当一家公司的核心资产从“检测报告”变成“可被模型调用的数据”，它的估值逻辑就不再属于传统科研服务。2026年10月10日，上海百趣生物医学科技有限公司宣布完成近亿元B轮融资。这轮融资的金额并不惊人，真正值得拆解的是资金去向：多组学+AI for Science研发、单细胞与空间多组学新品、浙江质谱产能中心，以及新加坡海外总部和欧洲、美国实验室。一家以代谢组学检测起家的公司，开始把真金白银投向AI虚拟细胞的数据底座和海外交付网络。

百趣生物创始人兼CEO邓军亮给出的解释是，代谢组学、蛋白质组学等质谱多组学数据，尤其是公司MetCell单细胞代谢组学数据，是AI虚拟细胞（AIVC）等领域模型的“天然燃料”。据公司披露，这些数据不仅能解决AIVC细胞数据多样性不足的问题，还可以对细胞给药扰动、基因扰动后的代谢变化和蛋白表达变化进行多模态分析。这一表述把百趣生物从“卖检测服务”的位置，推向了“卖模型训练数据”的新叙事。

本轮融资由中信建投资本独家领投，老股东启明创投继续投资。启明创投曾于2022年独家领投百趣生物A轮融资。老股东连续加注，叠加券商系资本首次进入，构成了这轮融资在资本结构上的主要信号。

字段 内容
公司 上海百趣生物医学科技有限公司（百趣生物，BIOTREE）
轮次 B轮
金额 近亿元（未披露精确数字）
投资方 中信建投资本独家领投，启明创投继续投资
总部 上海
创始人 邓军亮（创始人兼CEO）
成立时间 2012年（前身为阿趣生物，于上海复旦科技创业示范园成立）
官网 https://www.biotree.cn/

“天然燃料”背后：数据资产能否被二次出售

百趣生物的商业底色仍然是检测分析服务。据公司披露，其服务对象包括高校、研究所、医院、企业等超过3,000家单位，其中三甲医院超过360家；服务项目数量超过70,000个，样本年检测通量超过600,000例。这些数字指向的是一个典型的科研服务商规模：有稳定的客户群、有持续的样本流入、有可复用的实验流程。

但这轮融资的叙事重心已经不在服务费上。邓军亮把质谱多组学数据定义为AI虚拟细胞模型的“天然燃料”，意味着公司试图把过去十几年积累的检测数据，从一次性交付的科研产出，转化为可被AI模型反复调用的数据资产。启明创投主管合伙人胡旭波的说法更直接。据投资方声明，百趣生物“正从一家科研服务公司转变为AI4S时代基础设施的构建者、核心数据的提供者”。

这里存在一个关键问题：数据是否真的能被“卖两次”。检测服务模式下，客户付费获得的是针对特定样本的分析结果，数据所有权和使用权通常受合同约束。百趣生物能否把历史项目中的样本数据用于AI模型训练，取决于当时的授权范围、伦理审批和客户协议。公司披露了2万+代谢物标准品自建库，这是自有的标准化数据库，可以支撑模型训练；但来自客户项目的检测数据能否直接转化为可售数据资产，公告并未说明。从已披露的“标准品自建库”和“服务项目数量”看，公司至少拥有两类不同权属的数据：一类是自主构建的标准品库，一类是服务过程中产生的客户数据。前者可以作为AI训练的基础资产，后者的商业化边界尚未公开。

这种权属差异意味着，百趣生物的“数据资产”叙事可能并非一个整体概念。标准品库的积累来自公司对已知代谢物的标准化建库工作，其产权边界相对清晰；而服务项目产生的原始谱图、定量结果和注释信息，则可能同时涉及客户样本来源、伦理审批范围和合同保密条款。如果公司未来要把后者纳入AI训练，可能需要逐份合同确认授权，或者重新设计面向客户的数据使用条款。公告未披露公司是否已经启动这类合规工作，也未说明其数据资产的会计处理方式。因此，“天然燃料”的比喻在技术逻辑上可能成立，但在商业权属上仍需验证。

MetCell单细胞代谢组学：从“代谢残影”到动态测量

百趣生物把MetCell单细胞代谢组学作为连接质谱数据和AI虚拟细胞的关键产品。据公司披露，MetCell能够进行活细胞检测，从“代谢残影”走向动态生命测量。公司称，该技术可以对细胞给药扰动、基因扰动后的细胞代谢变化和蛋白表达变化进行高深度的多模态分析。

从技术逻辑看，单细胞代谢组学的难点在于样本量极小、代谢物浓度低、检测窗口短。传统代谢组学通常对群体细胞或组织匀浆进行测量，得到的是平均化信号；单细胞代谢组学则试图在单个细胞层面捕获代谢状态。如果MetCell确实能在活细胞条件下稳定输出代谢物数据，它解决的是AI虚拟细胞模型中一个真实瓶颈：现有单细胞转录组和单细胞蛋白数据，难以直接反映细胞在扰动下的代谢响应。邓军亮所说的“解决AIVC细胞数据多样性不够的问题”，在技术需求上是成立的。

但需要区分公司口径与已验证事实。据公司披露，MetCell单细胞代谢组学是百趣生物的前沿产品方向；公告中未披露该产品的客户数量、已发表论文数量或外部验证数据。公司整体披露的“协助合作伙伴发表文章超3,000篇，平均影响因子超10分”，是代谢组学和蛋白质组学业务的累计数据，并非MetCell单品的独立验证。因此，MetCell能否成为AI虚拟细胞的数据入口，仍取决于其通量、稳定性和成本能否达到模型训练的要求，这些指标尚未公开。

另一个值得注意的细节是，公司官网将MetCell描述为“活细胞检测，从代谢残影走向动态生命”。这一表述暗示MetCell的差异化在于检测对象是活细胞而非固定样本。如果这一技术路径成立，它可能改变单细胞代谢数据的采集方式：从对细胞终末状态的静态测量，转向对细胞在扰动过程中代谢变化的连续或准连续记录。但公告未披露MetCell的具体检测原理、单细胞通量、代谢物覆盖数量或单位样本成本，因此无法判断其与现有单细胞代谢组学方案的实质差异。公司把MetCell与“单细胞代谢、空间代谢、单细胞蛋白、空间蛋白等多组学新品”并列为本轮资金用途，说明这些产品仍处于开发或早期推广阶段，而非已经形成规模收入的成熟产品线。

资金投向的产业链含义：浙江产能与新加坡总部

本轮资金用途中，浙江多组学+AI质谱产能中心和新加坡海外总部是两个值得注意的落点。据公司披露，浙江产能中心用于多组学+AI质谱的产能建设，新加坡海外总部及欧洲、美国实验室则承担海外布局功能。

从产业链约束看，质谱检测是一个重资产、重运营的生意。质谱仪器的采购、维护、标准化流程和人员培训，决定了样本通量和单位成本。百趣生物披露的样本年检测通量超过600,000例，意味着其现有产能已经达到一定规模。浙江产能中心的建设，指向的是进一步降低单样本成本、提高标准化程度，为AI模型训练提供更大规模、更一致的数据来源。这与公司从科研服务向数据基础设施转型的逻辑一致：如果数据要成为AI训练的“燃料”，就必须在通量和一致性上达到工业级标准。

从公司官网披露的设备列表看，百趣生物现有质谱平台包括Thermo Orbitrap Astral、Orbitrap Exploris 120、Orbitrap Exploris GC、Agilent Triple Quadrupole 6460、Leco GC-TOF-MS Pegasus HT、Sciex Citrine Triple Quad等多型仪器，同时配置了Waters Acquity UPLC、SEC-MALS、Malvern MicroCal PEAQ-DSC等分离与表征设备。这种多机型组合意味着公司可以覆盖非靶向代谢组学、靶向定量、脂质组学、蛋白组学等不同技术路线。浙江产能中心如果能在现有设备结构上进一步扩展，其目标可能不只是增加样本通量，而是把不同机型产生的数据统一到同一套标准化流程中，以降低AI训练数据的批次效应。这一推断基于公司已披露的设备结构和资金用途，但公告未说明浙江产能中心的具体规模、投产时间或预期通量提升幅度。

新加坡海外总部的设置则更接近商业策略。新加坡在生物医药领域有相对成熟的监管环境和国际客户网络，可以作为对接欧美药企订单的节点。公司披露的业务服务已覆盖新加坡、欧美等海外区域，但未披露海外收入占比。从已披露信息看，海外布局仍处于早期投入阶段，其能否带来高毛利订单，取决于海外实验室的资质认证、客户获取周期和当地竞争格局。欧洲和美国的质谱检测市场已有成熟服务商，百趣生物以何种差异化进入，公告未作说明。

这里存在一个执行层面的问题：浙江产能中心与新加坡海外总部之间，需要一套跨境数据流转和质控体系。如果海外实验室接收的样本需要在当地完成前处理、上机和初步分析，那么海外实验室的质谱平台配置、人员培训和标准操作流程必须与国内产能中心保持一致，否则同一客户的跨国项目可能产生数据不可比的问题。公司披露的CNAS、CMA、ISO13485、ISO9001等认证，主要适用于中国市场的质量体系；这些认证能否直接支撑海外实验室的数据互认，公告未作说明。因此，新加坡总部的设立在商业逻辑上可能服务于“后端标准化生产、前端高毛利交付”的结构，但其实际运转仍需验证。

投资方结构变化：券商系资本为何此时进入

中信建投资本独家领投，是这轮融资在资本结构上的主要变化。据公开资料，中信建投资本于2009年7月31日在北京注册成立，由中信建投证券股份有限公司全资设立，注册资本人民币35亿元，专业从事私募股权投资基金管理业务。其管理的基金涵盖股权直投基金、市场化母基金及基础设施投资基金等，在管备案基金80余只，累计管理规模超1,000亿元，投资领域覆盖科技通信、医疗医药、清洁能源、新材料、先进制造等赛道。其项目负责人表示，AI在生命科学领域加速落地的底层核心是多维度、多组学高质量生物数据的规模化积累与沉淀应用；百趣生物沉淀了标准化生物数据库与数据分析方法论，具备支撑AI模型训练、生物标志物挖掘、靶点发现等场景的基础能力。

这一判断与启明创投的表述形成呼应。启明创投主管合伙人胡旭波称，百趣生物构建了“业内领先的代谢物标准品库与高水平技术平台”。据投资方声明，启明创投自2022年独家领投A轮以来持续看好公司发展。公开资料显示，启明创投成立于2006年，旗下管理11只美元基金、7只人民币基金，已募管理资产总额达到95亿美元，投资超过580家企业，其中超过210家已上市或通过并购退出。老股东继续投资，通常意味着对管理团队和执行路径的认可，但也可能包含维护既有股权比例的考量。公告未披露本轮估值、股权比例和交割时间，因此无法判断老股东是否在同等条件下跟投。

券商系资本的进入，往往带有更强的产业整合和退出预期。中信建投资本在管基金涵盖股权直投、母基金和基础设施基金，其投资组合中医疗医药项目与AI基础设施项目之间的协同，可能是其押注百趣生物的原因之一。从投资逻辑看，中信建投资本可能把百趣生物视为“数据生产端”的标的：如果AI for Science的模型训练需要持续、标准化的多组学数据供给，那么掌握质谱产能和标准品库的公司就具备基础设施属性。但这一逻辑建立在“质谱多组学数据能够成为AI模型训练的基础设施”这一假设之上。如果AI虚拟细胞的商业化路径比预期更长，数据资产的变现周期也会相应拉长。

另一个值得注意的信号是，中信建投资本项目负责人特别提到了《医药工业发展“十五五”规划》。据其声明，该规划明确提出推动先进组学等前沿生物技术创新转化。券商系资本对政策文件的引用，通常意味着其投资决策中包含了政策周期与产业周期的叠加判断。但政策红利能否转化为百趣生物的具体订单，取决于下游药企和科研机构是否真的把多组学数据采购从“项目制”转向“数据资产制”。这一转变尚未在公告中得到验证。

政策红利与竞争约束：多组学数据不是稀缺品

中信建投资本项目负责人提到了《医药工业发展“十五五”规划》，据其声明，该规划明确提出推动先进组学等前沿生物技术创新转化。这一政策信号确实为多组学公司提供了外部利好，但政策红利是行业性的，不构成百趣生物的独占优势。

多组学检测服务市场的进入门槛正在被两股力量同时推高和拉低。一方面，质谱仪器的自动化程度提高，降低了实验操作的门槛；另一方面，数据标准化和AI分析能力成为新的竞争维度。百趣生物披露的2万+代谢物标准品自建库，是其差异化资产之一。但标准品库的壁垒在于覆盖度和更新速度，而非绝对数量。如果竞争对手在特定代谢通路上建立更深的覆盖，百趣生物的领先优势可能被局部突破。

从技术平台角度看，百趣生物的设备列表显示其同时运营多型高分辨质谱和三重四极杆质谱，这意味着公司可以在非靶向发现和靶向验证之间形成闭环。这种“发现—验证”能力在科研服务市场中有一定壁垒，因为客户往往希望在同一家服务商完成从差异代谢物筛选到靶向定量的全流程。但这一壁垒并非不可复制。质谱设备本身是商业化产品，任何有足够资本投入的竞争者都可以采购同类机型；真正的差异在于标准品库、数据分析流程和项目经验。百趣生物披露的“服务项目数量超70,000个”和“协助发表文章超3,000篇”，如果属实，意味着其积累了大量的实验条件和数据注释经验，这种经验性资产比设备更难复制。但公告未披露这些项目中有多少是标准化、可复用的数据资产，有多少是一次性交付的定制化服务。

公告未披露百趣生物的直接竞争对手名单。从公开信息看，国内代谢组学科研服务市场存在多家专业品牌，但本次来源材料未提供可比公司的具体数据。因此，无法对百趣生物的市场份额或相对排名做出有依据的判断。可以确认的是，百趣生物披露的“服务单位超3,000所、三甲医院超360家”属于公司口径，尚无独立第三方验证。

风险不在AI，而在数据权属与海外执行

百趣生物面临的核心风险，并不完全在于AI for Science的竞争加剧。更具体的问题藏在数据权属和海外执行两个环节。

数据权属方面，百趣生物的服务模式决定了其大量数据来自客户委托的检测项目。这些数据的存储、使用和商业化，受客户合同、伦理审批和数据保护法规约束。公司能否把历史项目数据纳入AI训练，取决于每一份合同的具体条款。公告未披露公司是否已获得客户的数据使用授权，也未说明其数据资产的合规框架。如果数据权属不清，所谓“数据资产”的估值基础就会松动。

这一风险在医学样本上尤其突出。百趣生物披露其服务对象包括超过360家三甲医院，这意味着其数据资产中可能包含大量来自临床样本的代谢组学数据。临床样本的采集通常附带伦理委员会批准的知情同意书，其中对数据用途有明确限定。如果原始知情同意书只覆盖“用于特定科研项目的检测分析”，而未覆盖“用于AI模型训练或商业化数据授权”，那么这些数据即使已经完成检测，也不能自动转化为可售数据资产。公司公告未披露其是否已经建立了面向AI训练的数据合规分层机制，也未说明其标准品库与客户数据在物理和逻辑上是否隔离。因此，数据权属问题可能不是简单的合同修订问题，而是一套涉及伦理、法律和信息安全的多层合规体系。

海外执行方面，新加坡海外总部和欧洲、美国实验室的布局，涉及当地资质认证、人员招聘、供应链管理和客户信任建立。质谱检测服务在欧美市场已有成熟竞争者，百趣生物以中国产能加海外交付的模式进入，需要证明其数据质量和交付效率不低于当地服务商。公司披露的CNAS、CMA、ISO13485、ISO9001等认证，主要适用于中国市场的质量体系；欧美市场的认可度需要重新建立。公告未披露海外实验室的具体选址、资质申请进度或预期投入产出。

从已披露的资金用途看，本轮融资同时覆盖研发、新品、产能和海外布局四个方向。近亿元的融资规模分摊到四条线上，每条线的实际投入可能有限。如果海外布局和新品开发同时推进，管理精力和资金使用效率将面临考验。公司未披露各方向的具体分配比例，因此无法判断其优先级。一个可能的执行风险是：四条线同时铺开，但每条线都只获得“启动级”资金，导致海外实验室无法达到当地客户的资质门槛，或者新品开发无法完成从实验室到工业级的稳定性验证。这种“多线浅铺”的风险在跨区域扩张中并不罕见，但公告未提供足够信息来判断百趣生物是否已经为此设定了阶段性门槛。

从科研服务到数据基础设施：一条尚未走完的路

百趣生物的转型叙事，在逻辑上是自洽的：质谱多组学数据是AI虚拟细胞模型的输入，公司拥有数据生产能力和标准化数据库，因此可以成为AI4S时代的数据提供者。但从“拥有数据生产能力”到“成为数据基础设施”，中间隔着数据权属、模型适配、商业变现三重验证。

公司披露的运营数据——2万+代谢物标准品自建库、超3,000篇合作文章、超70,000个服务项目、超600,000例年检测通量——证明其在代谢组学科研服务领域有稳定的业务基础。这些数据过去支撑的是服务费收入，未来能否支撑数据授权或模型训练收入，取决于客户是否愿意为“可被AI调用的结构化数据”支付溢价。公告未披露公司现有收入结构、数据相关收入占比或AI相关订单。

从客户心理的迁移看，药企和医院过去采购的是一份检测报告，现在可能被期待采购“可被AI调用的结构化数据资产”。这一转变的前提是，客户内部已经有团队或系统能够消费这种数据资产。如果下游客户仍然以论文发表或项目结题为主要目标，那么数据资产的付费意愿可能不会自动形成。百趣生物需要在服务交付之外，额外提供数据接口、元数据标准和模型适配支持，才能把“数据可用”转化为“数据可售”。这些能力在公告中未被提及。

启明创投称百趣生物“已经是名副其实的多组学标杆企业”，这是投资方声明，而非独立第三方评价。中信建投资本称其“具备支撑AI模型训练、生物标志物挖掘、靶点发现等场景的基础能力”，同样属于投资方判断。从公开事实看，百趣生物确实拥有标准化数据库和数据分析方法论，但这些能力能否转化为AI模型训练的实际订单，尚未有公开数据验证。

邓军亮说“AI for Science是时代赋予所有多组学公司的重大发展机遇”。这句话的潜台词是，机遇是行业性的，不是公司独占的。百趣生物能否抓住这个机遇，取决于它能否在数据权属、产品验证和海外执行三个环节交出可核查的答案。近亿元B轮融资给了它试错的空间，但空间本身不构成壁垒。

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：百趣生物这轮融资的真正看点，不是“近亿元”的金额，而是一家检测服务商试图把数据资产从成本中心变成收入来源。质谱多组学数据要成为AI虚拟细胞的燃料，前提不是数据量够大，而是数据权属够清晰、产品验证够扎实、海外交付够可靠。这三件事，没有一件能靠融资通稿完成。

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。