Latent Labs 的 5,000 萬美元賭注：前 DeepMind 科學家以 AI 讓生物學可程式化

打造可生成並優化蛋白質（酵素、抗體）的 AI 基礎模型，供生技與製藥合作夥伴使用，途徑包括直接取得模型存取權或專案合作。

以生物學資料訓練的生成式模型，可依需求設計治療性蛋白質，將藥物發現從耗時數年的濕實驗室反覆試驗，縮短為運算作業。

1,000 萬美元種子輪加上 4,000 萬美元 A 輪（2025 年 2 月），合計 5,000 萬美元

Simon Kohl 曾任 DeepMind AlphaFold2 團隊的資深研究科學家，共同領導蛋白質設計團隊，並在弗朗西斯·克里克研究所（Francis Crick Institute）建立 DeepMind 的濕實驗室。他於 2022 年底離開 DeepMind，2023 年中在倫敦註冊成立 Latent Labs，並聘請一支小型團隊，專注於蛋白質設計的生成式模型。

Latent Labs 在隱匿營運期間，向 Kindred Capital、8VC 與 Pillar VC 募得 1,000 萬美元種子輪，並在倫敦與舊金山招募約 15 名來自 DeepMind、Google 與 Microsoft 的人才。2025 年 2 月，該公司結束隱匿營運，公布由 Radical Ventures 與 Sofinnova Partners 共同領投的 4,000 萬美元 A 輪，天使投資人包括 Google 首席科學家 Jeff Dean、Cohere 創辦人 Aidan Gomez 與 ElevenLabs 創辦人 Mati Staniszewski。

該公司刻意不自行開發候選藥物；營收預計來自合作夥伴。截至 2025 年 2 月的公告，該公司正將這輪資金用於運算資源、在英國與美國招聘，以及建立服務合作夥伴的能力——目前尚無具名的製藥交易或產品。

AlphaFold 證明機器學習能大規模預測蛋白質結構，為生成式蛋白質設計開啟大門。

蛋白質設計是廣大且尚未收斂的空白領域，專注的團隊能跑贏同時進行多項業務的組織。

模型團隊旁設有濕實驗室，可提供真實世界回饋，讓預測經過驗證，而非盲目信任。

跳過自行開發藥物，可讓公司專注於單一目標：銷售模型及圍繞模型的合作關係。

當大型實驗室橫跨多個前沿領域，專注的衍生公司便能占據空白領域——而將前沿模型與小型濕實驗室搭配，可補上多數模型公司所欠缺的驗證迴路。

截至 2026 年 9 月，已公布的事實僅來自 2025 年 2 月的發布：Latent Labs 正將這 5,000 萬美元用於更大模型的運算資源、擴編倫敦與舊金山團隊，以及為合作夥伴專案建立商業能力。在已檢視的資料來源中，尚未揭露任何商業產品、具名的製藥合作夥伴或治療候選藥物。