摘要：此次融资由 Braidwell 和 Collective Global 共同领投，ARK Venture Fund（由著名投资人 Cathie Wood 掌管）、以及 General Catalyst 等知名机构也参与其中。

虽说科技是在想象力的平地上放飞的“风筝”，但让AI“做科研”在如今是不是还太“敢想”了？但就有一家公司真敢！

总部位于美国马萨诸塞州剑桥市的初创公司 Lila Sciences 宣布，已完成一轮 2.35亿美元的A轮融资，估值达到 12.3亿美元。

此次融资由 Braidwell 和 Collective Global 共同领投，ARK Venture Fund（由著名投资人 Cathie Wood 掌管）、以及 General Catalyst 等知名机构也参与其中。

这家公司并不单纯以生产药物为核心业务，也不开发传统意义上的AI模型，而是试图构建一个全新的科研系统——“科学超智能”。

这个公司成立于 2023 年，由生命科学风投机构 Flagship Pioneering 孵化，Geoffrey von Maltzahn是联合创始人兼 CEO，他曾多次创业，涉足合成生物、制药等领域。

这一次他的野心更大：不是用AI加速科研，而是 让AI成为科研的主体之一。

公司内部称呼自己的研发体系为 “AI科学工厂”，这并不是比喻，而是真实存在的物理设施——在位于剑桥的实验室里，AI、新颖的软件和定制的硬件紧密结合，机械臂精准移动样品，液体处理系统沿着磁力轨道运行，高通量筛选设备日夜不停地采集实验数据。

AI系统实时接收这些数据，立刻开始分析、建模、提出新假设，并触发下一轮实验。

这套系统的特别之处在于，它不是从数据库中寻找答案，而是在实验中“学习做科学”。

有科学家对此不以为然，华盛顿大学蛋白质设计研究所所长 David Baker 表示，Lila 的目标“似乎超出了他所熟悉的科学发现的任何范畴”。

这背后的问题在于AI是否具备真正的科研创造力？毕竟科学并不是一组算法或者数据分析流程，而是依靠灵感、假设和大量失败中积累的经验。

而Lila给出的回答是：我们不靠猜，而是靠实践。

Lila 的 AI 模型并不只是读论文，它会“动手做实验”，比如公司在一个绿色氢气催化剂项目中，仅用四个月时间，AI就帮助两名科学家找到了一种全新的催化剂材料，用以替代传统的稀有金属铱，节省了大量成本和时间，按照传统方法这种发现可能需要几年时间才能实现。

在 Lila 的实验室中，AI 主导的实验每一次成功或失败，都会被系统记录并反馈，形成一个高速运行的“假设—验证”闭环。

从外部看Lila 的技术体系更像是一个工业化的科研流水线，很多人会问：它的竞争力是不是真的在AI，而不是实验室自动化？

这个问题并不容易回答，但从公司高管的表述可以看出，实验室只是“身体”，AI才是“大脑”。

Lila 并不是简单地用AI控制机器人，而是在构建一个可以自主提出研究方向、设计实验并分析结果的完整系统。

为了让AI具备这种能力，Lila 引进了在“开放结局”领域颇有建树的学者 Kenneth Stanley，他曾强调AI 的真正潜力不是解决某个问题，而是在于能不断提出新问题，Lila 就是在这种思路下，把“探索有趣方向”作为AI研究的核心目标。

这种理念也得到了顶级投资人的认可，ARK Venture Fund 的创始人 Cathie Wood 本就以押注颠覆式创新著称，她曾多次强调 AI 在医疗健康领域的变革潜力，Lila 的平台正好符合她的投资逻辑：不是短期见效的“工具型”AI，而是可以大幅降低研发成本、提高科研效率的“平台型”系统。

Lila Sciences 的融资消息一出，很多人都在讨论：这么大的钱，投的到底是什么？

Collective Global 的联合创始人 Daniel Adamson 给出了答案：“Lila 是一家卓越的知识产权工厂。”

它的这种模式其实与传统科技企业完全不同，Lila 不追求短期收益，而是建立一个可持续的科研平台，它的产品是“一个能不断创造新科学的系统”。

从某种程度上说资本押注的不是当下的盈利模式，而是未来科研范式的变化方向。

过去几十年，我们习惯了科研是一个慢节奏、高成本、试错率极高的过程，但 Lila Sciences 提出的路径，试图把这套流程变成 一个可以被复制、被加速、甚至被智能控制的系统。

它“野心勃勃”的要给科学家一个全新的“合作者”——一个会做实验、能记住失败、能提出新想法，并持续进化的AI系统。

至于未来是否属于“科学超智能”？没人能确定。

但可以确定的是，Lila 已经走在了这条路上。资本押注的是可能性，科学家追求的是突破，而我们所需要做的，是认真看待这种可能性所带来的影响。

来源：龙医生讲科普