摘要：在科技圈，“融资难”早已不是新鲜事，但最近有家公司却走出了反套路剧情：成立刚满两年，连个像样的产品模型都没发布，却在短短时间里接连拿到两轮大钱，先融2.35亿美元，紧接着又拿下英伟达创投NVentures领投的1.15亿美元，总融资直接冲到3.5亿美元。

在科技圈，“融资难”早已不是新鲜事，但最近有家公司却走出了反套路剧情：成立刚满两年，连个像样的产品模型都没发布，却在短短时间里接连拿到两轮大钱，先融2.35亿美元，紧接着又拿下英伟达创投NVentures领投的1.15亿美元，总融资直接冲到3.5亿美元。

更夸张的是，它的估值一举突破13亿美元，稳坐“独角兽”宝座。

这家名叫LilaSciences的公司，到底藏着什么玄机？能让见惯了大风大浪的投资机构心甘情愿砸钱？

要说LilaSciences的底气，首先得看它背后的“神仙阵容”。

能被资本追着投，核心团队的含金量绝对是硬通货。

首席科学家GeorgeChurch的名字，在生物学界堪称“顶流”。

这位哈佛大学的遗传学家身兼美国科学院、工程院、医学院三院院士，是合成生物学领域的“祖师爷”级人物，早年间就在CRISPR基因编辑技术的研发中扮演了关键角色。

更让人惊叹的是，他还联合创立了生物科技公司ColossalBiosciences，前段时间刚宣布成功复活了12500年前灭绝的冰原狼，连马斯克都转发点赞过这个项目。

有这样的大佬坐镇，Lila的科研底色自然差不了。

再看另一位核心成员KennethStanley，也是科技圈的传奇人物。

他曾是OpenAI的核心研究员，一手打造了“无限开放”研究组，这个团队的理念直接影响了ChatGPT的诞生逻辑。

最有意思的是，他早年开发过一个叫Picbreeder的图片网站，让图片像生物一样“谈恋爱生子”繁衍新图像，不到100次计算就能做出传统算法3万次才能实现的创意，这也让他坚信“奖励有趣比紧盯目标更能催生创新”。

加上哈佛医学院生物医学信息学教授AndrewBeam，这个跨学科团队简直是“王炸配置”。

更值得一提的是Lila的“出身”，它由创投巨头FlagshipPioneering孵化。

这家机构可不是普通投资方，而是一手把Moderna从初创公司打造成疫苗巨头的“造星工厂”，孵化过100多家科技企业，总价值超900亿美元，光是IPO的公司就超过25家。

去年它还和辉瑞达成了最高70亿美元的合作，要共同开发10个新药项目，足以见其行业号召力。

有这样的“靠山”，Lila刚露面就自带光环。

比起那些扎堆做AI大模型的公司，Lila的路子显得格外“另类”，它要建“AI科学工厂”。

这可不是装了几台机器人的普通实验室，而是一套“AI动脑+机器动手”的闭环系统：先由AI根据海量数据提出科研假说，再指挥机器人7x24小时不间断做实验，实验数据自动回传给AI分析，接着AI迭代模型设计下一轮实验，整个过程几乎不用人插手。

目前Lila已经在美国马萨诸塞州剑桥市租下了2.1万平米的研发基地，还计划在波士顿、旧金山、伦敦扩建新厂。

为啥要搞这套系统？看看现在的科研现状就懂了。

很多人以为科学家都是靠灵感搞研究，其实大部分时间都耗在了重复劳动上。

有实验室人员算过，一个生物实验从配试剂到记录数据，80%的工作都是机械重复的，而且越前沿的研究越“考验手感”。

一百年前做实验加几毫升液体，就算手抖也差不了多少；现在很多步骤只加5微升试剂，大概是一滴水的十分之一，多滴1微升误差就高达20%，上午下午做的结果都可能不一样，连博士们都戏称这是“科研玄学”。

Lila的这套系统正好戳中了痛点。

机器人不会累、不会手抖，加样精度能控制在纳升级别，还能24小时连轴转。

就像上海蓝晶微生物的“黑灯实验室”，靠自动化系统把菌株迭代周期从1年半缩短到半年，成本砍到原来的1/3。

Lila要做的，就是把这种效率提升复制到生命科学、化学、材料等更多领域。

虽然还没公开具体成果，但公司已经透露，平台已经取得了上千项发现。

英伟达愿意领投，也藏着自己的算盘。

黄仁勋早就说过“数字生物学将是下一场颠覆性技术”，英伟达的BioNeMo平台一直在押注AI制药，过去两年NVentures的19笔投资里有7笔都投给了AI药物研发公司。

Lila的AI科学工厂需要海量算力支撑，而这正是英伟达的强项，双方算得上是“强强联手”。

有技术噱头不够，资本更看重实打实的商业价值。

Lila的底气，在于它能给多个行业带来“降维打击”，其中最被看好的就是生物治疗领域。

就说现在被称为“抗癌神药”的CAR-T疗法，国内价格普遍在120万元左右，美国更是高达37.3万美元一剂，普通人根本用不起。

为啥这么贵？核心问题就在“手工操作”上。

CAR-T治疗需要从患者体内提取T细胞，在实验室里激活、转导、扩增，整个过程要持续几周，全靠博士级别的科研人员手工完成，每一份制剂都是“私人定制”。

这不仅人力成本高，还容易出误差，质量不稳定，更没法规模化生产，自然只能是少数人的“救命药”。

Lila的AI科学工厂刚好能解决这个难题。

它可以把这些作坊式的手工流程，变成全封闭的自动化生产：从细胞提取到基因导入，再到培养扩增，每个步骤都由机器人精准操作，全程数据可追溯。

就像江苏盐城的PHA智能工厂，全自动化生产不仅降本45%，还能保证每批产品质量一致。

按照行业预测，这套系统能把CAR-T的成本从百万级降到十万甚至万元级，让天价疗法变成普通人用得起的常规治疗。

这背后藏着的是万亿美元的市场。

目前全球AI+医疗市场正以每年29%的速度增长，预计2032年将达到700亿美元，而生物治疗光是癌症领域就有数千亿的潜力。

如果Lila能实现规模化生产，不仅能让无数患者受益，更可能改写医药行业的格局，那些靠传统研发模式的巨头，说不定会被这种“工业级科研”模式颠覆。

除了生物治疗，Lila的野心还不止于此。

材料科学里的新型电池研发、化学领域的催化剂合成，这些都需要大量试错实验的领域，都可能被AI科学工厂改造。

就像山东大学的“天玑—自动化实验平台”，能把几周的实验工作量压缩到几天，效率提高近百倍。

未来说不定小企业不用自建实验室，只要把需求输入Lila的系统，几周后就能拿到研发结果，创新门槛会大大降低。

有人说，Lila想做的其实是科研领域的“卖铲人”，不直接搞新药、新材料，而是给所有研究者提供最高效的研发工具。

这种定位恰恰击中了行业痛点。

传统科研太依赖“灵感+运气”，很多时候明明知道某个方向有潜力，但因为试错成本太高，只能被迫放弃。

就像药物研发，平均每个新药要花10年时间、烧26亿美元，失败率还高达90%。

而AI科学工厂能把这种“狩猎式”的研究，变成“工业化”生产，通过海量试错找到最优解，不仅能提高成功率，还能发现很多人类想不到的创新方向。

不过这事儿也不是没挑战。

现在AI制药还面临数据不足、机理不清的问题，全球80多款AI辅助研发的新药，大多还在临床早期，至今没有真正上市的产品。

Lila要实现“上千项发现”的落地，还得跨过实验验证、商业化生产这些难关。

但不管怎么说，它指向的方向已经成了行业共识，谷歌的AlphaFold3能预测生物分子相互作用，微软、亚马逊都在布局蛋白质生成模型，AI重构科研流程只是时间问题。

从Moderna靠mRNA技术改变疫苗行业，到Colossal复活灭绝物种，再到Lila要建AI科学工厂，FlagshipPioneering的孵化逻辑其实很清晰：押注那些能改写行业规则的底层技术。

现在Lila拿着3.5亿美元的融资，站在了“AI+科研”的风口上。

也许再过几年，我们真的会看到：曾经需要顶尖实验室花几年做的研究，在自动化工厂里几周就能完成；曾经天价的疗法，变成普通人能负担的常规治疗。

科技的进步，往往就是这样从“看似不可能”开始的。

来源：探秘发现一点号