Butterfly Learnings获6500万卢比Pre-B轮融资：印度儿童行为健康市场，早期筛查能否突破中心模式瓶颈？

90个中心与1岁筛查之间，隔着一道印度儿科基础设施的鸿沟

Butterfly Learnings试图用一笔Pre-B轮融资同时解决两个问题：把筛查工具推进医院和儿科医生诊室，同时把自有中心网络铺到马哈拉施特拉邦之外。这家总部位于孟买的儿童行为健康平台于2026年8月19日宣布完成6500万卢比（约670万美元）Pre-B轮融资，由Inflexor Ventures领投，既有投资方Enzia Ventures、Insitor Impact Asia Fund和IIMA Ventures参投。公司称本轮资金将用于扩展马哈拉施特拉邦以外的中心网络、强化技术和AI能力、推广其Get SET Early自闭症筛查方案、扩大治疗师培训项目，并与医院和儿科医生建立合作。这笔钱不算大，但它押注的路径——用一张中心网络加一个可嵌入主流儿科流程的筛查工具，去撬动印度儿童神经发育障碍的早期识别——值得拆开来看。

把眼动追踪塞进儿科诊室，Butterfly Learnings赌的是筛查入口而非治疗闭环

Butterfly Learnings的产品组合横跨临床治疗、融合教育、诊断、数字疗法和技术干预，服务对象是自闭症、多动症和学习障碍儿童。但在本轮融资叙事中，真正的技术主角是Get SET Early。据公司披露，这是一款基于眼动追踪的自闭症筛查技术，已获得印度中央药品标准控制组织（CDSCO）批准，可用于1岁儿童；公司持有该技术的独家全球许可。Scoopearth的报道进一步描述，该工具通过评估幼儿处理语言输入时的双侧眼动来识别风险。

这里需要做一个清晰的归因切分。CDSCO批准是一个可核实的监管事实，来源材料中多处一致提及。但“可用于1岁儿童”的临床意义、敏感性和特异性数据，以及该工具在真实印度基层场景中的假阳性率，来源材料均未披露。公司称其持有“独家全球许可”，这一表述来自公司口径，目前没有独立的许可协议或技术转让文件可供交叉验证。换句话说，Get SET Early的监管身份是确定的，但它在印度儿科诊室里的实际筛查表现，仍然是一个待验证的变量。

从产品逻辑看，Get SET Early的真正价值不在技术本身，而在分发场景。一个能在1岁儿童身上使用的筛查工具，如果只能停留在Butterfly Learnings自己的90个中心里，它的覆盖半径极其有限。公司显然意识到了这一点，本轮资金的明确用途之一就是通过医院和儿科医生部署筛查工具。这个策略的实质是：把筛查从自有中心的围墙里拿出来，嵌入到主流儿科的基础设施中，让儿科医生成为转诊入口。如果跑通，Get SET Early的潜在触达量级会远超任何中心网络；如果跑不通，它只是一个有监管批文的中心内工具。

90个中心是资产还是负债，取决于利用率而不是城市数量

Butterfly Learnings目前据公司披露在印度22个城市运营90个中心。这个数字在印度儿童行为健康领域不算小，但它同时意味着一个结构性成本问题：每一个新中心都带来固定的临床人员、场地和设备支出，而收入取决于该中心实际交付的治疗小时数。这与软件业务完全不同。Zane Marketing在其分析中提出，90个中心是一个“足迹，而不是产品”，真正需要跟踪的指标是每个中心每周的利用率——即已预约并交付的治疗小时数除以可用治疗师小时数。需要说明的是，Zane Marketing并非权威行业分析机构，这一判断属于其作为市场观察者的观点，而非经过独立审计的结论。

这个判断切中了中心模式的核心风险。全国平均利用率会掩盖一个典型问题：少数成熟中心贡献了大部分收入，而新开中心在爬坡期可能长期半空置，却仍然支付全额租金和人力成本。利用率缺口的成因只有两种：要么需求没有到达该中心，要么有需求但合格治疗师不够。这两种情况的解法相反——前者需要市场投入，后者需要扩大招聘和培训，而如果误判，在人员短缺时增加营销只会拉长等待名单。

从已披露的信息看，公司同时在做两件事：扩展中心网络和扩大治疗师培训项目。这至少说明管理层意识到了人员供给是约束条件之一。但来源材料没有提供任何关于现有中心利用率、单中心经济模型、治疗师流失率或等待名单长度的数据。因此，90个中心究竟是高效运转的服务网络，还是正在吞噬现金的固定成本结构，外部无法判断。本轮6500万卢比的规模，相对于90个中心的运营体量而言并不宽裕，这进一步放大了利用率问题的重要性。

Pre-B轮的资本结构说明，这轮融资买的是扩张期权而非现金安全垫

Butterfly Learnings的融资节奏在来源材料中有部分披露。StartupFox提到，本轮是公司迄今最大的一轮，此前公司在2024年4月完成了一轮3200万卢比的A轮融资，2022年完成约200万美元的种子轮。IIMA Ventures官网的新闻标题也印证了3200万卢比A轮的存在，投资方包括Insitor、Enzia Ventures和IIMA Ventures等。

把这三轮放在一起看，一个清晰的资本结构浮现出来：这是一家以小额、高频融资支撑物理网络扩张的公司。6500万卢比Pre-B轮相较A轮翻了一倍，但绝对金额仍然克制。本轮由Inflexor Ventures领投，三家既有投资方全部跟投，说明现有股东在维持信号一致性，但没有任何一家以远超此前比例的方式加注。这种结构通常意味着两种可能：要么公司对资金需求有精确的阶段性规划，不需要一次性储备过多现金；要么外部投资人对中心模式的规模化效率仍有保留，选择用较小金额验证下一阶段假设。这是基于融资节奏的编辑分析，公司未公开其内部资金规划。

从资金用途的分布看，这笔钱同时覆盖物理扩张、技术投入、筛查推广和人员培训四条线。6500万卢比分摊到四个方向上，每条线的实际可支配金额都有限。这意味着公司必须在执行上做出优先级排序，而来源材料没有披露这种排序。一个合理的编辑推断是：如果Get SET Early的医院部署是真正的战略重点，那么中心网络扩张的速度可能需要让位于筛查工具的渠道建设；如果中心网络仍然是收入基本盘，那么技术投入和筛查推广更像是为下一轮融资准备的叙事升级。两种路径都说得通，但公司尚未公开其选择。

印度儿童行为健康市场的竞争不在“有没有服务”，而在“谁先占据转诊入口”

来源材料没有提供Butterfly Learnings的直接竞争对手信息。基于已披露的产品组合和资金用途，可以做出的编辑分析是：Butterfly Learnings同时押注了中心网络和筛查工具两条线。如果Get SET Early能在医院和儿科医生中建立起转诊关系，这些外部渠道理论上可以为自有中心导流，形成一个“筛查—转诊—治疗”的闭环。

但这里有一个关键的竞争假设：医院和儿科医生为什么要把筛查结果导向Butterfly Learnings的中心，而不是其他服务提供者？公司称其计划与医院建立合作，但合作的具体形式——是排他性转诊协议、收入分成，还是单纯的工具采购——来源材料未披露。如果只是工具采购，医院完全可以把阳性筛查结果导向任何一家服务商，Butterfly Learnings的筛查投入未必能转化为中心收入。这一分析的前提是公司确实将筛查工具作为外部渠道的入口，结论边界是：在合作形式未披露之前，筛查投入的商业转化路径无法确认。

投资逻辑建立在“早期筛查可改变长期成本曲线”的信念上，但验证路径尚未公开

Inflexor Ventures领投本轮，Enzia Ventures、Insitor Impact Asia Fund和IIMA Ventures跟投。Insitor Impact Asia Fund的参与尤其值得注意，这是一家以影响力投资为标签的基金，其投资逻辑通常包含可量化的社会回报指标。对于儿童行为健康领域，影响力叙事的核心是：早期筛查和干预能显著改善神经发育障碍儿童的长期功能结局，从而降低家庭和公共医疗系统的终身成本。这个逻辑在临床文献中有广泛支持，但在印度本土的支付环境和基础设施条件下，能否转化为可持续的商业回报，仍然是一个开放问题。

从投资方构成看，本轮没有出现大型综合基金或战略投资方。领投方Inflexor Ventures在印度创投生态中以早期科技投资为主，Enzia Ventures和IIMA Ventures是既有股东，Insitor Impact Asia Fund带有明确的影响力导向。这个组合说明，Butterfly Learnings目前吸引的是相信“早期干预”长期价值的耐心资本，而不是追求快速规模化的增长资本。这在一定程度上解释了为什么融资节奏是小额多轮，而不是一次性大额融资。这一判断基于投资方公开定位与融资节奏的对应关系，属于编辑分析。

但耐心资本也需要看到验证信号。对于Butterfly Learnings而言，最关键的验证信号不是中心数量，而是两个转化率：Get SET Early在外部医院和儿科医生渠道中的部署数量与筛查量，以及筛查阳性儿童向Butterfly Learnings中心或服务的实际转化率。这两个数据目前均未披露。如果筛查工具在外部渠道铺开但转化率低迷，公司可能只是为整个行业做了公共筛查基础设施，却无法捕获相应的商业价值。这是本轮投资逻辑中最脆弱的一环。

资金用途的四个方向里，治疗师培训可能是最不性感但最决定生死的一条

公司披露的资金用途包括扩展马哈拉施特拉邦以外的中心网络、强化技术和AI能力、推广Get SET Early筛查方案、扩大治疗师培训项目。在这四条线中，治疗师培训最容易在融资报道中被一笔带过，但它可能是决定中心模式能否规模化的硬约束。

如果Butterfly Learnings要在马哈拉施特拉邦以外开设新中心，它首先需要解决的不是场地和装修，而是能否在当地招募到合格治疗师，或者通过自有培训体系快速培养出达到临床标准的专业人员。Scoopearth的报道提到公司建立了专门的治疗师培训机构，以标准化临床流程，但培训规模、周期和通过率均未披露。

从已披露的“扩展中心网络”和“扩大治疗师培训项目”两个并列的资金用途看，公司至少在规划层面承认了人员供给是扩张的前置条件。但这里存在一个时间错配风险：培训治疗师需要数月甚至更长时间，而新中心的场地和人员成本从签约那一刻就开始产生。如果公司在培训产出之前就锁定新中心租约，利用率爬坡期会被进一步拉长。反之，如果公司等到治疗师培训完成后再开中心，扩张速度会显著慢于“22个城市90个中心”所暗示的节奏。来源材料没有提供公司在扩张节奏上的具体规划，因此这个时间错配问题的严重程度无法评估。

风险不在需求端，而在单位经济模型和筛查工具的独立验证

Butterfly Learnings面临的风险可以分成两层。第一层是中心模式的单位经济模型。每一个新中心都是固定成本的增量，而收入取决于利用率和客单价。公司没有披露其定价策略、支付方结构或单客户生命周期价值，因此单位经济模型的质量无法从外部验证。

第二层是Get SET Early的独立验证。CDSCO批准意味着该工具通过了印度监管机构的安全性和基本有效性审查，但这不等同于在大规模真实人群中的筛查性能验证。眼动追踪技术对设备和操作环境有一定要求，印度基层儿科诊室的硬件条件、光线环境和人员操作水平差异巨大。一个在标准化临床环境中表现良好的工具，在基层诊所的嘈杂和拥挤条件下能否保持稳定的敏感性和特异性，是一个需要独立数据回答的问题。公司称其计划通过医院和儿科医生推广该工具，但来源材料没有提供任何试点数据、假阳性率或转诊转化率。在缺乏这些数据的情况下，Get SET Early的规模化前景只能被视为一个待验证假设，而非已经成立的事实。

从已披露的90个中心和6500万卢比融资规模这两个事实出发，可以做出的编辑推断是：Butterfly Learnings正在试图用一笔中等规模的资金同时验证两个假设——中心网络能否跨出马哈拉施特拉邦复制，以及筛查工具能否在外部医疗渠道中建立转诊入口。这两个假设的验证周期不同，中心网络的利用率变化可以在几个季度内观察到，而筛查工具的渠道渗透和转诊转化需要更长时间。如果两个假设同时推进而资金分散，公司可能面临两个都验证不充分的风险。但公司尚未披露其优先级排序，因此这一推断的结论边界是：风险存在，但严重程度取决于未公开的执行策略。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：Butterfly Learnings这笔Pre-B轮的有趣之处，不在于它拿到了多少钱，而在于它试图用一笔小钱同时验证两个不同时间尺度的假设：中心网络能不能跨邦复制，以及一个CDSCO批准的眼动筛查工具能不能在印度基层儿科诊室里真正跑起来。前者的答案藏在每个中心的利用率数据里，后者的答案藏在筛查阳性到实际治疗的转化率里。两个数据目前都没有公开。在它们出现之前，90个中心和1岁筛查之间，隔着的不是技术距离，而是印度儿科基础设施的真实密度。