牌桌上。2026年7月，这家成立仅数月的公司宣布三个月内连续完成多轮融资，累计近5000万美元。投资方名单覆盖了国内AI4S赛道最主要的早期资本力量——五源资本、真格基金、中科创星、襄禾资本、国方创新、陆石投资、奇绩创坛、L2F光源创业者基金，以及一家未披露身份的知名产业方，光源资本担任独家财务顾问。公司的核心主张直接切入了裂缝的最深处：蛋白、DNA、RNA、小分子、离子在物理本质上没有“域”的区别，它们都是原子按一定规则的排列。

一个底层判断：原子层面没有“域”，只有排列方式

理解英灵殿科技的技术主张，需要回到其学术起点的核心假设——张昊天在华盛顿大学David Baker实验室期间以一作兼通讯身份发表的全模态分子设计基座模型ODesign。这一工作的出发点是一个近乎物理学的直觉：蛋白、DNA、RNA、小分子、离子，在传统生物技术和AI框架里被当作截然不同的问题域进行分类处理，各自发展独立的模型与数据集；但在原子尺度上，它们不存在任何本质的区别，不过是碳、氢、氧、氮、硫等原子按照不同规则进行的空间排列。张昊天在Baker Lab期间将这种洞察凝结为ODesign模型，其核心逻辑简单而激进：如果能用一个统一的模型框架来学习所有分子之间的相互作用，那么传统AI制药中棘手的“跨域迁移”问题——例如在蛋白质数据上训练好的模型无法直接用于核酸药物设计——就从根本上被消解了，因为这个框架里从一开始就没有“域”的概念。

公司将这一思路定义为“all-to-all生物分子相互作用设计”。正如钛媒体所总结的，其与竞品的根本差异在于——不是比谁预测得更准，而是谁的框架更接近物理本质。这句话背后蕴含着一种范式层面的挑战：市面上多数AI蛋白质公司选择在特定分子类别上追求极致预测精度，其技术路径往往意味着针对某一类分子的独立模型、独立训练数据和独立验证体系；而英灵殿选择的方向是一条结构性差异之路，试图绕过局部最优，从原子间相互作用的第一性原理出发，构建一个能处理任意分子类型组合的通用框架。这种差异并非技术参数上的微小改进，而是瞄准了下一代AI制药基础设施的核心位置。理论上，一旦这样的框架被跑通，其能处理的设计任务范围将极为宽泛，从抗体设计到酶设计，从核酸药物到分子胶，从PROTAC到多肽偶联——这几乎覆盖了当前新药研发中所有热门模态。正是这种系统性的想象力，为后续的多家一线机构集体押注埋下了伏笔。

基于这个思路，团队在ODesign的基础上迭代出了新一代多模态生成式分子世界模型AlloDesign。公司披露，AlloDesign的核心改进在于训练阶段前置了多体相互作用的物理假设与训练过程，系统提升模型对多模态、多元相互作用的建模能力。这里的“多体相互作用”是一道关键的技术屏障：在真实生物环境中，一个药物分子往往不是单独与靶点蛋白作用，而是处于蛋白、辅因子、水分子、离子、甚至其他竞争性配体共同存在的复杂网络中。传统单模态模型在设计任务中通常只考虑二元互作（例如蛋白-配体对接），在处理三元及以上分子互作时精度下降明显，因为多体之间的协同效应、别构调控等非线性关系很难通过事后拼接多个模型来解决。AlloDesign的技术目标正是突破这一局限，其前置物理假设的做法意味着模型在训练时就内建了对多组分体系能量景观的描述能力，而非仅仅学习从序列到结构的映射。这一能力如果被验证，可能意味着模型能够触达传统技术难以触及的“不可成药”靶点——那些缺乏明确单一结合口袋、需要多分子协同调控的困难靶标。

环肽，AlloDesign的第一个验证战场

任何宏大叙事都需要一个具体验证点。英灵殿科技选择的第一个公开亮相的战场是环肽设计。这个选择背后可能有着精心的考量：环肽正处于小分子药物和生物药之间的“跨界地带”，既拥有小分子一定的细胞渗透性，又拥有抗体类药物的高亲和力与高选择性，同时其构象约束的环状结构极大增加了理性设计的难度。传统方法在设计复杂环肽时，需要同时解决序列优化、成环位点选择、环化化学类型的组合以及三维构象控制等多重挑战，计算搜索空间呈指数级增长。

英灵殿科技披露，通过多模态混合训练、随机原子化与拓扑条件控制等技术，AlloDesign已在线性肽及头尾酰胺键环肽等基准任务中取得领先表现，并进一步拓展至二硫键环化、异肽键环化及桥环等复杂拓扑结构的从头设计。目前AlloDesign已初步具备跨越不同成环方式与化学连接类型的统一建模能力，为探索传统方法难以覆盖的复杂环肽化学空间奠定了基础。这意味着模型并非仅仅针对最常规的酰胺环化进行优化，而是试图在同一框架下理解不同的化学连接逻辑，这对于环肽药物开发中经常出现的非经典环化结构（例如利用点击化学、钌催化烯烃复分解等方式构建的环肽）具有重要价值。不过，基准任务上的领先并不等同于成药性验证，这中间还存在计算指标与体内药效之间巨大的鸿沟。

一个闭环的叙事：从计算预测到湿实验验证

在AI制药领域，一个流传已久的批评是“硅上谈兵”——模型在计算机上生成的分子看起来完美，但到了实验室却无法合成、不稳定或没有活性。英灵殿科技显然试图从一开始就回应该质疑。公司配套建设了自研高通量实验平台，打通分子设计、自动化合成与亲和力验证的完整链路，实现候选分子的快速构建、实验表征与迭代优化。实验结果持续反哺模型与设计策略，推动计算预测与实验测量深度耦合，形成数据驱动的闭环研发体系。

这套“计算-实验”闭环的叙事在当前AI药物设计语境下极具吸引力。理论上，每一轮从实验返回的数据都在为模型的物理假设提供校准信号，帮助模型学习到单纯从公开数据库难以获得的真实化学空间特征，例如化合物的合成可行性、在生理条件下的稳定性、非特异性结合趋势等隐式知识。但是，闭环的实际运转程度取决于高通量平台的通量、数据生成质量和迭代速度。公司目前未披露该平台的具体通量数字、可支持的化学合成类型边界以及平均迭代周期长度。此外，闭环中“实验结果反哺模型”的这一步骤是技术落地中最具挑战的环节：实验数据的噪音、批次效应、不同检测方法之间的系统偏差，都可能让模型学到错误信号。这套体系真正跑起来的难度，可能不亚于模型本身的开发。

短期靠服务，中期建平台，远期造“虚拟科学家”

商业化层面，英灵殿科技规划了一条三阶段递进的路径。短期以药物发现作为首个落地场景，面向全球MNC、Biotech提供两类服务：一是针对特定靶点的定制化分子研发服务，直接输出经过实验验证的候选分子；二是直接向有内部AI能力的药企进行工业级模型授权，让客户在AlloDesign的基础上用自己的专有数据进行微调和分子生成。这一阶段的目标是缩短新药前期研发周期，产生真实的合作收入。

中期的目标是搭建可自我迭代的Scientific AGI基础设施。这里的关键词是“可自我迭代”——公司希望其技术体系不仅是一套工具，而是一个能够持续吸收新数据、自动改进模型、扩展探索能力的基础平台。这样的叙事在方向上与近年AI领域热门的“基础模型+持续学习”范式一致，但在生命科学领域实现这一点的难度远高于语言或视觉领域，因为科学数据的获取成本高昂、数据质量参差不齐，且跨学科的物理规律远比语言规则更难通过纯粹的数据驱动习得。

远期，公司规划的图景更为宏大：将技术能力延伸至更多科学领域（合成生物学、材料科学、能源领域等均被提及），并落地自驱动智能实验室，打造可独立完成科学推演与实验迭代的“虚拟科学家”体系。这一表述本质上是在描绘一个Scientific AGI的商业化未来图景：AI不再仅仅是科研人员的辅助工具，而是成为具备科学直觉、假设生成能力和实验设计能力的智能体。从当前以环肽设计为起点的阶段，到实现这样的远期目标，中间需要跨越的不仅是技术成熟度，还有基础科学范式的变革和产业共识的建立。这可能需要以十年为单位来衡量演进周期。

资本集中押注“掀桌子”逻辑的背后

本次融资的投资方组成颇具信号意义。五源资本、真格基金、奇绩创坛历来在技术早期阶段敢于下注范式性变革；中科创星聚焦硬科技，对有物理世界背景的AI公司有系统性的布局；襄禾资本、国方创新、陆石投资等的加入则可能意味着一种更务实的判断：无论全模态路线最终能否成为终极范式，其在药物发现环节的工具价值本身已经值得一笔可观的早期投入。未披露身份的知名产业方入场，则在某种程度上可能暗示着大型药企对“全模态统一框架”这一方向产生了战略性兴趣。光源资本担任独家财务顾问并同时作为早期投资方（L2F光源创业者基金），这种“投行+投资”并行参与的模式也体现了一级市场对于此类高天花板科技项目的竞争烈度。

多家顶级机构的联合加持，显示了市场对“全模态”路径的初步认可。但同样值得思考的是，这笔近5000万美元的融资在天使轮至A轮阶段属于高水位，机构给出的估值隐含了对团队背景（David Baker实验室“全华人骨干团队”的标签）、技术原创性（ODesign论文的一作/通讯作者创业）以及赛道时机（AI4S融资窗口仍然开启）的多重溢价。投资人对全模态逻辑的买单，更像是一种在正确方向上押注底层框架优势的战略性决策，而非基于已验证的商业化数据的成长性判断。

风险不会缺席，只是被全栈叙事暂时包裹

尽管英灵殿科技展示了一个逻辑自洽、层次清晰的“从第一性原理重构分子设计”的叙事，以当前公开信息看，几个关键假设仍处于待验证状态。

首先是全模态模型与专有模型的对标问题。公司在环肽基准任务上宣布领先，但“基准任务领先”与“在药企的具体靶点上比专用模型更好用”之间存在距离。公司未披露AlloDesign与当前领域内主流单模态蛋白质设计模型、或者专门针对环肽的专家模型进行头对头比较的数据。在药物研发这样一个高度结果导向的领域，最终客户（药企）关心的往往不是底层框架的哲学正确性，而是在他们关心的那个具体靶点、那种特定分子类型上，谁生成的分子的成功率更高。全模态框架理论上可能带来更强的泛化能力，但这是否会在每个单一子任务上保持对专用模型的优势，仍需验证。

其次是环肽基准任务的领先能否转化实际可成药性。目前公开信息中没有包含细胞实验或动物实验的数据，例如分子在细胞膜上的渗透性、细胞内靶点结合效率、代谢稳定性、体内药代动力学特征等。从“在基准测试集上能设计出稳定构象的环肽”到“这个环肽分子在小鼠疾病模型上显示出治疗窗口”，中间隔着数十个可能失败的环节。

再者，实验闭环的实际运转程度是另一个未解之谜。自研高通量平台听起来是补齐了关键短板，但平台是否已经达到能够以工业级效率运转的程度，是否可以支持从环肽到其他更复杂分子（如多特异性抗体、核酸偶联物等）的无缝切换，目前均未公开。

最后，团队的管理半径值得关注。三位核心创始人有着顶尖学术背景和全模态模型的原研经验，但公司成立仅数月，数千万元美元到账后，快速扩充的团队规模将考验其从学术研究者向工业化公司管理者的角色转换速度。面向全球MNC客户的商业拓展、知识产权布局、符合药企标准的实验数据管理体系，这些能力同样需要时间来构建。

英灵殿科技近5000万美元的进账，确认了一个行业信号：在AI蛋白质设计的关键转折点上，资本正在寻找从第一性原理出发重构问题框架的公司。前一轮以“单模态高精度”为旗帜的公司已经成为估值锚点，而试图颠覆这一逻辑的新一代选手正在拿到通往牌桌的门票。这一叙事最终能否兑现，取决于后续真实药物开发项目中的验证数据——而不是基准测试上的领先、不是融资新闻中的技术描述、不是远期Scientific AGI的宏大愿景。当一家Biotech公司的具体靶点研发合同和临床前数据走上台前时，才会是真正的检验时刻。

RecodeX 极客视点：英灵殿科技拿到的不是一张续命支票，而是一张挑战单模态范式的入场券。全模态分子世界模型的底层逻辑足够有攻击性——用统一的原子级表示消解蛋白、核酸、小分子的传统区隔，而非在单任务精度上内卷。但“框架正确”和“管线上有用”之间的鸿沟，才是真正的战场。当公司宣称环肽基准任务领先时，药企要的是结合口袋里的真实死活。未来12个月，能否拿出外部客户可验证、可复现的设计-合成-测试闭环数据，将决定Scientific AGI是一个可执行的路线图，还是一个只有投资人才买单的概念。