基因组药物行业正被一个看似基础的问题卡住：如何把治疗载荷安全、有效地送到体内正确的细胞。腺相关病毒载体在肝脏的富集、脂质纳米颗粒在肝脾之外的递送效率、以及穿越血脑屏障的长期难题，让大量在细胞层面被验证过的基因疗法止步于动物实验或早期临床。AI制药在过去几年完成了从“预测蛋白质结构”到“生成候选分子”的叙事升级，但当一家公司声称用AI设计递送载体时，真正需要回答的问题不是模型在纸面上的评分，而是这些设计能否在活体系统中被重复验证。

WhiteLab Genomics试图把答案押在体内数据上。这家总部位于巴黎的生物科技公司于2026年10月宣布完成2320万欧元（约合2600万美元）B轮融资。公司称其利用AI设计基因组药物的构建模块，包括病毒与非病毒递送载体及可编程基因载荷。与多数AI制药公司先展示计算能力、再等待外部验证不同，WhiteLab的融资叙事围绕一个更直接的命题展开：它已经与巴黎脑研究所合作，在体内研究中让AI设计的新型AAV穿越血脑屏障，实现较强的脑-肝靶向比且未检测到肝脏信号。

这一结果成为本轮融资的关键支点。领投方AVP管理合伙人François Robinet在声明中称，WhiteLab正在构建“设计真正在体内起效、而非仅在纸面上成立的基因组药物的AI”，并称计算设计、实验验证以及将设计转化为差异化生物资产的能力是吸引其投资的原因。新投资方Yaday Health管理合伙人Daniel Teper则表示公司“正处于拐点”，其科学方法“已在体内得到验证”。这些表述指向同一个判断：在AI制药估值逻辑从平台叙事转向资产验证的当下，体内数据正在成为比模型架构更硬的通货。

字段 内容
公司 WhiteLab Genomics
轮次 B轮
金额 2320万欧元（约合2600万美元）
投资方 AVP（领投）、Yaday Health、Blast Club、Omnes Capital、Debiopharm Innovation Fund
总部 巴黎（运营地点包括巴黎、波士顿和蒙特利尔）
创始人 David Del Bourgo、Lucia Cinque、Julien Cottineau
官网 未披露

ALFRED平台的真正赌注不在生成，而在体内验证闭环

WhiteLab的核心资产是一个名为ALFRED的专有平台，全称为AI-Led Framework for Rational Exploration in Drug Design。据公司披露，ALFRED用于设计和优化AAV、脂质纳米颗粒等病毒与非病毒递送载体，以及可编程基因载荷，并进行体内实验验证与测试。这个定义的关键不在于“AI设计”，而在于“体内实验验证”被内嵌在平台的工作流程中。这意味着WhiteLab试图构建的并非一个纯计算工具，而是一个从计算设计到活体验证的闭环系统。

从产业链角度看，这一选择有其现实约束。AAV载体工程长期依赖定向进化或理性设计，前者需要大规模文库筛选，后者受限于对衣壳结构-功能关系的理解。脂质纳米颗粒的组分优化同样面临巨大的化学空间。AI方法的价值在于压缩搜索空间，但压缩后的候选分子仍需在动物模型中验证组织分布、转导效率和免疫原性。WhiteLab将体内验证作为平台的一部分，意味着它承担了通常由制药公司或CRO完成的验证成本，这既构成其差异化，也构成其资本消耗的结构性来源。

公司披露的巴黎脑研究所合作结果提供了一个具体锚点：ALFRED设计的新型AAV在体内研究中穿越血脑屏障，实现较强脑-肝靶向比且未检测到肝脏信号。脑-肝靶向比是衡量AAV中枢神经系统递送选择性的关键指标之一，肝脏作为AAV天然富集器官，通常构成主要的脱靶信号来源。如果这一结果能够在更大样本和更多动物模型中重复，它指向的是一种具备临床转化潜力的载体设计能力。但需要明确的是，目前该结果仅来自公司披露的单一合作研究，尚未有独立第三方验证，其动物模型类型、样本量、给药剂量和检测方法均未在来源材料中披露。

从AAV到非病毒载体：资金用途暴露平台扩张的先后顺序

本轮资金的首要用途是扩展体内验证工作，从AAV延伸至非病毒递送技术和可编程合成启动子。这一顺序本身具有信息量。AAV是WhiteLab目前唯一有公开体内数据的递送技术，而非病毒载体和合成启动子仍处于更早期的验证阶段。公司选择在AAV数据形成初步说服力之后，将资金投向更广的技术矩阵，说明其目标不是成为一家AAV载体设计公司，而是建立一个跨递送模态的生物资产组合。

可编程合成启动子的加入值得注意。启动子决定基因载荷在何种细胞类型、何种强度下表达，是基因组药物中与递送载体同等重要但常被低估的组件。将启动子纳入设计空间，意味着WhiteLab试图同时控制“送到哪里”和“在哪里表达”两个变量。这增加了平台的技术复杂度，但也为生物资产提供了更多可专利化的维度。从已披露的信息看，公司尚未公布合成启动子的体内验证数据，这一方向仍处于能力建设阶段。

资金的地理用途同样清晰。公司计划加强波士顿中心以拓展北美生物制药合作，扩大西海岸布局，并探索日本和韩国机会。波士顿是全球基因治疗研发密度最高的区域之一，WhiteLab在波士顿的运营基础使其能够接近潜在合作伙伴和验证资源。西海岸布局则可能指向与旧金山湾区AI制药生态的对接。日本和韩国市场的探索尚处于早期，来源材料未披露具体的合作进展或时间表。

合作方名单的真实含义：大药企背书与学术验证之间的落差

WhiteLab披露的合作方包括Sanofi、Cytiva（Danaher）、巴黎脑研究所和Institut Imagine。另有报道提及马萨诸塞大学和巴黎视觉研究所。这份名单在融资叙事中承担了双重功能：Sanofi和Cytiva代表产业端认可，巴黎脑研究所和Institut Imagine代表学术端验证深度。

但合作的性质和深度尚未披露。Sanofi作为法国最大的制药公司，其与本土AI生物技术公司的合作可能涵盖从探索性研究到里程碑付款的多种形式。Cytiva作为Danaher旗下的生命科学工具与耗材供应商，其合作可能更偏向技术平台层面，例如AAV生产工艺或分析方法的协同。公司称将在ESGCT年会上展示与Sanofi、Cytiva、巴黎脑研究所和Institut Imagine合作的更多体内数据，这将是检验合作实质产出的一个节点。在数据公开之前，合作方名单只能说明WhiteLab具备与大药企和头部研究机构建立接触的能力，尚不能证明这些合作已经产生可商业化的资产。

从商业模式看，WhiteLab的目标是构建经实验验证的生物资产组合，可独立推进，也可通过与制药和生物技术公司的合作推进。这一模式介于平台授权和资产开发之间。如果WhiteLab仅提供设计服务，其收入天花板受限于服务费；如果它持有资产权益，则需要承担更长的开发周期和更高的资本需求。公司未披露任何合作合同金额或收入数据，因此其商业模式的验证程度仍然有限。

投资逻辑：体内验证作为AI制药估值的新锚点

AVP的参与为理解本轮投资逻辑提供了线索。据投资方声明，AVP是一家独立全球投资平台，管理资产规模超过25亿欧元。Robinet的表述强调了一个判断：AI对基因组药物的影响即将从理论进入实际，而WhiteLab的差异化在于其设计能够在体内被验证。Yaday Health的Teper则从资产角度切入，称“AI设计的生物资产开发和美国扩张”是将平台能力转化为药物开发者可推进资产的关键。

这两条表述共同指向一个趋势：在AI制药领域，投资者正在从“平台潜力”转向“可验证资产”作为估值锚点。WhiteLab的B轮融资规模为2320万欧元，对于一家2019年成立、拥有三个运营地点的生物技术公司而言，这一金额处于中等偏上水平。但更值得关注的是资本结构：领投方AVP与新投资方Yaday Health、Blast Club的加入，叠加现有投资方Omnes Capital和Debiopharm Innovation Fund的跟投，构成了一种“新老混合”的股东结构。Debiopharm Innovation Fund作为制药企业背景的战略投资方，其持续参与可能暗示产业端对WhiteLab技术方向的兴趣。

董事会变动同样具有信号意义。AVP的Robinet与Yaday Health管理合伙人、NAYA Therapeutics创始人兼CEO Daniel Teper将加入WhiteLab董事会。Teper的NAYA Therapeutics背景值得注意，因为NAYA本身是一家专注于基因治疗的公司，其创始人的加入可能为WhiteLab带来资产开发层面的经验。但来源材料未披露NAYA与WhiteLab之间是否存在业务关系，这一推断的边界止于人事层面的经验互补。

竞争格局：WhiteLab站在AI制药与载体工程两条赛道的交叉口

WhiteLab的竞争位置需要放在两个坐标系中理解。在AI制药坐标系中，它面临的是拥有更大算力、更广泛数据合作和更高融资额度的平台型公司。在载体工程坐标系中，它面对的是拥有多年衣壳进化经验、自有生产能力和临床管线的AAV专业公司。WhiteLab的差异化主张在于将AI设计与体内验证紧密结合，但这一主张的可持续性取决于其能否持续产出比传统方法更优的载体设计。

来源材料未提供WhiteLab的直接竞争对手名单，因此无法进行精确的竞品对标。但从技术路径看，AAV载体设计领域的竞争焦点包括：穿越血脑屏障的特异性、降低肝脏富集的脱靶效应、降低免疫原性、以及提高可生产性。WhiteLab披露的脑-肝靶向比数据直接对应前两个焦点，但可生产性和免疫原性方面的数据尚未披露。脂质纳米颗粒领域的竞争则集中在肝外递送，尤其是脾脏、肺和免疫细胞的靶向。WhiteLab在非病毒载体方向尚无公开的体内数据，这意味着它在该领域的竞争位置尚不可评估。

一个关键的竞争维度是数据积累的规模与质量。AI设计方法的性能高度依赖训练数据的质量和多样性。WhiteLab与Sanofi、Cytiva等产业方的合作可能为其提供数据获取渠道，但合作产生的数据所有权和使用权安排未披露。如果这些数据不能反哺ALFRED平台的训练，合作的价值将局限于单点项目，而无法形成平台层面的数据飞轮。

风险与待验证假设：体内数据之外，还有商业化的长坡

WhiteLab面临的首要风险是体内验证结果的泛化能力。巴黎脑研究所合作中观察到的脑-肝靶向比和肝脏信号缺失，需要在独立实验室、不同动物模型和更大样本量中重复。AAV载体在不同物种间的转导效率差异显著，啮齿类动物中的优异表现并不必然转化为非人灵长类或人体中的同等效果。公司称将在ESGCT年会上展示更多体内数据，这些数据的质量将直接影响其技术主张的可信度。

第二个待验证假设是商业模式的可持续性。WhiteLab未披露任何收入数据或合作合同金额。如果其收入主要来自合作首付款和里程碑付款，那么收入的可预测性取决于合作方的推进意愿和项目成功率。如果其收入来自平台服务费，则天花板受限于服务定价和客户数量。公司构建“生物资产组合”的意图暗示其可能寻求持有资产权益，但这需要更长的资本跑道和更强的谈判地位。来源材料中fundup.ai提及CEO称本轮提供两到三年资金跑道，但这一信息未在其他来源中得到印证，因此不作为已核实事实处理。

第三个风险来自技术矩阵扩张的执行压力。从AAV延伸至非病毒载体和合成启动子，意味着WhiteLab需要在多个技术方向上同时建立体内验证能力。每个方向都有独立的生物学难题和验证周期。2320万欧元的融资规模在支撑三个运营地点、多个技术方向和体内验证工作的同时，能够维持的并行项目数量有限。公司需要在技术广度与验证深度之间做出优先级选择。

从已披露的X（AAV体内数据）与Y（与Sanofi、Cytiva等合作方的关系）看，WhiteLab具备将AI设计转化为初步体内证据的能力，且拥有接触产业端验证资源的渠道；但Z（非病毒载体和合成启动子的体内数据、收入规模、合作合同金额）尚未披露，因此对其平台泛化能力和商业可持续性的判断仍存在显著边界。

ESGCT年会：下一个可观察的验证节点

WhiteLab将在ESGCT年会上展示与Sanofi、Cytiva、巴黎脑研究所和Institut Imagine合作的更多体内数据。这一节点的重要性在于，它将把WhiteLab的技术主张从公司单方披露推向学术共同体的审视。ESGCT年会是欧洲基因与细胞治疗领域的主要学术会议，参会者包括来自学术界和产业界的研究者，数据展示的形式和接受度将提供关于其科学质量的独立信号。

对于关注WhiteLab后续进展的观察者而言，有几个可复核的指标值得跟踪：ESGCT展示数据中是否包含动物模型类型、样本量和统计显著性；脑-肝靶向比的具体数值和检测方法；非病毒载体方向是否有首批体内数据；以及公司是否披露任何合作合同金额或收入数据。这些指标的披露程度将决定WhiteLab的叙事能否从“一个有希望的AI载体设计平台”升级为“一个被验证的生物资产引擎”。

WhiteLab的B轮融资完成于一个AI制药叙事分化的时点。当行业不再满足于模型在基准测试中的表现，体内验证成为新的信任门槛。WhiteLab选择将这一门槛内化为平台的一部分，这在战略上是自洽的，但在执行上是昂贵的。它已经用一组脑-肝靶向数据证明了自己能够跨过第一道门槛，接下来的问题是：它能否在更多递送技术、更多疾病靶点和更多合作方那里，重复这一跨越。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

  • 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
  • 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
  • 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：WhiteLab的故事本质上是在回答一个问题——当AI制药的叙事从“能设计什么”转向“设计的东西能否在活体中成立”，一家公司需要多少体内数据才能让投资人相信它的平台不是又一个计算实验。2320万欧元买下的不是答案，而是一个在ESGCT年会和后续合作中持续交出证据的机会。脑-肝靶向比的数据是一个好的开始，但AAV之外的技术矩阵、未披露的收入结构、以及跨物种验证的鸿沟，都是比融资更硬的考题。

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。