Vivodyne押注：AI药物发现的瓶颈在于缺乏人体组织数据，而非模型不够好

Vivodyne运营名为“HIVE”的自动化机器人实验室，培养人体器官组织，对其施用候选药物，并向制药公司出售预测性检测服务和训练数据。

AI药物发现的瓶颈在于因果性人类生物学数据，而非模型；以规模化方式对20种人体组织类型给药的机器人实验室将生成这类数据，并预测临床试验结果。

在两轮由Khosla Ventures领投的融资中筹集了略低于8000万美元（第一轮：3800万美元种子轮，2023年）

2021年由生物工程师Andrei Georgescu和Dan Huh从宾夕法尼亚大学分拆成立。Georgescu的诊断是：用静态细胞快照或小鼠数据训练的AI模型学到的是状态，而非原因——“它们会在小鼠身上治愈癌症。”

2023年以Khosla领投的3800万美元种子轮启动，一次可分析超过1万份组织。到2026年8月，它已筹集略低于8000万美元，并在旧金山郊外开设了其所称的全球最大“人类数据中心”，声称吞吐量是美国所有动物试验的两倍。

临床失败代价高昂：试验耗资数千万美元，因此即便临床前预测能力只有小幅提升，也值得为之付费。

动物数据和单细胞数据是人人都有；规模化因果性人体组织数据则无人拥有。

拥有机器人实验室使数据优势不断累积，且难以在软件层面被复制。

当所有竞争者都用同样的数据训练时，护城河就是生成别人没有的数据——拥有仪器，而非模型。

截至2026年8月，Vivodyne正在扩大其位于旧金山地区的“人类数据中心”，服务于未具名的大型制药合作伙伴，并将其实验数据流定位为未来生物学模型的强化学习数据。它已筹集略低于8000万美元，全部由Khosla领投。