Bios Life获2500万美元种子轮：数字孪生能否打破癌症筛查三十年未变的困局？

过去三十年间，肿瘤治疗的进步堪称革命——从化疗到靶向药，从免疫疗法到细胞治疗，每一个十年都带来了根本性的范式转移。但癌症筛查的逻辑几乎停留在同一页教科书里。大多数人的筛查体验仍然是把年龄填进一张通用表格：45岁，结肠镜；40岁，乳腺X光；50岁，低剂量CT——只要没有症状，一切等到了年龄再说。这套体系的代价触目惊心：近40%的人在一生中会被诊断出癌症，而超过三分之一的癌症确诊时已是晚期，治疗窗口正在迅速关闭。公司负责人凯文·奥芬格的一句话道破了行业的集体隐痛：“癌症筛查在过去二三十年间几乎没有变化。”

一家今天走出隐匿模式的波士顿公司决定把筛查从“按年龄排队”变成“按风险追踪”。Bios Life 正式对外宣布获得 2500 万美元种子轮融资，由 Redmile Group、Vsquared Ventures 和 Kindred Capital 联合领投。与此同步公布的，还有与 Tempus 达成的多年战略联盟，以及与 BioNTech 旗下 AI 子公司 InstaDeep 的合作协议。

这笔融资的规模在数字医疗领域不算惊天巨款，但它的资方构成和创始团队履历，暗示了一种不同于传统数字健康公司的路径——不是从头搭建一个慢病管理 App，而是试图把 AI 驱动的数字孪生模型嵌入真实的临床工作流，从风险预测到连续监测，彻底重写癌症筛查的底层规则。

用数字孪生重写教科书：从“定时筛查”到“AI 驱动的风险追踪”

Bios Life 的核心叙事建立在一个判断之上：技术已到达拐点，个性化癌症监测不再只是理论可能。公司的答案是一个整合基因组、临床、实验室和生活方式数据的 AI 预测平台。它生成的不再是传统的风险评分卡，而是每个高风险个体或癌症幸存者的“数字孪生”——一个随数据流持续更新的虚拟模型，反映个体实时的癌症风险演化。

与传统筛查最大的分水岭在于评估逻辑。现行体系依赖的是群体统计：某个年龄段、某个性别、某类家族史的人，应该在某个时间点做某类检查。这种“一刀切”方法的问题在于，它既无法捕捉个体间的生物学差异，也无法响应风险状态的动态变化。一个 BRCA1 突变携带者的风险曲线，与一个炎症性肠病多年病史患者的风险演化路径截然不同。但在当前体系下，两人得到的筛查建议可能高度雷同。Bios Life 试图通过整合多维度数据流，让每个个体的风险画像变得可量化、可追踪、可比较——当某人的风险指标偏离自身基线，系统可以触发预警，而不是等到下一次定期筛查。

这一思路在肿瘤学圈子里并不完全陌生。精准医疗时代的口号就是“在正确的时间为正确的人做正确的干预”，但把这句话变成可运行的软件产品，需要克服的障碍远超算法本身。Bios Life 尚未披露其数字孪生模型的具体技术架构——是用物理模型驱动，还是纯数据驱动，抑或混合方法——也没有公布模型训练所用数据集规模和验证结果。公司在新闻稿中表述的是“让临床医生能够理解个体不断演变的风险，并围绕其独特的生物学特征制定筛查和监测计划”，这是一种目标的陈述，而非已验证能力的证明。

更值得追问的是，“数字孪生”这个从工业制造和航空航天领域借来的概念，在人体生物学面前是否还能保持同等的工程确定性。一台航空发动机的数字孪生可以基于物理定律和实时传感器数据进行高精度仿真，但癌症风险所涉及的变量——从体细胞突变到免疫微环境，从肠道菌群到环境暴露——远超任何一个工程系统的复杂维度。Bios Life 试图建模的不仅是一个高风险个体当前的癌症概率，而是这条风险曲线在未来数月乃至数年内的动态演化。这意味着模型需要处理的不是一个静态分类问题，而是一个在时序上不断接收新输入并更新预测的连续状态估计问题。这一技术路径的选择将直接决定平台的数据需求量和计算成本，也可能是公司选择在隐匿模式中停留相当长时间的原因之一。

两个前大厂高管的路线选择：不谈颠覆，谈嵌入

Bios Life 的创始人组合组合了两种截然不同的职业路径，这直接影响了公司的产品定位。CEO Ryan Richardson 在 BioNTech 担任首席战略官期间亲历了新冠疫苗从立项到全球分发的全过程，随后又深度参与 BioNTech 回归肿瘤主业的战略决策。这段经历赋予他的不仅是对复杂临床管线管理的能力，更可能是一种对产业界资源如何被动员来解决大规模健康问题的直观理解。联合创始人 Logan Frank 博士则来自 Flatiron Health——这家公司几乎是肿瘤真实世界数据领域的定义者，其核心能力恰恰在于将散落在电子病历中的非结构化临床数据转化为可分析、可建模的结构化数据集。二人的履历叠加，暗示了一个鲜明的产品哲学：不试图把医院信息系统推倒重建，而是成为一个可被现有临床流程吸收的模块。

这种策略在本次公布的两项合作中得到印证。与 Tempus 的多年战略联盟尤其耐人寻味：Tempus 在肿瘤领域拥有庞大的真实世界数据资产、诊断能力和遗传性癌症检测产品线；Bios Life 的平台如果能够接入 Tempus 的数据管道与临床网络，理论上可以跳过创业公司最痛苦的冷启动阶段——无需从零开始说服医院贡献数据，无需独立搭建基因测序和病理分析的基础设施。与 InstaDeep 的合作则可能指向更底层的技术互补。InstaDeep 在 AI 驱动的生物学建模上已有先例，尤其是在蛋白结构预测和基因组分析领域，这些能力如果嫁接到癌症风险预测的上下文里，可能意味着 Bios Life 在算法层面可以站在一个已经被部分验证过的技术基座上开始构建，而不必从第一性原理出发一一攻克底层模型架构。

但“嵌入”策略也带来一个不可回避的问题：Bios Life 的护城河究竟在哪里？如果数字孪生的关键在于数据整合与建模能力，那么谁掌握了数据，谁就有可能复制核心功能。Tempus 自身也在推进肿瘤 AI 分析能力，InstaDeep 更不缺顶级算法团队。Bios Life 的防御性可能并不来自独家数据或独家技术，而来自更快的临床验证节奏、更深入的工作流集成，以及——如果运气和执行力都到位的话——监管壁垒。一旦某个数字孪生的癌症监测模型被 FDA 批准为临床决策支持工具，并通过真实世界证据证明了其改善患者结局的能力，后来者即便拥有相似的技术能力，也需要重新走一遍完整的验证与审批路径，这个时间差就是 Bios Life 最需要争取的窗口。

资本结构透露的信号：三家一线基金联合领投的逻辑

本轮融资由 Redmile Group、Vsquared Ventures 和 Kindred Capital 联合领投。三家机构各自代表了不同的资本配置逻辑，这种组合本身可能比融资金额更能说明 Bios Life 的定位。Redmile Group 以深度的生命科学投资著称，其投资组合横跨生物技术、医疗器械和数字健康，通常押注具有硬科学壁垒且能与制药或诊断产业链发生化学反应的公司。Vsquared Ventures 是欧洲近年来最活跃的深科技基金之一，偏好从计算生物学、量子计算到先进材料等需要长周期技术积累的赛道。Kindred Capital 则以早期社区型投资闻名，在数字健康和生物技术的交叉地带有多次布局。三家基金在种子轮阶段联合领投，意味着 Bios Life 的融资故事可能同时击中了三个焦点：肿瘤临床需求的急迫性、AI 与生物学交叉的技术纵深，以及一个可能的从软件延伸到临床服务的商业模式想象空间。

值得注意的是，Vsquared Ventures 在 LinkedIn 上公开的投资声明中明确提到了一个数据：“近40%的人在一生中会被诊断出癌症，超过三分之一的癌症确诊时已是晚期。”投资方在公开渠道使用这一数据作为投资逻辑的支撑，说明 Bios Life 在向投资者传递的核心叙事恰恰是市场规模与系统失效之间的巨大张力——筛查体系的失灵创造了一个尚未被充分定价的市场空白。但这也同时意味着，投资者对 Bios Life 的预期可能已经锚定在“解决一个系统性难题”的高度，而非仅仅打造一个利基工具。这种预期在后续融资和里程碑达成中，可能转化为一种隐形的压力。

Tempus 与 InstaDeep：盟友还是拐杖？

创业公司高调宣布与行业巨头的合作，历来是双刃剑。Bios Life 以“多年战略联盟”来描述与 Tempus 的关系，而非一般的商业合同或数据采购协议。“战略联盟”在医药行业通常意味着深度绑定：可能涉及数据共享、技术整合、联合市场推广，甚至未来被收购的期权。但 Tempus 作为一家已完成多轮大额融资、自身也在冲刺增长与盈利目标的公司，其信息披露义务和短期业绩压力，与一家种子轮创业公司的探索性节奏之间，必然存在张力。如果 Bios Life 的数字孪生平台深度依赖 Tempus 的数据基础设施，当合作关系发生任何变化——无论是商业条款的重新谈判，还是 Tempus 内部决定优先发展竞争性产品——Bios Life 的平台完整性就可能受到冲击。这种依赖度在合作初期可能表现为“起点优势”，但从长期来看，创业公司是否能在与巨头的共生关系中逐步建立起独立的数据获取与处理能力，是观察这一联盟价值的关键角度。

与 InstaDeep 的合作则更具技术同盟色彩。InstaDeep 当前隶属于 BioNTech，而 Bios Life 的 CEO Ryan Richardson 曾在 BioNTech 担任首席战略官。这一人事关联使得双方的合作在启动阶段可能具有更高的信任基础和更低的沟通成本，但也为外界提供了一个质疑的角度：这项合作在多大程度上是基于技术互补，又在多大程度上是创始人既有行业网络的延伸？从产品逻辑来看，Bios Life 的监测平台如果能与 InstaDeep 的 AI 模型形成技术闭环，理论上可以打通“预测-监测-治疗”的路径：一个人的数字孪生提示早期风险信号，随即由同一套技术生态匹配预防性治疗或早期干预方案。但这个闭环的最终受益者更可能是 BioNTech——它拥有从 mRNA 疫苗到个性化癌症治疗药物的一整条产品线——而非 Bios Life 本身。创业公司需要向市场清晰回答一个问题：在与合作方的价值分配中，哪些能力是构建在自己的一方，哪些只是暂时借用。如果数字孪生平台的核心训练数据、底层模型架构和临床验证网络都依赖外部供给，那么 Bios Life 在价值链中的位置可能比它描述的更为脆弱。

2500万美元的分解：这是一家软件公司还是临床服务公司？

资金用途的官方表述有三项：构建数字孪生模型、增强预测平台、团队扩张。三个方向对应的成本结构截然不同。构建可靠的数字孪生模型是工程密集型工作，需要计算基础设施、大规模多模态数据集的采集与清洗，以及持续的模型验证。如果 Bios Life 计划训练自己的基础模型，而非在现有大模型之上做微调，2500 万美元中很大一部分可能流向算力和数据工程师。增强预测平台则涉及产品化和临床整合：将模型包装成可用的 SaaS 界面或电子病历插件，并启动初步的临床验证研究——哪怕只是回顾性研究，成本也远超纯粹软件开发。团队扩张则意味着招聘兼具肿瘤学、计算机科学和监管事务背景的复合型人才，这类人才在波士顿和旧金山的高薪竞争下成本高昂。对于一个处于种子阶段的公司来说，2500 万美元在这三条线上同时发力，可能意味着它需要在 18 到 24 个月内证明至少一个方向上的阶段性成果，才能支撑下一轮融资的估值叙事。

更根本的问题是：Bios Life 的商业模式究竟是 B2B（向医院或诊所出售软件许可），还是 B2C（向高风险人群直接提供监测订阅），抑或是 B2B2C（经由雇主或保险公司触达待监测人群）？所有来源材料均未提及具体模式。不同的选择对应着完全不同的监管路径、销售周期、单位经济学和上市时间表。如果是 B2B 的临床决策支持软件，它需要证明产品能真正改善临床结局，并争取纳入医疗保险报销体系，否则医院采购动力有限——在美国医疗体系中，能够进入报销代码的产品和停留在“创新但自费”的产品之间，隔着一条巨大的商业化鸿沟。如果是直接面向消费者的模式，公司将面临 FDA 对直接面向消费者的健康风险检测产品的监管门槛，以及获客成本和用户留存率的经典数字健康流量难题。高风险个体和癌症幸存者虽然是两个相对明确的客群，但触达他们的渠道分散在肿瘤科诊所、遗传咨询中心、癌症支持组织和患者社区之间，获客效率可能远低于传统消费互联网的逻辑。

第三种可能性是 Bios Life 选择了一条混合路径：以 B2B 的方式与 Tempus 等合作伙伴一起进入临床网络，但在产品端保留直接面向患者的信息展示和互动功能，形成一种“临床端触发、患者端持续参与”的双端模型。这种架构在慢病管理领域已有先例，但移植到癌症风险监测的场景中，还需要验证患者在高频监测中的持续参与意愿，以及临床医生对这一新增工作流的接受度。这些问题的答案目前尚未被任何公开信息揭示。

在沉默的筛查市场，谁在抢跑？

公开材料中并未列出具体的竞争对手。但这并不意味着 Bios Life 处于一个无人区。癌症筛查与监测领域其实分布着多个层次的竞争者，只是各自的切入角度不同。在筛查环节，Guardant Health 和 Exact Sciences 等公司已经用液体活检技术证明了基于血液的生物标志物筛查在结直肠癌等癌种中的商业化潜力，Grail 的 Galleri 测试则试图通过多癌种早期检测重新定义人群筛查的范式。在风险预测环节，越来越多基因组学公司——包括 23andMe 在与 FDA 几轮博弈后重新推进的遗传性癌症风险报告——正在让个体层面的遗传风险评估变得触手可及。在监测环节，对于已确诊患者的微小残留病灶检测已经成为肿瘤液体活检领域最热门的竞争方向之一。

Bios Life 的定位与上述任何一类都不完全重叠，但它试图占据的恰恰是这三者之间的整合层——把基因组风险预测、动态生物标志物变化和临床数据统一到一个数字孪生框架中，让监测从单点检测变成连续追踪。这种整合定位如果跑通，其价值主张可能与上述任何一个单一赛道的公司都构成此消彼长的关系。但整合也意味着更高的复杂度：Bios Life 不仅需要自身算法过关，还需要依赖上游诊断技术、数据标准和医院信息系统的协同。在整合层上建立护城河，通常要么通过数据网络效应，要么通过监管独占性。目前 Bios Life 在这两条线上都还没有公开可见的成果。

待验证的假设：算法精确性与临床证据之间的距离

在所有已披露的信息中，Bios Life 描述的是一个目标状态，而非已经运转完善的系统。“数字孪生”一词在工业制造和航空航天领域已有相当成熟的工程基础——通用电气用数字孪生模拟飞机发动机的磨损曲线，西门子用它来优化燃气轮机的维护周期——但在临床医学领域仍然面临根本性的拷问：人体系统的复杂程度远超可建模的工程系统，一个人的癌症风险是否能被任何一个模型足够精确地表征？肿瘤的发生涉及基因组不稳定性、表观遗传重塑、免疫逃逸、代谢重编程等多个层次，任何一个层次的信号噪音比都可能淹没真正的早期风险信号。过度个性化的风险也值得警惕：如果一个模型过于敏锐，产生了大量假阳性预警，它不仅不会改善筛查，还可能制造更多不必要的活检、过度诊断和患者的持续焦虑——这正是现有筛查体系虽然低效却被容忍至今的原因之一，因为“一刀切”的筛查至少把过度诊断的风险也一刀切地控制在了一定范围内。

这是 Bios Life 必须跨越的核心验证鸿沟。数字孪生从概念到临床可用的产品，需要经过回顾性验证、前瞻性队列研究、乃至随机对照试验，每一级证据的获取都意味着数年到十数年的周期和巨额资金消耗。在回顾性验证阶段，公司需要证明其模型在历史数据上能够比传统的年龄和家族史模型更早、更准确地预测癌症事件。在前瞻性阶段，它需要在实际临床环境中展示模型输出的预警信号能够改变医生的临床决策路径，并最终改善患者结局。在随机对照试验阶段——如果 FDA 将其归类为需要上市前审批的医疗器械——它需要面对的是肿瘤学临床试验中最严苛的设计要求。2500 万美元种子轮可以支持最初的概念验证和平台搭建，但从第一行代码到第一个受监管的临床产品，Bios Life 还处于马拉松的起跑区。公司组建团队的专业背景、与 Tempus 和 InstaDeep 合作的实质产出速度，以及在真实世界数据中验证模型的初步结果，将是未来两年值得追踪的关注指标。

癌症筛查领域的变革，往往不是由一个独立的技术突破单枪匹马完成的，而是临床证据、监管政策、支付意愿和医患认知四者同时转向的结果。美国预防服务工作组对筛查指南的每一次修订，都建立在系统性的证据评估之上；医疗保险和商业保险公司对新的筛查工具的纳入报销，同样需要在临床效用和成本效益之间找到平衡。Bios Life 打出的这组牌——顶配创始团队、战略性资本、两大产业盟友——为这场长跑准备了重要弹药，但距离它宣称要让癌症监测变得“持续、可预测且深度个人化”，还有很长的路要走。在这个意义上，2500 万美元的种子轮不是终点的庆祝，而是一封写给八年乃至更长时间跨度的承诺书，其兑付能力将在真实世界数据的每一次回测中接受检验。

RecodeX 极客视：Bios Life 的种子轮是 2026 年数字医疗赛道迄今为止最值得跟踪的融资事件之一。不是因为它拿到了 2500 万美元，而是因为它选择了一个被行业集体回避了三十年的难题：如何在癌症风险变成晚确诊之前，让筛查从一次性的年龄检查，变成一个人的持续运行模型。两大战略合作方 Tempus 和 InstaDeep 让它的起点远高于普通创业公司，但也为它预埋了“盟友依赖度”的长期风险。接下来的十八个月，我们最关注的是临床证据能否产出第一组数据，以及这家公司到底选择软件路线还是临床服务路线——这个决定将比任何算法都更能定义它的终局。