在中国，AI病理市场年增速逼近30%，但病理诊断资源极度匮乏：全国持证病理医师仅1.8万人，需支撑海量肿瘤病理检测。这种深刻的供需矛盾，正成为人工智能技术进入病理实验室的核心驱动力。2021年成立于上海的玄言生物，将其切入点选在了一个更加底层的维度——不依赖单病种算法，而是构建一个能理解组织形态、蛋白表达与分子特征的多模态AI病理基础模型。其核心设想是，一张常规的HE染色切片，不仅要呈现细胞形态，还应能通过AI预测出通常需要免疫组化或基因测序才能获取的分子信息，从而为后续的精准诊疗提供一个前置化的决策依据，重新定义常规病理切片的价值。

近日，这家正试图从常规病理资料中挖掘更多维信息、并以此重构分子病理成本结构的公司，完成了新一轮数千万元人民币的融资。此轮融资信息在多个投资与医疗产业平台中引发关注，但围绕资金的具体轮次与参投方构成，公开信息却存在显著分歧，为其资本故事平添了几分值得审视的复杂性。

公司 上海玄言生物科技有限公司
轮次 未披露
金额 数千万元人民币
投资方 复旦科创
总部 上海
创始人 曹玄烨
官网 未披露

从HE切片出发，一个旨在前置化分子检测成本的模型构想

为了理解玄言生物的底层逻辑，需要先回到其技术路线的核心设想。公司宣称其构建的是一个泛癌AI病理基础模型，其能力并非体现在对单张切片的简单分类，而是聚焦于三个具体的“虚拟”技术方向：虚拟染色、虚拟测序和虚拟3D建模。这些并非物理化学层面的替代，而是运用AI模型从常规HE染色切片中推断出更多维度的生物信息，本质上是一种信息升维策略。

公司称，其“虚拟染色”可依托自研空间蛋白技术平台，从常规H&E切片中预测多个靶点的空间蛋白表达信息，为病理形态、蛋白表达与空间位置的联合分析提供支持。其“虚拟测序”则通过分析切片中的形态学特征，对基因突变、融合、微卫星不稳定状态、肿瘤突变负荷及分子分型等信息进行前置预测，为后续分子检测和患者分层提供辅助参考。而“虚拟3D建模”是在病理图像、空间蛋白数据和分子分型信息的基础上，进一步开展肿瘤组织三维重建，探索呈现肿瘤侵袭边界、脉管侵犯及免疫微环境的三维空间特征。这三项技术的共同指向，是在患者有限的肿瘤组织样本被进行一系列昂贵、耗时的分子检测之前，通过AI进行一次低成本、快速的前置分析，从而提高后续有限检测资源的利用效率。

其核心逻辑，是让AI对常规病理资料进行前置分析，作为一道零额外组织消耗的入口，在标准检测之前完成大范围样本的分子特征预判与空间信息刻画。这套逻辑若能走通，将对现有分子病理的检测流程产生深刻影响，可能减少无效检测、缩短诊断决策时间，并重新分配价值链中的成本重心。然而，需要明确的是，这些描述目前仍为公司声称的技术能力，其在真实世界多中心临床环境中对各类癌种、不同制片条件下所预测分子信息的准确性与稳定性，尚无独立第三方或已发表的大规模临床验证数据予以证实。从技术概念到可靠的临床工具，中间仍有待跨越的鸿沟。

实体瘤AI辅助诊断的产品化进展与监管足迹

抛开尚未完全验证的前沿技术构想，观察玄言生物在产品化道路上已留下的足迹，或许更能看清其当前的实际阶段。在具体的产品形态上，公司选择以甲状腺癌作为首个落地场景。甲状腺癌是近年来发病率上升最快的实体肿瘤之一，而淋巴结转移与否是决定其手术范围与后续治疗方案的核心决策节点。这种明确的临床决策需求，使其成为验证AI辅助诊断价值的理想切入点。

玄言生物推出了一套“试剂盒+配套AI软件”的组合方案，用于检测甲状腺癌的淋巴结转移。根据公开资料，该产品源自公司与上海交通大学医学院附属瑞金医院的官方科研转化项目。据公司披露，该产品对甲状腺癌淋巴结转移的诊断准确率可达97%，但该数据尚未经多中心独立验证，相较传统超声诊断有显著提升。这不仅是算法层面的突破，更关键的是它形成了一个软硬件一体化的检测系统，这在采购和操作层面更适配临床环境。该产品目前已获美国食品药品监督管理局（FDA）授予的突破性医疗器械认定，并启动了国内的创新医疗器械特别审查程序申报，同步推进CE认证。能够在一个相对成熟的单病种上，形成软硬件一体化、且在中美两地同步推进监管注册的产品，是其与仅停留在科研论文阶段的团队最大的不同，也意味着公司已在合规路径上积累了先期经验。

公司宣称，该产品已在上海、江苏、山东等多个省市开展临床应用。与此同步，公司还通过参与制定行业标准，来加深其在甲状腺癌垂直领域的生态布局。公司联合瑞金医院作为副主编单位，共同制定中国电子装备技术开发协会《医疗AI辅助诊断临床验证流程规范》团体标准；同时，参与中国抗癌协会《甲状腺癌人工智能辅助诊断与危险分级技术标准》的制定工作。此外，公司与瑞金医院共同构建的“瑞甲智云”一体化智能诊疗平台，旨在打造一个覆盖“筛查—诊断—风险分级—随访管理”的全流程闭环体系，试图推动甲状腺癌诊疗模式的数字化升级。这些举措表明，在甲状腺癌这一单点场景上，玄言生物正试图从产品、标准到平台，构建一个相对完整的垂直生态，以此增加被替代的难度，并为后续跨癌种扩展积累实施经验。

资本押注平台化逻辑，但投资者阵容存在信息冲突

此轮融资中一个无法忽视的矛盾点在于投资者身份的确认。根据投资界在7月28日的报道，本轮融资的出资方为“复旦科创”，消息中提及这是继2026年初获得德同资本融资后，半年内获得的第二笔融资，但并未指明德同资本参与了本轮。然而，包括MSN、腾讯新闻、医药魔方、MedValley在内的多家媒体，以及商业数据平台亿欧，均在此前后发布信息称，这笔数千万元的融资发生在7月16日，轮次为Pre-A轮，且由“复旦科创与德同资本联合领投”。这两种说法存在明显分歧，这并非纯粹的细节差异，而是直接关联到公司的融资历程描述和投资方组合的认定。

这种信息错位可能源于不同信源对同一笔交易的不同切割或解读——部分报道可能将本轮复旦科创的独家注资与稍早前德同资本的出资合并称为“Pre-A轮”，也可能指向融资公告的不同发布阶段。在缺乏公司官方统一公告或直接向多方求证的情况下，简单地选择其中一个信源而抹去另一种说法，会丢失对这一融资事件全面观察的维度。因此，当前能够确认的事实是：玄言生物在近期获得了一笔由复旦科创参与的数千万元融资，印时资本（Ins Capital Partner）担任独家财务顾问。而德同资本在本轮融资中的角色和参与程度，在公开报道中并不一致，这仍是一个未解的信息盲点。

对于投资机构而言，无论是复旦科创的产业背景，还是德同资本历来在医疗健康领域的布局，其核心逻辑都指向了对AI诊断平台化价值的判断。一家投资方代表曾表示，AI在医疗领域的终极价值在于“融入并优化临床工作”，而玄言生物团队展现出了“临床-算法-产业”的协同能力：既能从临床痛点出发定义问题，又能以多中心数据推动模型验证与泛化，并把转化落地作为研发的一部分前置规划。这无疑看中了其底层平台技术在不同癌种和临床决策场景中的可复制潜力。资本押注的，正是这种从单点产品向平台化能力跃迁的可能性，但这一跃迁的成功率，仍取决于其技术泛化能力能否在多中心数据中得到严格验证。

资金锚定技术迭代、多中心验证与商业渠道铺设

新注入的数千万元资金，将被用于巩固AI病理走向临床应用的几个关键薄弱环节。这笔资金的分配，清晰地勾勒出公司从技术研发向量产注册和早期商业化迈进的关键转换期所必须打通的路径。

  • 技术与数据迭代：核心是持续训练其泛癌病理AI基础模型，并对自研的空间组学技术进行升级。这需要纳入更多来自不同区域、不同人群的配对数据，以提升算法的通用性与鲁棒性，夯实面向东亚人群的多模态配对数据底座。数据多样性与质量，将直接决定模型泛化能力的天花板。
  • 临床验证与注册申报：这是医疗AI产品从“可用”走向“可信赖”门槛最高的环节。资金将用于推进乳腺癌、食管癌、尿路上皮癌等多条管线的多中心临床试验，并完成国内三类医疗器械注册，以及推进在欧洲、美国的申报工作。每一张新证的获取，都是公司平台化叙事在监管层面的一次佐证。
  • 多场景商业验证：公司计划加快其虚拟测序、虚拟染色技术在肿瘤精准诊疗和药企患者筛选场景的应用验证，为未来向制药企业变现做前期探索。这意味着公司正试图在传统IVD销售之外，开辟一条以数据和技术服务为核心的收入流，但其商业模式仍需市场检验。
  • 商业化渠道基础搭建：建立病理专业销售与临床服务团队，推动产品在更多三甲医院和第三方检测机构的试点装机，并搭建可适配不同医院信息化系统的云端病理AI诊断SaaS平台。这旨在适配多元采购场景，降低医院端的改造门槛，为规模化复制奠定通路基础。

这些资金分配反映出，公司目前正处于从技术研发向量产注册和早期商业化迈进的关键转换期。其创始人曹玄烨在此次融资后明确表示，公司将摒弃单纯堆砌技术参数的思路，转向以临床真实痛点为导向，打造可复制、可合规、可盈利的AI病理商业模式，加速泛癌病理AI软硬件产品批量入院。

在年增近30%的热赛道，必须回答的可及性与规模复制难题

中国AI病理市场正处于一个高速增长通道，年均增速接近30%。这吸引了大量创业者与资本涌入，行业也由此前的模型参数竞赛，进入了比拼临床落地、合规取证与商业变现能力的新阶段。赛道已经告别了单纯的技术参数内卷，转向了以临床价值为核心的竞争。玄言生物要面对的，是一个所有玩家都必须回答的核心命题：如何将AI从飘在云端的炫酷技术，变成真正嵌入病理科工作流程、并能产生持续经济回报的基础设施。

公司给出的“分子试剂盒+病理AI算法”软硬结合方案，显然是为了适配国内复杂的采购场景——既能满足大型三甲医院对本地化部署和数据安全的要求，也能服务于第三方独立实验室的集中化、高通量检测模式。其宣称已在数十家三甲医院建立合作，并联合瑞金医院等头部伙伴打造“瑞甲智云”平台，这些举措都是在尝试构建一个从科研、临床验证到产品转化应用的生态闭环，以增加被替代的难度。然而，每一家大型医院的试剂耗材采购、信息化系统接口、病理科工作流程都千差万别，从几十家医院到数百家甚至上千家基层医疗机构的规模化复制，是比攻克某个病种的技术难题更为严峻的商业化考验。适应不同层级医院的支付能力、信息化基础与操作习惯，意味着高昂的渠道铺设成本与漫长的市场教育周期，其商业效率仍需验证。一个潜在风险是，如果单点客户获取成本过高，可能会拖慢公司从研发投入阶段向自我造血阶段过渡的节奏。

待检验的泛化能力、竞争合围与商业转化效率

穿透融资与产品描述的积极信息，玄言生物前方存在的风险与待验证假设同样清晰，这些风险将直接决定其平台化故事最终能否成立。

首先是技术从单点产品向泛癌模型泛化的鸿沟。甲状腺癌产品获得突破性器械认定，是在一个特定病种上取得的进展。将其底层模型能力平滑迁移至乳腺癌、食管癌、尿路上皮癌等多种实体肿瘤上，并保证同样水准的准确率与稳定性，需要海量的多中心、高质量配对数据进行训练与验证。从有监督的单任务模型到能处理多种癌症的通用基础模型的跨越，技术难度呈指数级上升，且公司目前并未公开披露支撑其泛化能力的大规模临床验证数据。这种跨癌种的泛化能力，是公司平台化故事能否成立的核心技术前提，一旦在某个癌种上表现不佳，可能反噬整个平台的可信度。

其次是竞争格局的潜在挤压。在AI病理这个热门领域，既有AI巨头凭借强大算力和算法向医疗世界模型发起冲刺，也有聚焦于数字病理切片的传统病理AI企业占据先发优势。玄言生物试图从更加底层的“虚拟测序”切入，本质上是想重新定义竞争维度，绕开拥挤的图像识别赛道。但这种模式对配对数据的要求远高于单纯的图像识别，也需要更长的市场教育周期，以说服临床用户接受这种从形态到分子的推断逻辑。它同时面临来自技术深度更深的大厂和商业化落地更早的专业公司的双重压力，这意味着公司必须在核心管线上快速取得商业突破，以证明其路径的可行性和时效性。

最后是商业转化的效率风险。公司的愿景宏大，但短期内能够产生现金流的核心产品仍是基于甲状腺癌的检测试剂盒与软件。一条核心管线的商业化收入，能否支撑起公司同时布局泛癌模型、虚拟3D建模、AI辅助新药靶点挖掘等多条高投入管线的长期研发，是对其运营效率和融资能力的重要考验。此外，公司宣称获得FDA突破性器械认定，这通常代表一种加速审评的资格，但距离最终获得上市许可仍有大量工作与不确定性。技术研发本身也充满不确定性，行业竞争的加剧同样可能影响其远期市场拓展的空间。商业化落地速度与技术迭代节奏之间的平衡，将是其下一阶段发展的关键考验。如果核心产品的放量速度慢于预期，或后续管线迟迟未能进入收费阶段，公司可能面临资金链拉紧的风险。

RecodeX 极客视：玄言生物的融资故事，折射出中国AI病理赛道正在经历的一次价值逻辑切换。当单纯的图像分类AI难以构建商业模式护城河时，竞争的焦点已经开始向更前端迁移，试图从一张常规病理切片中读取更多分子维度的信息。玄言生物押注的不是一个简单的辅助诊断软件，而是一个能够前置化分子检测、重新分配诊断价值链成本与效率结构的平台化构想。这个构想能否从甲状腺癌这一成功的单点突围，真正演化为跨癌种、跨模态的通用技术底座，最终取决于其是否能拿出经得起多中心、大样本考验的临床验证数据，以及一个超越科研合作、实现规模化营收的商业引擎。在AI医疗从“可用”通向“可信赖”的窄门中，技术理想主义必须接受临床证据与商业回报的双重验证，而当前，这仍是一个待解的命题。