点击关注
已关注公众号
近日，深圳津渡生科完成近亿元A轮融资，本轮由高特佳投资领投，指数资本担任独家财务顾问。资金将用于物理AI底层技术研发、BioFord Agent平台迭代及全球市场布局。叠加此前红杉种子基金、创东方等机构投资，这家成立仅四年的企业，在AI+生命科学赛道持续发力，也标志着国内生物科研正式迈入具身自主科研新时代。
为什么生物科学能成为AI4S黄金赛道？
AI与多学科融合已成趋势，而生物科学凭借数据、效率、市场三大优势，成为赛道核心。
生物组学数据呈爆发式增长，体量从2021年11PB增至2024年60PB，海量基因序列高度适配大模型架构，先天优势远超材料、化学领域。传统生物科研流程繁琐、人工误差多，而AI彻底重构研发模式：AlphaFold已预测超2.1亿个蛋白质结构，蛋白覆盖率达98%；AI可将数年研发周期压缩至半年，药物研发成本降低 50% 以上。
市场潜力同样可观，国内AI+生物科学市场规模预计从2022年6亿元增至2030年119亿元，年复合增长率达45.3%。下游科研院所、药企、医疗机构付费意愿强，刚性需求十足。AI也从辅助工具，升级为生物科研的核心基础设施，这是津渡生科快速获得资本认可的行业大背景。
创始团队凭何撑起技术硬实力？
赛道火热之外，顶尖交叉学科团队是企业发展的核心底气。津渡生科2022年成立，核心团队来自牛津大学、北京大学等海内外顶尖高校，是一支AI与生物深度融合的跨界队伍，累计发表60余篇Nature系列顶刊论文。
创始人 金泳成 为牛津大学生物医学工程博士，核心成员均具备大模型研发、生物实验、产业落地的全流程经验。这支既懂算法又深耕生物领域的团队，跳出了单一技术研发的局限，也是投资机构持续加码的重要原因。
技术 + 落地：双引擎路线如何颠覆传统实验室？
区别于同行单点布局，津渡生科打造出GeneLLM多组学大模型 + BioFord自主科研平台双引擎架构，依靠物理AI打通数字推理与物理实验的壁垒，构建完整科研闭环。
GeneLLM是全球首个基于原始测序数据训练的多组学大模型，现有15亿参数、完成3.5万亿碱基序列预训练，从源头规避传统建模的误差问题，下一代300亿参数版本也在规划中。大模型负责数据分析、科研假设生成；BioFord平台则联动移液工作站、培养箱等全品类实验室硬件，打破设备孤岛。
整套系统可自动生成实验方案、实时追踪样本、智能调度设备，实现Design - Build - Test - Learn全流程自主运转，让实验室实现7×24小时不间断作业。
目前技术已落地多个标杆项目：全球首个AI4S原生闭环实验室落地北大后，大肠杆菌载体构建通量提升83倍，蛋白表达检测效率提升5.6倍；医学诊断领域，阿尔兹海默症5年发病风险预测AUC达 0.91，早产预测AUC为0.89；生物制造领域，自研基因编辑试剂成本较进口产品降低 97%，实现国产替代。如今公司已合作30余家头部机构，海内外商业化稳步推进，相关技术还入选《自然》2025 年重点关注技术榜首。
行业观察：这场变革带来了哪些启示？
津渡生科的突围，也为整个AI生物赛道指明了方向。第一，全栈闭环能力成为核心竞争力。只做模型或只做自动化设备的单点模式已逐渐落后，唯有“智能算法 + 物理实验”深度结合，才能直击行业痛点。第二，技术必须扎根真实产业需求。从高校科研到临床诊断、生物制造，津渡生科始终围绕降本、提效、提质打磨产品，实现产学研深度融合。第三，国产生物科研基础设施迎来崛起机遇。依托自主技术，本土企业正在打破海外技术垄断，逐步实现弯道超车。
此次近亿元融资是津渡生科的全新起点。在物理AI与具身智能的浪潮下，传统生物科研模式正在被彻底改写。而以津渡生科为代表的本土企业，正站在行业变革前沿，推动国内AI+生命科学产业迈向新高度。
往期推荐
融资10亿!上海国资重仓AMD前员工
吴夏青是谁？为什么离职英伟达创业？
点赞鼓励一下
图片来源：网络
本文不作为投资建议