Vivodyne 押注：AI 藥物發現的瓶頸在於缺乏人體組織資料，而非模型不夠好

Vivodyne 營運自動化的「HIVE」機器人實驗室，培養人體器官組織、對其施予候選藥物，並向製藥公司販售預測性檢測與訓練資料。

AI 藥物發現的瓶頸在於因果性的人類生物學資料，而非模型；能大規模對 20 種人體組織類型施藥的機器人實驗室將產出這類資料，並預測臨床試驗結果。

兩輪募資合計略低於 8,000 萬美元，皆由 Khosla Ventures 領投（第一輪：2023 年 3,800 萬美元種子輪）

2021 年由生物工程師 Andrei Georgescu 與 Dan Huh 從賓州大學（University of Pennsylvania）衍生創立。Georgescu 的診斷是：以靜態細胞快照或小鼠資料訓練的 AI 模型學到的是狀態，而非成因——「它們只會在小鼠身上治癒癌症。」

2023 年以 Khosla 領投的 3,800 萬美元種子輪啟動，一次可分析逾 1 萬個組織。截至 2026 年 8 月，該公司已募得略低於 8,000 萬美元，並在舊金山郊區啟用其所稱全球最大的「人類資料中心」，聲稱吞吐量是美國所有動物試驗的兩倍。

臨床失敗代價高昂：試驗動輒耗費數千萬美元，因此即使臨床前預測只有小幅改善，也值得付費。

動物與單細胞資料是人人皆有的；大規模的因果性人體組織資料則是無人擁有的。

擁有機器人實驗室，能讓資料優勢持續累積，且難以用軟體複製。

當所有競爭者都用相同資料訓練時，護城河在於產出別人沒有的資料——要擁有儀器，而非模型。

截至 2026 年 8 月，Vivodyne 正擴建其位於舊金山地區的「人類資料中心」，服務未具名的大型製藥合作夥伴，並將其實驗資料流定位為未來生物學模型的強化學習資料。該公司已募得略低於 8,000 萬美元，全數由 Khosla 領投。