Valar Labs 融资 1 亿美元 B 轮：a16z 和 DCVC 加注，一张几美元的病理切片如何取代数千美元的基因检测？

在肿瘤学中，同样类型的癌症在不同患者身上可能对同一种治疗方案产生截然不同的反应。传统的伴随诊断依赖昂贵的基因组测序——费用数千美元、等待时间长达数周。Valar Labs 提出了一个颠覆性思路：用 AI 直接从几美元的标准 H&E 染色病理切片中预测治疗反应。公司刚刚完成 1 亿美元 B 轮融资，由 a16z 和 DCVC 联合领投——从 A 轮 2200 万到 B 轮 1 亿，4.5 倍的融资跳升说明了什么？

每一张切片都是一座数据金矿——但只有 AI 能挖

H&E 染色切片是病理学中最基础、最廉价的检测方法——在全球每一家医院、每一个肿瘤诊断中都在常规制作。Valar Labs 的核心技术是训练 AI 模型分析这些切片中人眼无法识别的微观模式：肿瘤微环境中免疫细胞的空间分布、细胞核的形态学异常、肿瘤间质的结构特征——这些「隐藏信号」被证明与治疗反应高度相关。

其旗舰产品 Vesta 已经在多个癌种中展现了与昂贵基因组检测相当甚至更好的预测能力。如果这一结论在更大规模的临床验证中得到确认，精准肿瘤学将从「少数人的特权」变成「所有患者的标配」——因为 H&E 切片几乎不增加任何额外成本。

从 2200 万到 1 亿：a16z 看到了什么？

a16z 的 Bio + Health 团队和 DCVC（专注深度技术的风投）在 A 轮就已经领投了 Valar Labs。B 轮的大幅加注不太可能仅仅基于团队信任——更可能的原因是 Valar Labs 在 A 轮之后的 24 个月里拿出了令人信服的临床数据。在 AI 医疗领域，临床验证数据是将估值从「故事」变成「实质」的分水岭。

计算病理学赛道正在升温：PathAI 已经完成多轮大额融资，Paige（与 MSCI 合作）获得了 FDA 批准的 AI 病理产品。Valar Labs 的差异化不在于「AI 看切片」本身——这个技术方向已经不新鲜——而在于「从切片中预测治疗反应」这个更高价值的应用场景。诊断告诉你「有什么」，而治疗预测告诉你「该怎么办」——后者的临床和商业价值显然更大。

监管之路：FDA 的门槛和制药公司的需求

AI 医疗产品的商业化路径通常有两条：一是作为临床诊断工具获取 FDA 批准后向医院和病理实验室销售；二是作为药物研发伴随诊断工具向制药公司销售。前者面临漫长的监管审批周期和复杂的医保报销谈判，后者可以在研发阶段就产生收入——制药公司愿意为能提高临床试验成功率的工具支付高额费用。

Valar Labs 大概率会双线并行：短期通过帮助制药公司优化临床试验的患者分层来变现，长期追求 FDA 批准的临床诊断产品。1 亿美元的 B 轮融资为这两条路线都提供了足够的资金支持。

计算病理学的终局：颠覆还是补充？

一个关键的战略问题是：AI 计算病理学最终会取代基因组检测，还是补充它？如果是前者，Valar Labs 面对的是一个千亿美元级别的市场重构机会；如果是后者，它只是在现有诊断体系中增加了一个新数据维度——有价值，但天花板较低。

目前的临床证据更支持「补充」而非「取代」——AI 病理分析和基因组检测捕获的信息维度不同，最佳方案可能是两者结合。但即便只是作为「补充」，一个几乎零边际成本的新诊断维度也足以创造巨大的商业价值。a16z 和 DCVC 的 1 亿美元赌注，本质上是在赌计算病理学能够成为精准肿瘤学诊断体系中不可或缺的标准组件——而非一个可有可无的附加选项。