血管内介入手术存在一个长期被低估的悖论：入路创伤越小，对操作者个人能力的依赖反而越高。开放手术用 20 至 30 厘米切口换取直视与双手操作空间；腹腔镜手术把通道压缩到 1 至 2 厘米，代价是医生必须重新建立手眼协调；而血管内介入把入口进一步缩小到 2 毫米针刺，医生彻底失去直接视野，只能依靠实时 X 光、术前影像和器械尖端传来的微弱触感，在迂曲血管中判断位置与前方结构。据 Unite.AI 转述 Mosaic 官网信息，血管内手术的入口仅为 2 毫米，而开放手术切口为 20 至 30 厘米、钥匙孔手术通道为 1 至 2 厘米。这意味着，最微创的路径把最大的认知负担压在了持械者身上。
这种认知负担很难被标准化。一名资深介入医生对导丝阻力的判断、对透视影像瞬间变化的解读、对血管分叉角度的预判，往往来自数千台手术积累的隐性经验。公司通稿称，解读这些信号需要多年实践，其中大量知识难以记录或传授。结果就是，同类手术的辐射暴露时长与临床结果随操作者经验显著分化。
2026 年 11 月 10 日，旧金山公司 Mosaic Intelligence Labs 宣布结束隐身模式，获得 4700万美元种子轮融资，试图从感知层重新设计血管内手术器械。公司通稿称，其方向是开发支持感知的空间智能与机器人基础设施，帮助医生从人体内部理解并安全导航血管系统。这不是又一台手术机器人的局部改进叙事，而是一个更激进的命题：让手术器械自己获得感知，并把每次操作转化为可累积学习的数据。
| 字段 | 内容 |
|---|---|
| 公司 | Mosaic Intelligence Labs |
| 轮次 | 种子轮 |
| 金额 | 4700万美元 |
| 投资方 | 8VC、Fundomo、Lingotto Innovation、Obvious Ventures |
| 总部 | 旧金山 |
| 创始人 | Ileana Pirozzi、Alison “Ali” Kight Mackanic |
| 官网 | 未披露 |
把“世界模型”塞进导丝尖端，首先要解决的是感知缺失
Mosaic 的技术起点不是算法，而是传感器布局。公司通稿称，其正在开发的技术把传感布置在器械与解剖结构接触的位置，结合计算从血管内部重建血管环境。平台设计目标是持续给出解剖结构与器械位置的三维图像，并配合机器人接口实现精准器械控制。
这与当前血管内介入的主流技术栈形成直接对比。现有系统依赖外部透视成像，器械本身基本是被动执行体：导丝和导管不感知自身弯曲状态，不感知与血管壁的接触力分布，也不生成关于腔内环境的连续模型。医生是唯一把透视图像、术前扫描和触感整合成空间认知的节点。Mosaic 首席技术官 Alison Mackanic 在公司通稿中称，现有器械“在感知与行动之间没有演化的闭环，因此在结构上被锁死在无法变得智能的状态”。
公司通稿把解决方案与机器人领域的“世界模型”概念关联起来。在机器人学中，世界模型是对环境的表征，帮助机器预测自身行动如何改变环境。Mosaic 的设想是同步记录环境、器械运动与医生操作，将其作为数据流，与物理模型结合，使机器能够把感知到的信息与移动产生的结果关联起来。联合创始人兼 CEO Ileana Pirozzi 在公司通稿中表示，团队反复追问的问题是“怎样才能推广最优秀外科医生的经验”，并认为起点是“让机器具备感知能力，把手术重复转化为我们可以学习的经验”。
从工程角度看，这个叙事把手术智能重新定义为学习问题，而非单纯的机电控制问题。但需要明确的是，公司通稿描述的是开发目标，不是已实现的产品能力。Unite.AI 在报道中同样指出，公告未提供任何患者结果或临床表现数据，所有能力仍处于开发阶段。把传感器放进血管内器械、在狭小空间中实时重建三维结构、再把感知与机器人控制闭环，这三件事的每一件在介入器械领域都有独立的技术难点；同时完成并形成可学习数据流，难度是叠加而非相加。
4700万美元种子轮，买的是一个尚未被验证的感知—行动闭环
4700万美元的种子轮在医疗器械领域并不常见，在手术机器人方向更接近早期 A 轮或成长期轮次的体量。投资方包括 8VC、Fundomo、Lingotto Innovation 和 Obvious Ventures。公司通稿未披露各机构投资比例、估值、资金到账时间，也未说明金额是否包含债务或其他形式。本轮融资的资本结构因此无法从公开来源确认。
这笔资金规模本身传递了一个信号：投资方押注的不是单一器械改进，而是一套需要同时推进硬件、传感、感知算法、机器学习与临床工程的完整系统。公司通稿称，Mosaic 正在旧金山招聘硬件工程、传感、感知、机器学习与临床工程等岗位。这种跨学科招聘结构对应的是从物理器械到软件栈再到临床验证的纵向整合，而不是围绕某个已定型产品做商业化放大。
从投资逻辑看，8VC 和 Obvious Ventures 的参与值得注意。8VC 长期关注基础设施型技术公司，偏好那些试图重构传统行业的系统级创业项目；Obvious Ventures 则通常围绕“世界正向”主题投资，医疗与可持续技术在其组合中反复出现。但来源材料未提供投资方对 Mosaic 的具体判断或交易条款，因此无法确认各家机构在本轮中的角色是领投、跟投还是共同投资。唯一可以确认的是，四家机构的名字出现在公司通稿的投资方名单中。
这笔钱要解决的问题，本质上是一个数据飞轮能否在手术室中成立。Mosaic 的假设是：如果器械能持续感知环境与自身运动，并把医生操作作为同步数据记录，那么每一次手术都会为系统积累可学习的经验。这个假设的验证路径很长。它要求感知数据足够稳定、物理模型足够准确、医生操作与器械响应的对应关系足够清晰，并且这些数据能够跨患者、跨术者、跨机构泛化。任何一环断裂，飞轮就不会转动。
“治疗超过 2000 万名患者”是团队履历，不是产品证据
公司通稿中有一句容易被误读的表述：加入 Mosaic 意味着与一群创造者共事，他们打造的 surgical systems 已用于治疗超过 2000 万名患者。这句话的主语是团队过往所建系统，不是 Mosaic 当前产品的临床数据。Unite.AI 的报道也明确指出，公告未提供患者结果或临床表现数据。把团队历史业绩与公司产品能力区分开，是理解这家公司的基本前提。
这个区分之所以重要，是因为医疗器械领域的信任建立高度依赖临床证据。一个尚未披露产品形态、监管路径和临床方案的公司，如果被外界把“团队曾参与治疗 2000 万患者的系统”误读为“Mosaic 系统已治疗 2000 万患者”，会产生严重的证据错位。Mosaic 的创始人 Ileana Pirozzi 与 Alison “Ali” Kight Mackanic 在斯坦福攻读博士期间相识，分别担任 CEO 与 CTO。公司通稿称，她们与临床医生的合作经历让她们看到，创伤更小的技术扩展了医学能力，但高难度手术的执行越来越依赖个体经验。这一观察构成了 Mosaic 的出发点。
但出发点不是验证。从公开信息看，Mosaic 尚未披露其器械是否进入动物实验、是否提交监管申请、是否与任何临床中心建立合作。公司通稿提到的“支持感知的手术器械、空间智能与手术系统”仍处于开发阶段。对于一家种子轮公司，这本身并不异常；异常的是把团队历史包装成产品进展的叙事惯性。Mosaic 目前没有这样做，但通稿中那句 2000 万患者的表述，已经足够接近这条边界。
血管是通道，但通道本身不构成商业模式
Mosaic 的长期叙事建立在血管系统的可达性上。公司通稿称，血管可通往几乎所有器官，导管可以携带药物、能量、生物制剂和其他疗法直达目标部位。更可靠的导航技术有望扩展经血管输送的治疗种类，以及临床医生能够提供这些治疗的场景。Unite.AI 转述 Mosaic 官网信息，列出中风治疗、冠状动脉阻塞清除、动脉瘤修复和恢复肢体血流等应用。
这个叙事的问题在于，它描述的是血管内介入作为技术平台的潜力，而不是 Mosaic 作为公司的商业化路径。血管内介入确实是一个庞大且仍在增长的市场，涵盖神经介入、冠脉介入、外周介入、结构性心脏病和肿瘤介入等多个细分领域。但每个细分领域都有不同的器械形态、临床终点、监管要求和竞争格局。一家公司不可能同时为所有这些场景提供产品。
Mosaic 目前唯一明确的初始聚焦是血管内介入手术。公司通稿没有披露首个适应症、目标术式、产品形态是独立器械还是与现有导管系统配合的模块，也没有披露定价模式或客户类型。来源材料中商业模式一栏为空。这意味着，Mosaic 的市场机会目前只能从技术平台的通用性去理解，而无法从具体产品的单位经济模型去评估。
更现实的约束来自采购方。血管内介入器械的采购决策由医院介入科、导管室和采购部门共同完成，涉及临床评价、收费编码、医保覆盖和供应商准入。即使 Mosaic 的技术能够提供更稳定的导航和更低辐射暴露，它仍然需要证明这些优势能够转化为术者效率、并发症率或辐射剂量的可量化改善，并进入医院现有采购体系。这条路径的时间跨度和资金消耗，远超技术验证本身。
与直觉相反，最直接的对手可能是医生自己的经验
Mosaic 的竞争对象并不只是其他手术机器人公司。从公司通稿的表述看，它要替代或增强的是医生在血管内环境中建立空间认知的方式。这个方式的现有“供应商”是实时 X 光、术前 CT/MR 影像、导丝触感反馈，以及医生多年训练形成的隐性判断。这些都不是单一公司，而是一整套已经嵌入临床工作流的基础设施。
在这个意义上，Mosaic 的替代方案面临的是一个经典的“足够好”问题。现有血管内介入虽然辐射暴露高、结果依赖术者经验，但在大量常规手术中已经足够有效。要让医院和医生改变工作流，Mosaic 需要证明其感知与机器人接口带来的增量价值，能够覆盖学习成本、设备成本和手术时间变化。这不是与另一家创业公司争夺市场份额，而是与一个成熟且被广泛接受的临床范式竞争。
来源材料未提供 Mosaic 的直接竞品名单。但从技术路线看，血管内机器人领域已有 Corindus（后被西门子医疗收购）等公司尝试用机器人辅助导管操作，主要解决的是辐射暴露和操作精度问题。Mosaic 的差异点在于强调器械自身的感知能力和数据学习闭环，而非单纯的远程操控或机械辅助。这个差异是否构成临床优势，目前没有任何公开数据可以支持。
资金用途清晰，但验证路径仍然模糊
公司通稿称，本轮资金用于开发面向外科手术的空间智能技术，并正在旧金山招聘硬件工程、传感、感知、机器学习与临床工程等岗位。从招聘方向可以推断，Mosaic 的短期重点是把技术栈从概念推进到可工作的原型系统，而不是立即启动大规模临床试验或商业化。
但资金用途的清晰不等于验证路径的清晰。Mosaic 需要回答的关键问题包括：感知器械的传感器在血管内环境中的可靠性和安全性如何验证？三维重建的实时性在临床场景中能否满足术者需求？机器人接口与现有导管、导丝系统的兼容性如何解决？这些问题的答案需要动物实验、台架测试和早期人体数据来支撑，而公司通稿未披露任何相关计划或时间表。
另一个待验证假设是数据飞轮的可行性。Mosaic 的长期价值建立在“手术经验可累积学习”的前提上。但这个前提要求公司能够跨机构获取高质量、标准化的手术数据，同时处理患者隐私、数据所有权和监管合规问题。在美国，手术数据的跨机构共享涉及 HIPAA 合规、机构审查委员会批准和商业协议谈判。即使技术上能够记录同步数据流，能否合法、持续地获取并利用这些数据，是另一个维度的挑战。
风险不在技术叙事，而在证据与时间的不匹配
Mosaic 的风险清单可以从三个层面理解。第一层是技术风险：感知器械、血管内三维重建和机器人控制闭环，每一项都需要独立验证，组合验证的难度更高。第二层是临床风险：公告未提供患者结果或临床表现数据，所述能力仍为开发目标；监管审批、商业化路径与定价模式均未披露。第三层是叙事风险：公司通稿中“团队所建系统治疗超过 2000 万名患者”的表述，容易被外界误读为本公司产品业绩，而实际上指的是团队过往经历。
这三层风险共同指向一个核心问题：Mosaic 的融资叙事建立在空间智能与手术数据飞轮的长远愿景上，但公司目前披露的证据只能支撑“团队有能力、方向有潜力”这一较弱结论。从已披露的招聘方向和技术描述看，Mosaic 正在搭建一个跨硬件、感知、机器学习与临床工程的团队，这与其系统级目标一致；但产品形态、首个适应症、临床验证计划和监管路径均未披露，因此无法判断这家公司距离可验证的临床里程碑还有多远。
对于一家种子轮公司，要求其披露完整临床证据并不现实。但 Mosaic 选择以 4700万美元种子轮和“让手术机器变得智能”的宏大叙事进入公众视野，意味着它需要比普通早期公司更早地面对证据问题。投资方愿意在这个阶段投入如此规模的资金，说明他们接受较长的验证周期和较高的技术不确定性。真正的考验在于，Mosaic 能否在资金耗尽之前，把“世界模型”从机器人学概念转化为导管室里的可重复、可量化、可监管的临床能力。
RecodeX 极客视：Mosaic 的真正赌注不是某一种手术机器人，而是把手术从依赖个人经验的技艺，变成机器可感知、可记录、可累积的数据问题。这个方向足够大，也足够慢。4700万美元种子轮买下的不是市场份额，而是一个尚未被证明的感知—行动闭环。在血管内介入这个由辐射、触感和隐性经验统治的领域，最难的从来不是做出更灵巧的器械，而是证明机器自己看见的东西，真的比医生手里的导丝更可靠。
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。