Quercus Biosolutions 完成500万美元种子轮：生成式AI设计的迷你蛋白质能否破解除草剂抗性困局？

在农业领域，传统化学除草剂正面临监管壁垒和消费者信任的流失，而杂草对现有化学工具的耐药性持续累积，迫使行业寻求全新的作用模式。Quercus Biosolutions，一家总部位于威斯康星州麦迪逊和密苏里州圣路易斯的农业生物技术公司，将生成式AI引入作物保护化合物的设计，试图用一类全新的“迷你蛋白质”对抗这一系统性挑战。

该公司刚刚完成了一轮500万美元的超额认购种子轮融资。它拿出的方案不是传统的化学配方，而是一类通过生成式人工智能设计的蛋白质分子——它们通过与杂草酶的蛋白质‑蛋白质相互作用来抑制其功能，而非效仿传统除草剂所依赖的小分子化学路径。这一技术路线意味着，该公司不是在现有化学框架内做改良，而是试图在作物保护领域建立一个与合成化学平行的生物解决方案类别。

绕过化学疲惫：蛋白质设计为何不是另一种雾剂

传统除草剂失效的核心往往在于杂草靶标酶活性位点的单点突变。一个氨基酸残基的改变就足以让一款年销售额数亿美元的产品在特定区域丧失防效。Quercus 的迷你蛋白质采用了一种不同的作用逻辑——它们通过蛋白质‑蛋白质相互作用界面覆盖在靶标酶表面来抑制其活性。这意味着，抑制剂与靶标之间的结合不再依赖一个狭窄的活性口袋，而是在一个更大的三维表面上建立多点接触。正如公开资料所指出的，由于这种抑制方式不依赖标准化学路径，已对传统化学物质产生抗性的杂草可能仍然对这些新型蛋白质保持易感。

这一机制在药理学上并非全新概念——蛋白质‑蛋白质相互作用界面在人类药物发现中已被探索多年——但将其系统性地应用于作物保护，尤其是以生成式AI作为设计引擎，构成了该公司的差异化叙事。AI在此承担的角色可能包括：预测目标杂草酶的可用结合界面、生成能够稳定覆盖该界面的迷你蛋白质骨架、以及在不牺牲结合亲和力的前提下优化蛋白的物理化学稳定性。然而，公司未公开其AI平台所使用的具体模型架构、训练数据来源或候选分子的迭代周期。

“种植者正面临其所依赖的工具持续的抗性压力，他们需要新的作用模式来保持领先。”CEO 兼联合创始人 Jon Lightner 在融资信息披露中表示。Lightner 的论断根植于一个日益紧迫的产业现实：可用的化学工具正在减少，而具备全新作用机理的替代方案却迟迟未能商业化。过去三十年间，全球主要农化公司推出的除草剂几乎全部基于既有作用模式的衍生结构，真正全新作用模式的商业化产品屈指可数。这意味着，抗性管理在操作层面已退化为对存量工具的排列组合，而非引入全新化学类型的战略升级。

公司尚未公开披露其迷你蛋白质具体靶向何种杂草酶、在何种浓度下实现抑制，以及抗性突破概率是否会显著低于现有化学方案。来源材料仅确认“田间试验正在进行”，且公司“正在探索针对真菌和昆虫的应用”。投资人显然在为远景买单，但其蛋白质‑蛋白质相互作用所构筑的抗性屏障究竟能在多长的田间暴露周期内维持有效，仍需要在多代杂草种群中通过大规模田间实验加以验证。一个关键的技术问题是：杂草靶标酶在蛋白覆盖区域发生突变后，是否可能在不牺牲酶本身催化功能的前提下削弱蛋白结合？这个问题的答案可能决定该技术路线的抗性耐久性上限。

规模化的真正赌注不在AI，在发酵罐里

农业投入品与其他AI驱动生物技术赛道之间最大的鸿沟在于成本约束。医药领域的蛋白质药物可以承受每克数千甚至上万美元的生产成本，但一英亩玉米田的除草剂投入通常只有几十美元。这意味着，即使Quercus的迷你蛋白质在田间表现出完美的防效，如果其单位活性成分的生产成本无法压低到接近化学除草剂的水平，市场接纳度将极为有限。Quercus 选择的规模化路径是精准发酵——让经过工程改造的微生物在发酵罐中分泌目标迷你蛋白质，再提取配制。公开信息显示，公司“正与精准发酵专家合作，使微生物分泌这些蛋白质，可能使最终产品更容易且更具成本效益地实现工业规模生产”。

“可能”一词透露出真实的不确定性。从摇瓶到千升级发酵、从实验室蛋白积累量到商业化产率，每一步都涉及启动子优化、密码子偏好调整、分泌信号肽筛选和下游纯化工艺开发。精准发酵在食品和工业酶领域已有成熟应用，但专用于除草活性蛋白的规模化生产仍缺乏成熟的工艺包。一个核心挑战是：蛋白需要在发酵液中以正确折叠的活性构象积累到经济可行的滴度——通常需要达到每升数克至数十克的范围——同时避免在微生物胞内形成包涵体或因过量表达引发宿主毒性。如果产率不足以跨越经济临界值，或蛋白在野外条件下的稳定性出现衰减，这条技术路线就可能从“取代化学除草剂”退回到特定场景的补充方案——例如高价值果蔬作物或抗性严重区域——从而大幅压缩可服务市场的规模，并对后续融资的估值锚定构成实质压力。

此外，蛋白产品在发酵液中的回收率、浓缩过程中的剪切耐受性、长期储存的降解动力学以及在紫外线与土壤微生物环境中的半衰期，每一个参数都可能成为成本方程中的瓶颈。不同于化学小分子的稳定性和配方设计有百年工业经验可循，蛋白类除草活性物质的田间递送仍是一个相对开放的工程问题。这些参数在目前公开材料中均未被披露。公司是否已经锁定了发酵工艺的初步参数包，或是否已在中试规模上运行过示范批次，外部无法判断。

两种说服逻辑：对农民说性能，对监管说安全

Quercus 的叙事必须在两类截然不同的受众之间找到平衡。面对农民和渠道商，它需要证明性能不妥协——正如 Lightner 所强调的：“我们不要求他们做权衡。”公司的目标是提供既有效又具成本竞争力的生物替代品，让农民无需在防效和环境责任之间被迫取舍。这一表述直接回应了生物除草剂领域长期以来的一个结构性困境：许多生物源产品虽然在注册审批和环境叙事上占优，但在面对严重杂草压力时防效不稳定，农民不得不回到化学方案或是进行多产品混用。

面对监管机构和食品价值链，公司则讲述一个不同的故事：蛋白质类产品在环境中可降解为氨基酸残基，对非靶标生物的毒性预期值较低，残留风险可控。这恰好切中当前监管趋势对低环境负荷产品的需求——欧盟的“农场到餐桌”战略和美国EPA对内分泌干扰物的审查升级都在收紧化学农药的登记门槛。如果迷你蛋白质的环境毒理学图谱确实洁净，Quercus 可能在登记审批的时间窗口上获得相对优势，这意味着更快的市场准入和更低的登记成本。不过，优势的大小取决于具体监管管辖区对蛋白类作物保护产品的分类路径：是将其归入生物农药的加速通道，还是要求与传统化学农药同等的全套数据包，这将直接决定注册周期和费用。

然而，没有任何公开数据表明 Quercus 的迷你蛋白质在同等杂草压力下的防效百分比、持效期或桶混稳定性与传统除草剂可比。监管侧的环境归趋数据——如蛋白在土壤中的半衰期、对土壤微生物组的急慢性影响、对传粉媒介的毒性终点——同样未被披露，而这些是注册登记前的必答题。蛋白在土壤中虽然理论上可降解，但降解速率可能因土壤类型、温度和微生物群落组成而差异显著；如果降解过快，持效期可能不足以覆盖杂草萌发的关键窗口；如果降解过慢，则可能在轮作作物或地下水中引发次生问题。这些权衡需要在田间条件下量化，而非仅仅由蛋白的化学性质推导。

资本结构的隐喻：产业资本为何提前入场

此轮种子轮的投资者构成值得逐层拆解。Serra Ventures 是典型的中西部早期风险资本，偏好农业科技和生物技术的交叉地带；其对Quercus的领投表明，该基金在区域性农业技术创新中看到了超越常规SaaS或设备类投资的回报潜力。Starshot Capital 与 Grantham Foundation 则带有更明确的可持续技术导向。Grantham Foundation 长期关注气候变化和环境边界议题，其参与意味着 Quercus 的叙事超出了单纯的农业效率提升，触及化学投入品减量的系统性问题——这与该基金会一贯支持的基础性环境解决方案投资逻辑一致。Flyover Capital 和 Rootstock Capital 的加入增强了本轮的中西部地域特征，也反映了该地区投资机构对本地农业产业链痛点具有直接认知。

更引人注目的是 Iowa Corn Opportunities Fund、Kentucky Corn Plus、Ag Ventures Alliance 等玉米种植者合作社基金的参与。这些基金通常代表种植者利益，由农户通过作物销售提成等方式汇集而成，其投资决策需要经过种植者理事会的审批。它们的入场是一个强信号：抗性杂草问题在中西部已严重到促使生产者组织愿意用自有资金对赌一条尚未充分验证的技术路线。这同时意味着，Quercus未来的产品开发方向可能会受到这些合作社所代表作物类型和种植区的影响——玉米和大豆很可能成为首批目标作物，因为中西部玉米带的抗性杂草问题最为集中。

Matt Crisp 作为联合创始人兼执行董事长，此前是 Benson Hill 的联合创始人及前CEO。Benson Hill 从一家AI驱动的作物设计平台起步，最终经历了SPAC上市后的估值调整和战略收缩，这段历程为他提供了关于技术平台如何在农业领域实现商业化的第一手经验。他对从平台叙事跨越到实际营收的转化难度有切身体验。他在本轮融资中的表述——“偶尔，一项技术会重新定义可能的边界。我们相信这个平台是农业罕见的拐点之一”——在措辞上保持了平台级雄心，但具体的产品上市时间线和营收里程碑均未公开。这一表述的谨慎程度，可能反映出他从先前经历中汲取的教训：在农业领域，技术在温室和实验室中表现出的潜力与其在商业化层面的可实现性之间存在一条需要多年才能跨越的鸿沟。

资金用途的空白与隐含的路线图

本轮资金的具体分配方案未在公开材料中标明。基于公司当前阶段和已经确认的公开行动，可以锚定几个必然的支出方向：田间试验的扩大——从当前试验点扩展到多地区、多作物、多杂草谱系的试验网络；精准发酵工艺的开发与中试规模放大；以及团队在蛋白质设计、发酵工程和田间开发方向的人员补充。对于一个总额为500万美元的种子轮公司来说，这三项支出的比例分配将直接影响其在未来18到24个月内可交付的成果。如果田间试验消耗过多预算，发酵中试可能被推迟，导致规模化路径难以在A轮融资前提供有力证据；反之，如果工程团队扩张过快而田间数据产出不足，产业资本方的耐心可能受到考验——这些种植者合作社通常期望在数个生长季内看到可评估的田间结果。

更值得关注的是隐含的战略取舍。如果 Quercus 将资源集中于杂草领域，其切入市场的速度更快、竞争噪音更小，因为除草剂市场虽然整体规模小于杀虫剂和杀菌剂，但抗性驱动的替换需求明确，且该领域的生物替代品竞争密度相对较低。但总可服务市场局限于除草剂细分，可能会限制A轮融资时投资人对天花板空间的想象。如果同步铺开真菌和昆虫方向——公司确实公开表示在“探索”这些应用——资源将被快速稀释。杀虫和杀菌蛋白的市场各自具有独特的技术门槛：杀虫蛋白需要穿越昆虫围食膜并作用于中肠靶标，涉及蛋白在强碱性环境和蛋白酶攻击下的稳定性问题，以及穿越围食膜的递送效率；杀菌蛋白则需要面对真菌细胞壁的物理屏障和病原菌分泌性蛋白酶的降解攻击。这两个方向不仅需要独立的靶标筛选和AI设计流程，还需要完全不同的田间评估方法和毒理学数据体系——体内昆虫生物测定和离体真菌培养皿筛选与除草剂田间小区试验在操作逻辑上几乎无法复用。在种子轮阶段，选择在哪个方向上首先产出田间药效报告，将直接决定A轮融资的估值锚点和产业合作方的入场意愿，也可能影响公司是定位为“除草剂公司”还是“作物保护平台”。

验证之路：从机理到田间的最后跃迁

Quercus 将田间试验定位为当前阶段的中心叙事，这无疑是正确的——农业科技领域的融资天花板，从来不是由白皮书或机器学习模型的精度决定的，而是由地块级的防效数据决定的。但田间试验本身是一个漫长且不可压缩的过程：杂草生长有其季节节律，不同年份的降雨和积温带来变数，干旱年份杂草出苗不齐可能使防效数据缺乏统计效力，多雨年份则可能加速蛋白降解从而低估持效期；而土壤类型——从中西部冰川沉积形成的壤土到南部的高黏土含量变性土——以及种植制度在不同种植带之间差异巨大。要积累足够的证据支撑商业化宣称，往往需要跨越多个生长季、覆盖多个地点的统计验证。一个生长季的有利数据可能在下一年被异常气候翻转，这在作物保护产品的开发史上屡见不鲜。

此外，蛋白质类产品的剂型稳定性和桶混兼容性有待田间确认。农民习惯的桶混方案中通常包含多种农药、助剂和肥料——例如在一次性作业中同时施用除草剂、杀虫剂、叶面肥和渗透剂——迷你蛋白质在混合液中是否会因pH变化、离子强度波动或有机溶剂暴露而聚集、降解或失活，是一个化学惰性小分子无需面对的考验。剂型开发可能需要引入保护性辅料，如缓冲盐、冻干保护剂或控释基质，每一步都会叠加到最终产品的生产成本中。如果最终产品需要单独施用或特殊的存储条件——如冷链运输或临用前配制——这套方案在经销商网络中的渗透速度将大打折扣，因为农化渠道的效率高度依赖标准化的仓储、搬运和混用流程。

公司的另一个待验证假设隐藏在 Lightner 的发言中：“我们正处在耐久的AI公司被构建的下一阶段。”耐久不仅是技术参数，更指向单位经济模型——AI设计平台能否持续以低于传统高通量筛选的成本输出新的候选蛋白分子？每款蛋白产品从设计到田间登记的总研发费用能否压缩到千万美元级？AI能降低前期发现成本——传统上通过化学库合成和温室筛选发现一个先导化合物可能需要数百万美元和数年的时间——但后期的毒理学评价、环境归趋研究、制剂开发和登记注册费用通常占据新农化产品总研发预算的绝大部分，这些环节受制于监管要求的固定研究项目和试验周期，难以通过算法加速。以EPA登记为例，一个新型活性成分可能需要提交数十项GLP合规的环境毒理和哺乳动物毒理研究，这些研究的实际执行时间通常需要两到三年。如果这些下游成本刚性无法突破，AI带来的效率提升可能只体现于整个研发链条中相对有限的一端——从靶标识别到先导蛋白的生成——不足以从根本上改变行业的投入产出比。

Quercus 同时进行的多品类探索——从杂草到真菌再到昆虫——暗示它对AI平台的通用性有相当信心，即同一套生成式设计流程可以针对不同靶标酶快速生成新的候选蛋白。但每新增一个适应症就意味着新增一套独立的毒理学评价和环境归趋研究，因为在监管框架下，蛋白序列的改变即使不影响大致的结构类别，也通常要求重新评估其环境行为和毒性终点的变化。这些测试在主要市场的监管框架下几乎不可压缩，且某些脊椎动物毒性测试在伦理和合规层面更无捷径可走——EPA和EFSA对非靶标脊椎动物的急性和繁殖毒性数据有硬性要求。在种子轮阶段保持探索方向的开放性，固然为后续融资提供了更宽泛的叙事空间，使其能够同时向除草剂、杀虫剂和杀菌剂三个市场空间讲述增长故事，却也可能延缓任一方向的商业化进展。农业生物技术史上不乏因管线过度分散而在跨越研发到商业化的“死亡之谷”时失速的案例。Quercus 如何向市场交出第一份确定性的田间成绩单——选择一个优先作物和靶标杂草组合，在多地点、多重复的条件下公开展示防效数据——将是检验这一轮融资逻辑是否成立的关键节点。

值得注意的是，公司的双总部设置——威斯康星州麦迪逊和密苏里州圣路易斯——可能反映了其技术团队和商业化团队在地缘上的分工。麦迪逊作为威斯康星大学麦迪逊分校所在地，在蛋白质工程和计算生物学领域有深厚的人才储备；圣路易斯则是多家农化巨头和农业生物技术公司的集聚地，同时也是中西部农业带的枢纽。这一布局可能有利于公司在AI平台建设和产业合作之间维持双向的信息流动，但跨地点协调在种子阶段的资源消耗和管理精力也不容忽视。

RecodeX 极客视：Quercus Biosolutions 正在讲述一个故事：用生成式AI驱动蛋白质设计来挑战传统除草剂。这个故事的技术逻辑有其吸引力——蛋白质-蛋白质相互作用作为除草机制确实开辟了一个传统小分子化学未曾触及的作用空间。但故事和现实的差距藏在精准发酵的产率曲线和大田的防效数据里，而这两个参数的答案都只能在真实的物理世界中获取，无法被任何AI模型加速。产业资本——尤其是种植者自持基金——在本轮中的前置入场表明，抗性杂草的紧迫性已经足够高，高到让终端用户愿意为一条尚未跑通的技术路径承担早期风险。但这份耐心并非无限期。Quercus的里程碑不取决于它能否设计出更多候选蛋白，而取决于它能否在有限资金窗口内，在某一特定作物-杂草场景下，交出一份独立第三方的、跨生长季的田间药效报告。如果能做到，它才能证明自己不是在重复上一代农业生物技术平台“概念验证时璀璨、规模化时塌陷”的周期律。