显微镜的“百年取舍”：看清一片细胞，还是看全整块培养板？
在药物发现和生物医学研究里，显微镜一直面临一个绕不开的物理约束：想要看得更细，就不得不牺牲视野；想要覆盖更大面积，分辨率就会下降。传统光学显微镜的成像视场与数值孔径之间存在硬性制约，研究者要么用高倍物镜逐孔扫描一块 96 孔板，要么接受低分辨率的大视野图像。前者耗时漫长，后者丢失细节。对于需要跨大量样本、长时间追踪活细胞动态的制药团队来说，这个取舍直接转化为实验通量、数据一致性和人力成本。
Ramona Optics 试图用计算光学的方式绕过这条百年约束。这家总部位于美国北卡罗来纳州达勒姆的公司，开发了多相机阵列显微成像（MCAM）技术，将多个成像传感器、计算光学与人工智能结合，在紧凑仪器内同时捕获大面积高分辨率生物图像。2026 年 9 月，公司宣布完成 2500 万美元 A 轮融资，由 ARCH Venture Partners 领投。据公司披露，该轮为超额认购。
这笔融资的规模在生命科学工具领域并不算惊人，但领投方 ARCH Venture Partners 的背景让这笔交易有了更多信号意义。ARCH 是一家在早期生物技术领域活跃约四十年的投资机构，其 Venture Partner Patrick Weiss 已担任 Ramona 董事会主席。投资方名单中还包括 Hamamatsu Ventures——一家由光电探测与成像设备制造商滨松光子旗下投资部门参与的机构。产业资本与生命科学风险投资的组合，暗示了 Ramona 的技术路线可能同时触及仪器硬件与生物制药数据两个市场。
| 字段 | 内容 |
|---|---|
| 公司 | Ramona Optics, Inc. |
| 轮次 | A 轮 |
| 金额 | 2500 万美元 |
| 投资方 | ARCH Venture Partners（领投）、Stealthpoint Ventures、ND Capital、Fall Line Capital、Hamamatsu Ventures、Murchison Capital Partners、Overlap Holdings |
| 总部 | 美国北卡罗来纳州达勒姆 |
| 创始人 | Gregor Horstmeyer（CEO）、Mark Harfouche（联合创始人、CTO）、Roarke Horstmeyer（科学总监） |
| 官网 | https://www.ramonaoptics.com |
从杜克实验室到商业仪器：MCAM 如何把“并行”变成产品
Ramona 的技术源头可以追溯到杜克大学和加州理工学院的研究。据 fundedstartupsdaily 报道，联合创始人兼 CTO Mark Harfouche 从这两所机构的研究中共同创立了公司，其核心方向是“完全跳过人眼”的高通量生物分析成像硬件。科学总监 Roarke Horstmeyer 同时担任杜克大学生物医学工程副教授，这一学术身份为公司的技术叙事提供了研究背景，但公司并未披露其技术从实验室专利到商业产品的具体转化时间线。
公司已推出两款商业系统：Vireo 面向细胞模型，Kestrel 面向小型模式生物。据公司披露，两套系统均内置 AI 驱动的分析功能，目标用户为制药研究、生物医学实验室及其他需要跨大量样本观察生物过程的科研环境。MCAM 的核心逻辑是：与其让一个高倍物镜在样本上方反复移动，不如用多个成像传感器同时覆盖不同区域，再通过计算重建把碎片拼合成完整的高分辨率图像。这种“并行采集 + 计算重建”的路径，在理论上的确可以突破传统显微镜的视场-分辨率权衡。
但需要区分公司口径与独立验证。据 ainvest 报道，Ramona 的 MCAM 系统宣称可替代 24 台传统设备，并在 30 秒内完成 96 孔板成像，系统单价约 10 万至 30 万美元。这些数据仅来自 ainvest 单一来源，未经其他独立渠道证实。Pulse 2.0 的融资报道、BioSpace 的新闻稿以及 Axios 的地方商业报道均未提及这些具体性能指标或价格区间。因此，这些数字应被视为公司或单一媒体渠道的表述，而非经过第三方验证的行业基准。
“为计算而造”的显微镜：AI 是卖点，还是数据管道的必然延伸？
Ramona CEO Gregor Horstmeyer 在融资声明中提出了一个明确的范式判断：“几个世纪以来，显微镜是为人类眼睛设计的。我们的 MCAM 技术是为计算而造——因为看见不等于可量化。”这句话的实质是：传统显微镜产生的是供人观察的图像，而 Ramona 试图直接产出可供统计分析和 AI 模型训练的结构化数据。Horstmeyer 进一步指出，推进候选药物和做出准确诊断需要“统计上有意义的数据：许多次测量，而不仅仅是一次”。
这一判断与制药行业当前对 AI 模型数据需求的痛点相吻合。AI 驱动的药物发现和细胞分析模型需要大规模、一致性的成像数据，而传统显微镜在通量和标准化上的局限，使得数据生成“太慢或成本太高”。ARCH 的 Patrick Weiss 在声明中也强调了这一点，称 Ramona 的“大规模并行成像和实时分析”能够生成构建生物 AI 模型所需的规模和一致性数据。这是投资方对公司技术路线的公开背书，而非独立市场分析。
从已披露的产品架构看，AI 内置于 Vireo 和 Kestrel 的分析流程中，而非作为独立软件销售。这意味着 Ramona 的商业模式更接近“硬件 + 软件”的一体化仪器销售，而非纯软件订阅。据 ainvest 报道的系统单价 10 万至 30 万美元区间，如果准确，则 Ramona 的产品定位处于高端科研仪器市场，与共聚焦显微镜、高内涵筛选系统等既有品类形成价格重叠。但这一价格区间未获其他来源证实，公司也未公开披露定价策略。
竞争格局：Ramona 面对的不是“没有对手”，而是替代方案的生态惯性
Ramona 的融资材料中没有列出具体竞争对手，但计算显微成像并非空白领域。在高端生物成像市场，传统共聚焦显微镜、转盘共聚焦系统、光片显微镜以及高内涵筛选平台已经建立了深厚的用户基础和标准化工作流。制药公司的实验室一旦建立了基于某类仪器的实验流程和数据分析管线，迁移成本极高。Ramona 的挑战不仅是证明 MCAM 在技术指标上优于传统方案，还要说服客户改变已经验证过的工作流程。
从产业链角度看，Hamamatsu Ventures 的参投值得关注。滨松光子是全球主要的光电探测器和成像传感器供应商之一，其投资部门参与 Ramona 的 A 轮，可能意味着 Ramona 在关键元器件供应链上获得了产业方的认可或协同。但这一推断仅基于投资方名单的构成，公司未披露与滨松光子之间是否存在供应协议或联合开发安排。
另一个竞争维度来自“替代方案”而非“同类产品”。对于需要高通量细胞成像的制药客户，市场上已有多种高内涵筛选系统，它们同样提供自动化成像和数据分析功能。Ramona 的差异化叙事在于“并行采集”带来的速度和数据一致性，但这一优势需要在实际客户场景中被量化验证。目前公司仅表示系统“已被学术界和工业界客户采用”，未披露具体客户名称、装机数量或复购率。
2500 万美元能买到什么：商业扩张与待验证的规模化能力
根据公司披露，本轮资金将用于扩大商业运营与商业足迹、推进专有显微成像技术、开发可在其显微平台上运行的额外检测方法，以及提高在学术与制药客户中的采用率。据 seriesa.tech 报道，资金还将支持全球扩张，尤其是扩大销售与工程团队。联合创始人 Mark Harfouche 对 Axios 表示，这笔资金将让“一支约 25 人的精干团队”得以成长，并满足全球对 Ramona 显微镜和软件的需求。
25 人团队对应 2500 万美元 A 轮，人均融资额约 100 万美元。在生命科学工具领域，这一比例并不异常，但关键在于团队扩张的速度与销售转化之间的节奏。Ramona 需要同时扩大工程团队以支持产品迭代、扩大销售团队以覆盖学术和制药客户，还要开发新的检测方法以提升单台仪器的价值密度。这三条线同时推进，对一家 25 人规模的公司来说，管理复杂度不容低估。
公司技术组合拥有 29 项专利，跨学科团队包含 12 位博士，覆盖计算成像、机器学习、计算机架构、癌症生物学和神经科学。这一团队构成说明 Ramona 在技术研发端的密度较高，但商业端的经验未在公开材料中体现。公司未披露此前是否有过融资历史，也未披露成立年份，这使得外界难以判断其从创立到 A 轮的周期长度和资金效率。
投资逻辑：ARCH 在押注“数据基础设施”，而非另一台显微镜
ARCH Venture Partners 的投资逻辑可以从 Patrick Weiss 的声明中读出两层含义。第一层是对技术路线的认可：Ramona 开发了“一类全新的显微成像技术”，并将其转化为“已被学术界和工业界客户采用”的商业系统。第二层是对数据价值的判断：大规模并行成像与实时分析产生的数据规模和一致性，是构建生物 AI 模型所必需的基础设施。换言之，ARCH 的赌注可能不在于 Ramona 能否卖出更多显微镜，而在于它能否成为 AI 驱动药物发现的数据入口。
这一逻辑与近年来生命科学工具领域的投资趋势一致：资本不再仅仅为仪器硬件买单，而是为“仪器 + 数据 + AI 分析”的闭环能力买单。Ramona 的系统内置 AI 分析功能，意味着每台仪器都在产生可用于模型训练的结构化数据。如果其客户网络足够广泛，Ramona 理论上可以积累一个跨实验室、跨实验类型的生物成像数据集。但这一“数据飞轮”的前提是装机量达到临界规模，而公司目前未披露任何装机数据。
从资本结构看，本轮投资方组合中既有生命科学风险资本（ARCH、ND Capital），也有产业资本（Hamamatsu Ventures）和跨界资本（Fall Line Capital 以农业科技投资见长）。Fall Line Capital 的参与略显意外，可能与其对农业生物技术或自动化表型分析的兴趣有关，但公司未披露该投资方的具体投资逻辑。这种多元化的投资方组合，在早期生命科学工具公司中并不常见，可能反映了 Ramona 的技术平台在不同应用场景中的延展性，也可能只是财务投资者的组合配置。
风险与待验证假设：性能数据、客户验证与商业模式的边界
Ramona 的融资叙事建立在几个关键假设之上，而这些假设目前缺乏足够的公开证据支撑。第一个假设是 MCAM 的性能优势可以在真实客户场景中转化为可量化的效率提升。据 ainvest 报道的“替代 24 台传统设备”“30 秒成像 96 孔板”等数据，如果准确，确实具有颠覆性；但这些数据仅来自单一来源，且公司未在官方融资声明中重复这些具体指标。在生命科学工具市场，实验室的实际使用条件往往比厂商演示条件复杂得多，样本制备、荧光标记、光毒性和数据存储等因素都可能影响实际通量。
第二个假设是客户愿意为“并行成像 + AI 分析”的一体化方案支付溢价。10 万至 30 万美元的单价区间（未经证实）意味着 Ramona 的产品定价与成熟的高端显微镜系统相当，但品牌认知度和售后服务网络远不及蔡司、徕卡、尼康等老牌厂商。学术客户可能受预算限制，制药客户则更看重合规性、可重复性和技术支持。Ramona 需要证明其系统不仅能成像，还能融入客户的合规工作流。
第三个假设是“数据飞轮”能够形成。AI 模型的训练需要大量标注数据，而 Ramona 的客户是否愿意共享或贡献数据，是一个未披露的商业条款问题。如果数据归属权和使用权不清晰，Ramona 的“数据基础设施”叙事可能停留在投资故事层面。公司未披露其与客户之间的数据协议，也未说明 AI 分析功能是否依赖云端数据回流。
此外，公司成立年份、此前融资历史、具体客户名称和装机数量均未披露。这些信息缺口使得外界难以评估其从技术验证到商业化的实际进度。Axios 报道的“约 25 名员工”规模，对于一家已推出两款商业系统并声称拥有学术和工业客户的公司来说，意味着其商业团队可能仍处于早期搭建阶段。
从“看见”到“量化”：Ramona 的验证路径与行业窗口
Ramona 的融资故事本质上是一个关于“显微镜从观察工具转向数据生产工具”的行业判断。这个判断并非 Ramona 独有：计算显微成像、高内涵筛选和 AI 驱动的图像分析正在融合，形成一个以数据通量和一致性为核心竞争力的新品类。Ramona 的 MCAM 技术路线在原理上为这一趋势提供了一种硬件层面的解决方案，但从原理到商业验证之间，还有一段需要公开数据来填充的距离。
从已披露的信息看，Ramona 的验证路径应该包括几个关键节点：公布具体客户名称和装机数量、提供独立第三方对 MCAM 性能指标的评估、展示系统在真实制药研发流程中的通量数据、以及明确数据使用和 AI 模型训练的商业模式。这些节点中，公司目前仅完成了产品发布和 A 轮融资，其余均未公开。ARCH 的背书和 Hamamatsu Ventures 的参与提供了信号，但信号不等于验证。
对于生命科学工具行业的观察者来说，Ramona 值得关注的不是它是否“颠覆”了蔡司或徕卡，而是它能否在“计算成像 + AI 分析”这个交叉点上建立一个可持续的商业闭环。2500 万美元的 A 轮给了它一个窗口期，但窗口期的长度取决于它能否在资金耗尽前证明：并行成像的速度优势可以转化为客户愿意付费的差异化价值，而不仅仅是融资声明中的技术叙事。
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：Ramona Optics 的融资故事最有趣的地方，不是它又造了一台显微镜，而是它试图把显微镜从“给人看的仪器”重新定义为“给算法喂数据的管道”。这个转变如果成立，竞争维度将从光学指标转向数据通量和一致性——但前提是，它得先证明那些并行成像的性能数字在真实实验室里站得住脚，并且有客户愿意为“看见之外的可量化”买单。否则，这轮 2500 万美元买到的，可能只是一张进入计算显微成像牌桌的门票，而不是一个已经被验证的新品类。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。