2026 年 7 月 28 日，总部位于英国牛津的精准诊断公司 Vivid Dx 宣布完成一笔 1500 万美元的种子轮融资。本轮融资由 Oxford Science Enterprises 与 Cedars-Sinai Intellectual Property Co. 联合领投，Jameel Investment Management Company 以及未披露具体名称的战略投资者跟投。同日，公司宣布任命在诊断行业深耕 25 年的科学家兼企业高管 Keith O’Neill 出任首席执行官。这一人事任命标志着一个明确的技术转段信号：Vivid Dx 正在从其科学基础搭建期，正式跨入以患者样本为驱动的临床验证与商业预部署阶段。

字段 内容
公司 Vivid Dx
轮次 种子轮
金额 1500万美元
投资方 Oxford Science Enterprises 和 Cedars-Sinai Intellectual Property Co. 联合领投，Jameel Investment Management Company 等战略投资者参投
总部 英国牛津
成立时间 2022 年（2022 年 7 月 27 日注册为 Ramanomics Limited，2025 年 4 月更名为 Vivid Dx）
创始人 Dr. Jeff Liu、Dr. Monique Andersson、Prof. Zhanfeng Cui、Prof. Wei Huang、Prof. Haroun Shah
CEO Keith O’Neill
官网 vivid-dx.com

从数天到数小时：跨过“培养皿”的物理鸿沟

在现行医院的微生物检验流程中，最耗时且被行业默认为刚需瓶颈的环节，并非仪器分析本身，而是那步无法绕过的“等待培养”。当临床医生怀疑患者存在严重血流感染或脓毒症时，采集到的血液样本必须先在培养基中孵育足够长的时间，让可能存在的细菌繁殖到可被后续仪器检测的数量级。这个生物学生长过程往往需要 24 到 72 小时，而在结果出来之前，医生只能依赖经验使用广谱抗生素。Vivid Dx 的新任 CEO Keith O’Neill 在融资公告中，用一句话刺中了这个被长期接受的系统性延迟：“数十年来，治疗严重感染的临床医生不得不等待过长时间才能获得指导抗生素治疗所需的信息。当前工作流程中最大的延误发生在许多诊断系统甚至尚未启动之前：临床医生正在等待培养结果。”

Vivid Dx 所提出的解决方案，从技术逻辑上看，本质上是一条试图完全绕开培养步骤的“直血检测”路径。其平台的技术架构可以被拆解为三个紧密咬合的环节：首先是湿实验部分，平台需要从全血样本中直接分离出病原体细胞并将其提纯，以获得足够干净的分析对象；然后是物理检测环节，利用拉曼光谱仪捕获单个病原体细胞的生化指纹图谱；最后是计算环节，将这些复杂的光谱信号输入一套专有的人工智能/机器学习模型，由 AI 完成信号的增强、降噪与解谱，最终输出两个医院最需要的关键信息——血液中究竟存在哪种或哪几种细菌，以及这些细菌对临床常用抗生素各表现出敏感还是耐药。

拉曼光谱在微生物鉴定领域并非一个全新的物理概念，其原理是通过探测分子振动模式来获取生物样本的生化组成信息。但在此前的行业实践中，受限于信号微弱、背景噪声复杂以及对复杂基质样本的解析能力不足，它一直难以从血液这类高度复杂的临床样本中稳定、可靠地识别病原体。Vivid Dx 的关键技术主张，在于通过两条路径把这个方案推到了“直血检测”可用的阈值边缘：其一，公司构建了一个包含数千株临床分离菌株的专有光谱数据库，这让 AI 模型在学习菌株的“指纹变化”时有了足够规模的参照系；其二，AI 驱动的信号增强与解读算法被用来从血液背景噪声中提取有效信号。公司披露的临床前概念验证数据显示，该平台对病原体的识别准确率约为 99%，表型药敏测试（AST）结果与金标准方法的一致性约为 92%。不过，这些数字需要在正确的语境下被解读：它们均来自实验室环境下对平台核心组件的分离测试，使用的是已知菌株库而非真实患者的原始血样，且尚未在多中心场景下进行盲法比对。从这个意义上说，这些数据证明了物理原理和算法链条的可行性，但尚未回答在真实临床条件下这套系统会表现如何。

放弃分子面板走表型路线：一种笨拙但更值钱的选择

在快速感染诊断的竞争光谱中，绝大多数新兴技术走的是分子检测路径——通过 PCR、等温扩增或下一代测序来寻找耐药基因片段，然后基于基因型推导细菌可能对哪些抗生素耐药。这类方案速度极快，适合做成多重检测面板，但面临一个内源性缺陷：耐药基因的存在并不总是等同于表型耐药，且无法涵盖所有耐药机制。Vivid Dx 选择了一条截然不同的技术路线——表型药敏测试（phenotypic AST），也就是直接观察从患者血样中捕获的活菌在接触特定抗生素后是否停止生长或发生代谢变化。这是一种更贴近临床决策终点的路径，因为它回答的不是“这只菌携带着哪些耐药基因”，而是“对于面前这个具体的病人，这个抗生素到底能不能杀掉它”。

表型路线的工程挑战远高于分子检测。它需要完成一整套在无培养或微培养条件下运作的生化和物理过程：从血液中捕获足够高纯度的活菌、维持其活性、将其暴露于抗生素、然后用光谱手段捕捉极早期的生化响应信号，并通过 AI 从这些信噪比极低的信号中读出一个结论。这不仅是检测，本质上是一场微型生化实验。Oxford Science Enterprises 的医疗健康技术主管 Tony Besse 在新闻稿中的措辞保持了一种审慎的乐观，他的原话是：“医院需要的是值得信赖并能整合到诊疗路径中的检测结果。”这句话的潜层含义在于，在血流感染诊断这个领域，单纯追求“速度快”是无法赢得医院买单的——你必须在一个完整的临床决策链路中证明自己是可靠且可嵌入的。Vivid Dx 试图赢取的竞争维度，不是某一个孤立的指标，而是从取血到用药决策这整个诊疗闭环中的信息主导权。表型路线虽然更“笨拙”，但从支付方和医院决策者的角度来看，它所产出的信息价值也可能更高，因为药敏结论可以直接转化为处方行为。这个价值假设能否成立，取决于后续临床验证中生成的数据厚度和可信度。

创始人隐退、CEO 交接与技术公司的临界时刻

在这轮融资的公告中，一个值得注意的非常规信号是 Vivid Dx 完全没有提及创始人的姓名、学术背景或技术发明人信息。所有的管理层信息披露都聚焦在新任命的 CEO Keith O’Neill 一人身上。在种子轮阶段，创始团队往往是一家技术公司的核心资产和叙事主体，投资者押注的不仅是技术，更是发明这项技术的人。Vivid Dx 的公关信息却刻意将聚光灯从发明者身上移开，转而投向了商业化操盘手，这一安排可能反映出公司的技术源头与当前管理架构之间已经完成了某种形式的分工或交接，也可能意味着投资人期望从这一阶段起由职业经理人来主导公司的航向。

O’Neill 的职业履历展现出一条清晰的“从实验室到市场”的转化轨迹：早期职业生涯在 MIT 参与人类基因组计划积累前沿科研经验；随后在 Enterprise Ireland 指导早期生命科学项目，积累了判断技术商业转化可行性的能力；在 Abbott 担任全球创新联盟的建设者，理解 IVD 巨头的研发与渠道逻辑；而最近一段经历，是担任专注于快速血流感染床旁检测的公司 Novus Diagnostics 的 CEO。Oxford Science Enterprises 在选择这位 CEO 时，显然不是在寻找一名技术优化者，而是在找一个已经踩过血流感染诊断商业化深水区的人。O’Neill 在新闻稿中为自己的核心任务做出了清晰界定：“公司已奠定坚实的技术基础，而我的工作重点将是推进这项工作的临床验证，并打造一个可供临床医生常规采用的平台。”值得额外关注的是“可供临床医生常规采用”这一目标在诊断行业的真实意涵——它不仅意味着需要通过科学验证证明准确率，还意味着需要解决病理科工作流的兼容性、仪器操作的自动化程度、医院采购决策中的成本效益权衡、以及监管审批路径等一系列商业化基础设施问题。这些问题的复杂度和资源消耗量经常不亚于技术本身。

两个联合领投方构建的临床转化“传送带”

本轮 1500 万美元种子融资背后的资本结构，并不是简单地寻找财务投资者来填补研发管线缺口，而是呈现出一条被精心设计的、从实验室到医院的临床转化路径。两个联合领投方各自扮演着不同但高度互补的角色。

Oxford Science Enterprises 是牛津大学科研成果转化的核心平台机构，它的核心职能是把诞生于牛津大学实验室中的中间态技术剥离出来，注入资源并构建成一家可投资的独立生物技术公司。Oxford Science Enterprises 的医疗健康技术主管 Tony Besse 的表态，意味着牛津方面注入了资金，并可能持续输出支撑。

Cedars-Sinai Intellectual Property Co. 是洛杉矶顶尖医学中心 Cedars-Sinai 的技术转移与投资载体。它的关键价值不在于提供的资金体量，而在于能将一家初创公司接入医院端的真实临床测试资源。Cedars-Sinai 科技风险投资部董事总经理 Nirdesh Gupta 在新闻稿中的表态直接指向了全球范围的临床采纳前景：“在未来十年里，全球医生采用能够更快、更精准识别病原体并指导治疗决策的技术至关重要。” Cedars-Sinai 的参与，意味着 Vivid Dx 有可能借助这家学术医学中心的资源推进临床验证，这种“投资+临床合作”的模式，有望加速证据生成的进度与质量。

此外，新闻稿在列举跟投方时使用了“additional strategic investors”这一泛称，未披露具体的完整名单，也未说明是否有大型体外诊断厂商或医院集团以产业资本身份入场。如果存在这类产业资本，通常意味着商业验证的基准时间表会被前置，因为产业方会对产品的可量产性、成本结构和渠道匹配度提出具体期望；如果全部投资方目前仍以财务回报或学术转化机构为主，则说明公司当前仍然处于以生成和积累临床证据为核心目标的阶段，离商业谈判和渠道铺设尚有距离。这一信息的缺失，使外部评估其商业化节奏时只能依赖后续进展。

一笔 1500 万美元能买来什么，买不来什么

根据公司披露，这笔种子轮资金的核心用途可以归纳为两个方向：推进临床验证与商业化，包括使用患者样本测试平台；以及平台的进一步开发。这两个方向各自对应着几条值得拆开来看的资金消耗路径。

第一，也是最关键的，是患者样本的临床测试。截至本轮融资公告发布，Vivid Dx 所有公开的数据都建立在已知菌株库的实验室概念验证之上。进入真实血样场景后，情况会变得复杂得多：样本的采集时间与送检时间间隔可能不统一、患者可能已经使用了抗生素从而改变了血液中菌群的活性、不同患者血液成分的个体差异可能带来基质的干扰。Vivid Dx 必须证明其直接分离与提纯方案能在这类高度异质的样本上保持稳定的病原体回收率和纯度，AI 模型也必须证明其解读能力不会在这些变量干扰下出现显著漂移。目前公司未披露这一阶段试验的样本量、盲法设计方案、统计终点定义或临床合作中心的具体数量——这些变量将是外部观察者判断其技术成熟度与数据可信度时，需要持续跟进的关键指标。

第二，是平台从实验室分立组件向整机工程形态的迭代。当前公司所展示的技术证据分散在多个核心模块的独立验证上，而后续开发工作可能包括将样本制备、光谱采集、数据分析等步骤整合为一套具备自动化能力的工程样机，并减少操作流程中对高技能人员的依赖。这方面的资金消耗速度取决于目标的产品形态定义，但通常会在硬件工程、耗材开发和软件集成三个方向上同时发生。

第三，是在CEO任命完成后，围绕他搭建完整的商业化前团队。公司后续需要配置负责法规事务的人员以推进 FDA、CE 或 UKCA 的注册路径规划，需要市场准入专家来设计医院端的价值主张，需要临床事务人员管理多中心研究，也需要仪器制造与供应链管理相关的职能。每一项都在消耗现金，且与临床验证的进度高度耦合——在临床数据未出的阶段过早扩编销售团队会造成资源浪费，而关键法规岗位配置过晚则可能延误注册窗口。

目标时间表与跃迁的台阶

从更长远的开发目标看，Vivid Dx 公开的技术路线图勾勒出极具冲击力的时间标尺：直接从血液样本中约 30 分钟完成广谱病原体鉴定，约 3 小时完成表型药敏测试，与此形成鲜明对比的是传统血培养通常需要 2 到 4 天才能出具完整报告。这一时间压缩如果实现，将彻底改写脓毒症和严重血流感染的诊疗节奏。然而，这样激进的目标背后，是公司必须跨越的多个工程学与临床验证台阶：30 分钟的鉴定窗口要求样本制备和光谱采集完全自动化且零容错，3 小时的 AST 则依赖于微流控体系下极早期的代谢响应信号能被可靠捕捉并正确解读。每一项的达成不仅需要技术的稳定，还需要在多中心、前瞻性临床研究中拿出具有统计学信服力的证据。

被“数小时”承诺遮住的地面关卡

Vivid Dx 在叙事中反复描述了一个从“数天”到“数小时”的加速愿景，这个时间差正是其核心价值主张。但将一个实验室中的时间目标落地为医院检验科里可复现的周转时间，至少需要越过三道隐性的地面关卡。

第一道关卡是工作流中的人机边界。拉曼光谱仪本身的采集速度可以被优化到分钟级，AI 模型的推理也可能在秒级完成，但这些仅是技术链路上的片段。如果从血样接收、前处理、分离提纯、上机、到最终报告生成之间的完整链条中，仍需检验科技师进行大量手动操作、判断或批次处理，那么平台的实际周转时间就不仅仅是仪器速度的函数，还取决于医院的人员排班、操作熟练度和样本处理量的峰谷波动。工具缩短了仪器时间，并不等于缩短了临床决策时间。当这个平台的最终产品形态尚在开发中时，外部尚无法判断全流程中人工介入的比例，这直接影响其对真实检验科工作流的适配能力。

第二道关卡是表型药敏测试的菌种与抗生素覆盖范围。公司目前未披露其专有光谱数据库具体覆盖了多少种病原体和多少种抗生素组合，也未公布不同病原体-抗生素配对下的独立性能数据。“表型 AST 一致性约 92%”是一个聚合指标，但在不同菌种和不同抗生素类别上的表现可能存在显著差异。某些临床上高度依赖的“重症抗生素”组合——例如碳青霉烯类对肺炎克雷伯菌、万古霉素对金黄色葡萄球菌——如果一致性出现局部下滑，哪怕整体均值仍保持在 90% 以上，也会显著影响 ICU 和感染科医生的采纳意愿。在缺乏细分数据的情况下，这个 92% 的一致性数字更像一个方向性指引，其临床可依赖程度仍需在真实样本测试中被分层验证。

第三道关卡，同时也是诊断技术入院最难跨过的一道关卡，是经济学证据的收集。ICU 医生在个别病例上或许直觉上欢迎更快的结果，但检验科主任要在医院的预算委员会上为一项新设备争取采购批准时，必须端出经得起财务部门审视的数据：采用这套平台后，从血培养送检到目标抗生素使用的平均时间是否真的缩短了？广谱抗生素的使用天数减少了多少？ICU 住院天数有无可测量的下降？全疗程费用是否实现了统计学显著的降低？这些卫生经济学终点通常不会在种子轮阶段被系统性地前瞻设计和收集，而没有这些数据，医院采购决策就缺乏从“价值感”走向“价值证明”的最后一公里依据。

一家尚未被定义的诊断公司

从商业化维度审视，Vivid Dx 目前只是一家轮廓初现的诊断公司。公司未对外披露具体的商业模式细节——是计划以封闭式试剂+仪器的系统向医院检验科销售，还是建立中心实验室为周边医院提供样本外送检测服务，抑或是采用资本消耗更大的“投放仪器、消耗试剂”模式。鉴于其种子轮阶段的状态、尚无监管审批进展的披露、以及平台尚未经历真实临床样本验证的事实，任何关于商业模型细节的讨论目前都缺乏事实基础的支撑。可以观察到的基础定价逻辑在于：如果一个诊断平台能够通过缩短脓毒症或严重血流感染患者的靶向治疗启动时间，从而产生可量化的 ICU 住院天数缩减和广谱抗生素用量下降，其单次检测的定价天花板将远高于常规体外诊断项目——因为其成本节省发生在医院的 DRG 超额支出和抗生素管理绩效指标上。但能否触及这个天花板，完全取决于此前讨论的临床效用证据的厚度、经济学数据的质量以及监管审批所能支撑的临床声明范围。这些答案尚未被写入任何一份公开文件。

RecodeX 极客视：Vivid Dx 的故事目前最扎实的部分在于，它把一组位于实验室里的物理能力（拉曼光谱的高信息维度）、生化能力（从全血中直接分离纯化活菌）和算法能力（AI 驱动的光谱信号解读与药敏判定）拼成了一条理论上可替代血培养的完整链条，并且拿到了两方兼具技术转化通道和临床落地资源的投资机构去支撑下一步验证。但“种子轮 + 临床前数据”这个组合在生物技术语境下，意味着真正决定公司生死的证据事件还没有发生——病人血液样本从来不会像实验室菌株库那样规规矩矩，临床工作流也从来不会为一项新技术自动腾出空间。对于那些盯着诊断窗口前移和全球 AMR 政策窗口的投资人而言，接下来 12 到 18 个月内，Vivid Dx 在真实临床样本上的分层性能数据、全流程周转时间的完整统计以及首个监管沟通进展，远比那 99% 的实验室准确率更值得追问。