手术室里最昂贵的设备往往也是最沉默的。一台神经外科手术产生的视频、导航遥测与影像数据以每秒数十帧的速度流过屏幕，但其中绝大多数在手术结束的瞬间就消失了。外科医生的判断仍主要依赖裸眼、经验和术前影像，而实时视频本身几乎没有被转化为可执行的术中信息。这个断层并不缺硬件：4K 3D 外视镜、神经导航、术中 CT 与 MRI 已经进入许多高等级手术室。缺的是一层能够跨设备读取、理解并在关键时刻反馈的软件。
XRlabs 试图补上的正是这一层。2026 年 10 月 19 日，这家总部位于伦敦、在帕洛阿尔托设有办公室的公司宣布完成 840 万美元种子轮融资，由 Playground Global 领投，Eka Ventures 参投。公司通稿称，这笔资金将用于加速其“与设备无关”的手术智能平台开发与临床部署。该平台以外部 AI 层的方式运行在现有手术系统之上，目标是让医院无需更换设备，就能把实时手术视频转化为术中智能。
与其说这是一家新的手术机器人公司，不如说它押注的是手术室里的“Android 时刻”：不重新发明成像设备，而是让已经存在的奥林巴斯 ORBEYE、导航系统和影像归档系统通过一层软件协同工作。这个定位在商业上更轻，但在临床验证和监管上并不更简单。
| 字段 | 内容 |
|---|---|
| 公司 | XRlabs |
| 轮次 | 种子轮 |
| 金额 | 840 万美元 |
| 投资方 | Playground Global（领投）、Eka Ventures（参投） |
| 总部 | 伦敦（并在美国加州帕洛阿尔托设有办公室） |
| 创始人 | Dr. Ali Haddad（执业神经外科医生，创始人兼 CEO） |
| 官网 | https://xrlabs.ai |
用“外部 AI 层”绕开设备替换，但绕不开临床验证
XRlabs 的产品逻辑建立在一条明确约束之上：医院不会因为一家初创公司的算法而更换数百万美元的手术设备。因此，公司通稿称其平台采用模块化、与设备无关的软件架构，运行在现有手术系统之上，利用计算机视觉与深度学习处理实时手术视频。公司称，平台已经在 4K 3D 手术镜上运行，并能与导航系统对接，把实时视频、导航遥测和术前 CT、MRI 影像融合为单一解剖感知视图。
这一描述在工程上意味着 XRlabs 必须解决异构设备的数据接入问题。不同厂商的导航系统、外视镜和影像归档系统使用不同的接口与数据格式，实时融合视频流与术前影像还涉及配准精度和延迟控制。公司通稿称其使用 NVIDIA Jetson Thor 与 NVIDIA Isaac for Healthcare 来支持低延迟感知、器械追踪与意图感知自动化，并获得了英国 AI Research Resource（AIRR）的算力配额。但这些技术组件只能说明其计算底座，不能直接证明其在真实手术流程中的稳定性。
更关键的边界在于产品状态。据 MobiHealthNews 报道，XRlabs 的核心产品 SurgicalOS 仍在开发中、尚未商业化，其活体手术评估均在研究治理框架下进行。这意味着目前所有“超过 100 例手术”的经验，都发生在受控研究条件下，而非作为已获批医疗器械在常规临床路径中使用。公司通稿也承认，本轮资金的一部分将用于推进英国、欧洲和美国的监管路径。换句话说，XRlabs 今天拿到的是一张进入监管长跑的入场券，而不是商业化许可。
“超过 100 例手术”是早期信号，不是有效性证据
公司通稿称，其平台已在三大洲超过 100 例手术中使用。这个数字在种子轮阶段并不算小，但它需要被放在正确的口径下理解。首先，公司未披露这 100 余例手术的术式分布、机构数量、成功标准或不良事件。其次，据 MobiHealthNews 报道，这些活体手术评估是在研究治理框架下进行的，手术团队仍使用标准系统做临床决策。也就是说，AI 系统在这些案例中的角色更接近观察者或辅助信息源，而非被依赖的决策工具。
公司披露的两个标志性案例进一步说明了这一点。2026 年 3 月，XRlabs 在纽约 Lenox Hill Hospital 的一次神经外科手术中，将其 AI 系统与 ORBEYE 4K 3D 外视镜配合使用，系统运行于 NVIDIA Jetson Thor。公司称该系统处理了实时手术视频，并支持器械追踪以及注视和语音响应式自动化。另一个案例是与英国慈善机构 Gemini Untwined 合作，参与 AI 设计的患者定制植入物用于颅部连体双胞胎分离手术，BBC News 曾对此进行报道。公司通稿将后者称为“世界首例”，将前者称为“颅脑神经外科物理 AI 的首次人体使用”。
这些案例的共同点是：它们都是单点、高关注度的示范性手术，而非多中心、可重复的临床证据。一次连体双胞胎分离手术的植入物设计，与证明一个软件平台能在日常神经外科流程中持续改善决策，是两种完全不同量级的验证。公司通稿中的“首次”“世界首例”等表述均来自公司单方声明，本次来源材料未提供独立第三方核验。MobiHealthNews 的报道确认了 Lenox Hill Hospital 案例的存在，但没有提供临床结果数据。
手术室 AI 的竞争不在算法，而在设备生态与采购路径
XRlabs 并不是唯一看到手术数据价值的公司。据 MobiHealthNews 报道，强生 MedTech 于 2025 年 6 月联合 NVIDIA、AWS 等推出 Polyphonic AI Fund for Surgery，支持手术应用的 AI 模型、治理与数据管理。HealthpointCapital 则于 2025 年 6 月收购了 ImmersiveTouch 的多数股权，后者提供扩展现实手术规划工具，其 ImmersiveView 平台可将 CT 或 MRI 图像转换为 3D 虚拟和增强现实模型，并允许通过 AR 眼镜在手术室中查看手术计划。
这三条路径代表了手术 AI 的三种切入方式。强生 MedTech 走的是生态基金路线，用资本和平台资源吸引开发者进入其手术设备生态；ImmersiveTouch 走的是术前规划与术中 AR 可视化路线，更接近传统手术导航的延伸；XRlabs 则试图做一个横跨设备的实时 AI 层，强调不绑定单一硬件厂商。从采购逻辑看，XRlabs 的定位对医院更友好，但也意味着它必须同时面对来自设备厂商自有软件和独立软件厂商的双重竞争。
一个尚未被回答的问题是：如果 XRlabs 的软件确实能提升手术效率或安全性，设备厂商为什么不在自己的平台上内置类似功能？奥林巴斯、史赛克、美敦力等公司都拥有庞大的手术影像与导航产品线，也有能力开发或收购实时 AI 能力。XRlabs 的“设备无关”策略在早期可以避开硬件竞争，但长期看，它需要在设备厂商的封闭生态之外建立足够强的临床证据和用户粘性，才能避免被边缘化。
Playground Global 投的是“亲历问题的人”，但 840 万美元只够走到下一道门前
Playground Global 普通合伙人 Bruce Leak 在通稿中解释了投资逻辑：“最好的物理 AI 公司来自那些亲身经历过某个领域问题、并拥有深厚专业知识知道如何解决的人。XRlabs 建立在 Dr. Haddad 多年执业神经外科医生的经验之上，并配备了一支熟练的工程师团队。这正是我们寻找的组合：一个亲历问题的人，加上能够构建解决方案的人。”
这段表述是典型的早期投资叙事：创始人的临床背景被用来降低产品与真实需求脱节的风险。Dr. Ali Haddad 作为执业神经外科医生，确实比纯技术团队更理解手术室的工作流、无菌约束和医生的信息需求。但临床背景并不自动转化为产品能力。XRlabs 需要证明的是，它能把一个外科医生对“手术中信息断层”的直觉，转化为一个可重复部署、可监管审批、可被医院采购的软件产品。
840 万美元的种子轮规模，在医疗 AI 领域并不宽裕。公司通稿称资金将用于扩大工程与临床团队、推进英国/欧洲/美国监管路径、扩大合作机构的临床证据基础。这三个方向同时推进，意味着资源会被分散。尤其是监管路径，美国 FDA 对术中实时 AI 软件的审批可能涉及 De Novo 或 510(k) 路径，取决于其预期用途和风险分类；欧盟 MDR 和英国 UKCA 路径则各有独立的临床评价要求。公司未披露其目标适应症、预期用途声明或监管策略细节，因此无法判断 840 万美元能在多大程度上覆盖这些成本。
Omar Ishrak 的加入是信号，也是待兑现的承诺
与融资同时宣布的另一项人事变动是，Omar Ishrak 加入 XRlabs 担任董事会主席。Ishrak 在 2011 至 2020 年任美敦力董事长兼 CEO，曾主持英特尔董事会，目前是安进与克利夫兰诊所董事会成员。他在通稿中表示：“手术室是医学中最丰富、最未被充分利用的数据来源之一，将这些数据转化为实时手术智能的机会巨大。我职业生涯一直在把新技术引入医院，我在 Ali 和 XRlabs 团队身上看到了同样的潜力。”
Ishrak 的加入为 XRlabs 带来了两个层面的价值：一是大型医疗器械企业的治理与监管经验，二是医院采购决策层的人脉与信誉。但这仍然是一个待兑现的承诺。董事会主席的角色不同于全职高管，Ishrak 能在多大程度上参与 XRlabs 的商业化策略、监管沟通和客户引入，公司通稿未披露。从编辑推断看，这一任命更可能服务于下一轮融资叙事和医院客户的信任建立，而非直接推动产品落地。
资金用途清晰，但商业化路径仍是一张未填的表格
XRlabs 的资金用途在通稿中写得相当具体：扩大工程与临床团队、推进英国/欧洲/美国监管路径、扩大合作机构间的临床证据基础。这三项都是种子轮公司的标准动作，但每一项背后都隐藏着未披露的关键变量。
工程团队扩张意味着公司需要同时维护手术视频处理、影像融合、导航对接和边缘计算等多个技术栈。临床团队扩张则意味着它需要与更多医院建立研究合作，而这在神经外科领域通常周期长、伦理审批复杂。监管路径方面，公司未披露其产品将首先在哪个市场提交审批，也未说明其预期用途是辅助可视化、决策支持还是更高风险等级的术中引导。临床证据基础方面，公司通稿称其已在三大洲开展合作，但未披露合作机构名称、研究设计或终点指标。
更根本的问题是商业模式。公司强调其软件无需更换医院现有设备，但未披露具体收费方式。是按手术收费、按年订阅、还是按设备接入数量收费？医院采购这类软件时，预算来自设备科、信息科还是外科科室？这些问题在种子轮阶段可以暂时不回答，但它们决定了 XRlabs 未来的收入结构和销售周期。来源未披露任何具名客户或付费合同，因此目前无法判断其商业牵引力的真实状态。
待验证的假设：实时 AI 层能否在监管与采购之间找到生存空间
XRlabs 的核心假设可以拆成三层。第一层是技术假设：计算机视觉和深度学习能够在真实手术条件下稳定地理解视频流，并与导航遥测、术前影像实时融合。第二层是临床假设：这种实时智能能够改善手术团队的可视化、态势感知或工作流，并最终影响患者结局。第三层是商业假设：医院愿意为一种不替换设备、但需要接入多种系统的软件层付费。
从已披露的信息看，第一层假设有部分技术支撑——NVIDIA Jetson Thor 的部署、AIRR 算力配额、以及 Lenox Hill Hospital 的案例都表明其系统能在研究条件下运行。但第二层假设几乎还没有证据。公司通稿中的 100 余例手术未报告任何临床终点或与标准流程的对照结果。第三层假设则完全未被验证，因为产品尚未商业化。
一个更隐蔽的风险在于数据闭环。XRlabs 的软件需要接入医院的手术视频和患者影像，这涉及数据隐私、网络安全和医院信息系统的集成审批。在英国和欧盟，GDPR 对医疗数据的处理有严格要求；在美国，HIPAA 和 FDA 对医疗器械软件的网络安全管理框架也在收紧。公司通稿未提及其在数据合规和网络安全方面的准备，这可能是比算法精度更早出现的商业化障碍。
从编辑推断看，XRlabs 最可能的路径是先在研究合作中积累更多术式和机构的案例，同时选择一个监管负担相对较低的预期用途切入——例如术中可视化增强或手术记录分析，而非直接声称能够指导临床决策。这样可以在不触发最高等级监管要求的情况下，先建立医院客户的信任和使用习惯。但这条路径的代价是，它可能被定位为“锦上添花”的辅助工具，难以获得足够的支付意愿来支撑一家独立软件公司的长期增长。
XRlabs 的 840 万美元种子轮，本质上是在为这个待验证的假设购买时间。它买不到监管批准，也买不到临床证据，但可以买到一支能同时推进技术、临床和监管三条线的团队。真正的分水岭将在下一轮融资到来之前出现：公司能否把“研究条件下的示范案例”转化为“可重复的临床证据”，并找到一个医院愿意付费的具体场景。在那之前，手术室 AI 层的价值仍然是一个开放问题。
RecodeX 极客视：XRlabs 的融资故事并不复杂，复杂的是它选择的位置——夹在设备厂商的封闭生态、监管机构的证据要求和医院采购的预算现实之间。840 万美元买到的不是答案，而是把“手术室需要一层 AI 软件”这个直觉变成可验证命题的机会。真正值得跟踪的，不是它下一次宣布多少例手术，而是它第一次披露研究终点、监管路径和付费客户的那一天。
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。