药物开发行业长期面对一个尴尬的数字：进入 Phase II 的候选药物中，约七成最终失败。更反直觉的是，即便某些分子最终获批，它们真正有效的适应症，往往不是最初试验设计锁定的那一种。这意味着制药公司花费超过 1亿美元、耗时两到三年，常常只是在错误的人群里验证一个并非最优的假设。当失败成本已经高到难以辩护，问题就不再是“要不要更早预测”，而是“用什么机制在 Phase II 之前看清患者层面的信号”。
2026 年 10 月 27 日，瑞士 tech-bio 公司 Atlas Bio 宣布走出隐身状态，试图把这个问题从统计学困境改写成可计算的模拟问题。公司通稿称，其基础 AI 模型可以在虚拟患者队列中模拟每个个体的疗效与安全性信号，从而减少对昂贵 Phase II 试验和动物实验的依赖。这轮融资由 1000万美元 Seed 轮和此前未披露的 250万美元 pre-Seed 轮构成，合计 1250万美元。对一家声称要终结 Phase II 既有形态的公司来说，这个金额不算大，但它买下的是一段关键验证期。
Atlas Bio 的切入点很具体：不是设计新分子，而是在药物进入昂贵临床阶段之前，模拟它可能在哪些患者身上起效。公司通稿称，其平台可以在同一患者画像、同一疾病状态下同时测试多种治疗，并称相关模拟项目可压缩至 12 周。这个时间窗口如果成立，将直接冲击 Phase II 两到三年的传统周期。但需要明确的是，目前这些能力主要来自公司单方陈述，尚无独立第三方验证。
| 字段 | 内容 |
|---|---|
| 公司 | Atlas Bio |
| 轮次 | 1000万美元 Seed 轮 + 250万美元 pre-Seed 轮，合计 1250万美元 |
| 金额 | 1250万美元 |
| 投资方 | Creandum（Seed 轮领投）；First Momentum Ventures、LEA Partners（pre-Seed 轮领投） |
| 总部 | 瑞士巴塞尔（注册为特拉华州公司，设瑞士子公司） |
| 创始人 | Simon Romanski、Sebastian Bayer |
| 官网 | https://atlas.bio/ |
用 200 万条 RNA readout 训练一个“不预设疾病”的模拟器
Atlas Bio 的技术路线与上一轮 AI 药物研发公司有明显差异。过去几年，AI 在药物开发中的主要落点是分子设计：生成新化合物、优化结合亲和力、筛选靶点。Atlas Bio 则把模型建立在约 200 万条人体组织 RNA readout 之上。公司通稿称，这些数据记录了基因在体内开启和关闭的分子信号模式，模型通过学习这些模式来模拟药物在虚拟患者队列中的个体表现。
CTO 兼联合创始人 Sebastian Bayer 在通稿中给出的解释是：“大多数生物效应并不是由药物引起的。要预测未知的药物效应，我们需要以无偏的方式学习生物学。”这句话点出了该路线的一个核心假设：与其围绕特定靶点或疾病机制建模，不如先学习人体基因调控的底层规律，再让药物效应作为扰动信号叠加其上。公司通稿称，这种设计使模型能够跨适应症和疗法泛化，而不被单一疾病或单一机制绑定。
从已披露的信息看，这条路线在逻辑上有一个可验证的推论：如果模型确实学到了跨疾病的生物学规律，那么它应该能在试验设计阶段发现那些“分子有效、但适应症选错”的情况。来源数据显示，在最终获批的药物中，约 60% 对另一种超适应症病症比现有疗法更有效。Atlas Bio 声称其平台可以同时跨所有疾病运行试验，在申办方锁定狭窄的 Phase II 设计之前识别真正获益的患者。但这里存在一个关键边界：公司尚未披露模型在真实历史试验中的回溯验证结果，也没有公开任何与真实 Phase II 结果对照的预测准确率数据。因此，“跨适应症泛化”目前仍是一个待验证假设，而非已被证明的能力。
从数据规模看，约 200 万条 RNA readout 在基础模型训练中属于中等偏小的语料。这意味着模型能否实现跨适应症泛化，可能更多取决于训练目标的设计而非数据量的绝对规模。公司通稿强调“以无偏的方式学习生物学”，这一表述暗示模型可能采用自监督或掩码预测类目标，而非围绕已知药物-靶点配对做监督学习。如果这一推断成立，其优势在于不依赖标注质量参差的药物反应数据，但代价是模型学到的表征是否与临床终点相关，仍需通过外部试验数据来检验。
从 12 周模拟到取消动物实验：一个客户的边界样本
Atlas Bio 的商业化叙事中，最引人注目的不是融资额，而是一个客户案例。公司通稿称，一家总部位于巴塞尔的生物科技客户已经在其特定药物开发流程中取消动物实验，基于 Atlas Bio 的模拟输出直接进入人体试验。公司通稿将其描述为 AI 驱动模拟直接替代临床前动物研究的首批商业应用之一。
这个案例需要被精确理解。首先，它发生在“特定药物开发流程”中，而非该客户的全部管线或整个行业流程。其次，直接进入人体试验的决策依据是模拟输出，但通稿未披露监管机构是否对该替代路径进行了独立审查，也未说明该人体试验的规模、阶段或适应症。第三，取消动物实验的法律空间确实存在：2022 年通过的 FDA Modernization Act 2.0 取消了人体试验前动物实验的法律要求。但法律不再强制，与监管机构在具体审评中接受模拟证据，是两件不同的事。
此外，公司通稿称已与一家全球前十制药公司合作，并与多家全球制药企业洽谈。客户名称未披露，合作范围、付费金额和交付成果也未公开。对一家 2024 年成立的公司来说，能在早期获得大型药企的付费或试点合作，至少说明其技术叙事击中了行业痛点。但“合作”一词在药企语境中可以涵盖从付费试点到数据共享等多种形态，无法仅凭此判断商业验证的深度。
巴塞尔客户案例的商业含义需要放在瑞士本土生态中理解。巴塞尔聚集了多家大型药企和生物科技公司，Atlas Bio 将总部设在此地，可能有利于缩短与早期客户的沟通半径。但“取消动物实验”的决策发生在客户内部特定流程中，并不等于该客户已全面采用模拟证据替代临床前研究。更关键的是，通稿未说明该客户是否将模拟结果提交给监管机构作为申报材料的一部分，也未披露人体试验启动后是否出现安全性信号。这些信息的缺失意味着，该案例目前只能证明存在一个愿意尝试的早期采用者，尚不能证明替代路径在监管和临床层面已经跑通。
Creandum 的“第二波”判断与 1250万美元的资本结构
Creandum 合伙人 Katharina Wilhelm 在通稿中将 Atlas Bio 定位为 AI 药物开发的“第二波”：“第一波 AI 药物开发聚焦于药物设计，已经全面展开。现在，我们正在进入第二波：临床开发。”她还强调，Atlas Bio 的吸引力在于“无需敏感治疗数据即可模拟试验”。这一点在数据合规层面有实际意义：真实患者数据在跨境流动、隐私保护和药企内部权限方面都极为敏感，如果模型确实不需要个体级治疗数据即可运行，将显著降低商业落地的摩擦。
从资本结构看，本轮 1250万美元由两部分构成：1000万美元 Seed 轮由 Creandum 领投，Katharina Wilhelm 加入董事会；250万美元 pre-Seed 轮由 First Momentum Ventures 和 LEA Partners 领投，此前未披露。将两轮合并表述为“1250万美元融资”是公司通稿和多家媒体的共同口径，但严格来说，这是两笔不同时期、不同领投方的融资。pre-Seed 轮的具体关闭时间未披露，这意味着 1250万美元并非同一时间点进入公司的资金。对读者而言，理解这一点有助于避免高估公司当前的现金储备和单轮融资的市场信号强度。
资金用途方面，公司通稿称将用于扩大科学与商务团队、深化平台验证，并在 2026 年前引入更多企业客户。值得注意的是，“深化平台验证”被明确列为资金用途之一，这从侧面说明平台的核心验证工作尚未完成。一家声称要替代 Phase II 的公司，把验证作为融资后的主要任务，这本身就是一个诚实的信号。
将 pre-Seed 轮与 Seed 轮合并披露，在早期融资中并不罕见，但两轮领投方不同，意味着公司在不同阶段向不同投资者讲述了可能有所差异的故事。First Momentum Ventures 和 LEA Partners 在 pre-Seed 阶段进入，承担的是创始团队和方向风险；Creandum 在 Seed 阶段领投，押注的则是平台验证和商业化路径的初步证据。对后续投资者而言，pre-Seed 轮的具体关闭时间是一个值得追问的变量，因为它决定了公司用 250万美元支撑了多长的验证期，以及 Seed 轮进入时公司实际处于什么状态。
与真实产业链约束的碰撞：监管、数据和支付意愿
Atlas Bio 的产品要嵌入的，是一个极度保守且受严格监管的产业链。药企在 Phase II 之前引入任何新的决策工具，都需要回答三个问题：监管机构是否认可模拟证据？内部临床团队是否愿意据此改变试验设计？如果预测错误，谁来承担后果？
第一个问题目前没有明确答案。FDA Modernization Act 2.0 取消的是动物实验的法律强制要求，并未规定 AI 模拟可以作为替代性证据的具体标准。欧洲药品管理局对 in silico 方法的接受度也仍在演进中。Atlas Bio 的巴塞尔客户案例如果属实，说明至少有一家公司在特定流程中做出了尝试，但单一案例不足以构成监管先例。
第二个问题涉及组织行为学。药企的临床开发团队通常由经验丰富的医学专家主导，他们对 AI 预测的信任建立需要时间。Atlas Bio 声称其模拟不需要敏感治疗数据，这降低了数据获取门槛，但也意味着模型无法利用真实治疗结果进行个体层面的校准。在缺乏治疗数据的情况下，模型的预测能力完全依赖 RNA readout 中所包含的生物学信号是否足够强。这是一个需要独立验证的科学问题。
第三个问题则指向商业模式的核心。如果 Atlas Bio 的模拟预测某药物在适应症 A 上失败、但在适应症 B 上有效，药企是否会据此改变数百万美元的试验计划？在预测准确率未被公开验证之前，药企更可能将其作为参考信息，而非决策依据。这意味着 Atlas Bio 在早期阶段可能面临“付费意愿存在，但客单价受限”的局面。
“无需敏感治疗数据即可模拟试验”这一特性，在降低数据合规门槛的同时，也引入了一个反向约束：模型无法用真实治疗结果做个体层面的监督校准。这意味着 Atlas Bio 的预测能力上限，取决于 RNA readout 中蕴含的生物学信号能在多大程度上替代治疗数据所提供的信息。如果 RNA 层面的信号对某些疾病或药物机制的解释力不足，模型在这些场景下的预测可能系统性偏弱。公司尚未披露其在哪些适应症上做过内部验证，也未说明是否存在已知的适用范围边界。这种选择性披露本身，可能反映了平台在不同疾病领域成熟度的差异。
竞争格局：没有直接对手，但替代方案无处不在
来源材料未列出 Atlas Bio 的直接竞争对手。这并不奇怪：用基础模型做患者层面 in silico 临床试验的公司，在公开市场上确实罕见。但这并不意味着竞争压力不存在。Atlas Bio 的替代方案包括：药企内部已有的生物信息学团队、传统的定量系统药理学模型、真实世界数据平台，以及“什么都不做”——继续按现有流程推进 Phase II。
更值得关注的是数据层面的竞争。约 200 万条 RNA readout 的规模，在基础模型语境下并不算大。大型基因表达数据库如 GTEx、TCGA 以及 Illumina 等公司推动的细胞图谱项目，都在积累更大规模的人体组织数据。如果 Atlas Bio 的方法被证明有效，拥有更多数据和更强算力的后来者可以快速跟进。Atlas Bio 的护城河目前不在于数据规模，而在于其声称的模型架构和跨适应症泛化能力——这两者都尚未被独立验证。
从投资逻辑看，Creandum 的进入带有明显的期权属性。1250万美元对一家欧洲早期 VC 来说不是重注，但如果 Atlas Bio 能在 2026 年前完成平台验证并签下更多企业客户，下一轮融资的估值空间将显著打开。反过来，如果验证数据不及预期，这笔投资的损失也相对可控。对 First Momentum Ventures 和 LEA Partners 而言，pre-Seed 轮的 250万美元更接近对创始团队和方向的早期押注。
Atlas Bio 的竞争压力还可能来自一个更隐蔽的方向：大型药企内部的数据科学团队。这些团队掌握着公司历史上积累的大量临床试验数据，包括失败试验的完整记录。如果 in silico 试验的价值被证明，药企完全有动机在内部构建类似的预测能力，将失败试验数据转化为私有训练资产。Atlas Bio 的应对逻辑可能是：单一药企的数据量不足以训练出跨适应症泛化的基础模型，而第三方平台可以聚合多家客户的数据反馈来持续改进模型。但这一逻辑成立的前提是，药企愿意将模拟结果和后续真实试验结果反馈给 Atlas Bio，形成数据飞轮。目前通稿未披露任何关于数据反馈机制的安排。
风险与待验证假设：哪些说法需要独立证据
Atlas Bio 的叙事中有几个关键节点需要独立验证。第一，模型预测能力。公司通稿称其可以模拟药物在每个虚拟患者中的表现，但未披露任何与真实临床试验结果对照的准确率、灵敏度或校准数据。第二，客户深度。全球前十药企合作的实质内容、付费金额、是否进入决策流程，均未披露。第三，巴塞尔客户取消动物实验的案例，其监管沟通细节和人体试验结果尚不可知。第四，12 周模拟周期的口径，是指模型运行时间，还是从数据准备到交付报告的完整项目周期，通稿未作区分。
这些边界并不意味着 Atlas Bio 的说法不可信，而是说它们目前属于公司单方陈述。在生物医药领域，单方陈述与经过同行评议或监管审评的证据之间，隔着一条需要时间和数据填平的沟。Atlas Bio 把“深化平台验证”列入资金用途，说明公司自身也清楚这条沟的存在。
从编辑推断的角度看，Atlas Bio 的路线选择有一个内在优势：它不试图替代监管决策，而是切入 Phase II 之前的内部决策环节。这个位置离监管较远，离药企的预算较近。如果模型能在早期帮助药企避免一个注定失败的 Phase II 设计，其价值主张不需要等待监管机构认可即可成立。但这一优势的前提是，模型的预测确实比现有方法更准。在这一点上，目前可获得的公开信息还不足以做出判断。
从验证路径看，Atlas Bio 最直接的证明方式是回溯性研究：选取一批已经完成的 Phase II 试验，用模型在试验启动前的信息条件下重新预测结果，再与真实结局对照。这类研究不涉及前瞻性等待，成本相对可控，且能同时检验模型在成功和失败案例中的区分能力。公司通稿将“深化平台验证”列为资金用途，但未说明是否计划公开发表回溯验证结果。如果公司在 2026 年窗口期内只披露新增客户数量而不披露预测准确率数据，市场对其“替代 Phase II”叙事的折扣可能不会收窄。
RecodeX 极客视：Atlas Bio 的真正赌注不是 AI 能否模拟临床试验，而是 RNA readout 中是否包含足够强的信号，让模型在没有任何治疗数据的情况下预测药物在具体患者身上的表现。如果这个假设成立，它打开的将不只是 Phase II 的替代市场，而是整个临床开发决策链的重构。如果不成，1250万美元买到的将是一个昂贵的科学教训。2026 年的验证窗口，比融资数字更值得被持续追踪。
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。