Converge Bio融资2500万美元，Bessemer及Meta、OpenAI、Wiz高管参投

人工智能正迅速渗透至药物发现领域，制药和生物技术公司希望通过AI缩短研发周期、提高成功率并降低成本。目前已有超过200家初创公司竞争将AI融入研究工作流程，吸引了大量投资者关注。Converge Bio正是这一趋势中的最新受益者。

这家总部位于波士顿和特拉维夫的初创公司，利用生成式AI分析分子数据，帮助药企和生物技术公司加速药物开发。该公司宣布完成2500万美元的A轮融资，由Bessemer Venture Partners领投，TLV Partners、Saras Capital、Vintage Investment Partners以及来自Meta、OpenAI和Wiz的高管（具体姓名未披露）参与跟投。此前公司在2024年完成了550万美元的种子轮融资。

Converge Bio的CEO兼联合创始人Dov Gertz在接受TechCrunch采访时介绍，公司将生成模型训练于DNA、RNA和蛋白质序列上，然后嵌入药企和生物技术公司的工作流程，以加速药物开发。“药物开发生命周期有明确的阶段——从靶点识别、发现到制造、临床试验等——在每个阶段，我们都可以支持相关实验。”Gertz表示，“我们的平台不断扩展，帮助更快地将新药推向市场。”

目前Converge Bio已推出三套面向客户的AI系统：分别用于抗体设计、蛋白质产量优化以及生物标志物和靶点发现。以抗体设计系统为例，它并非单一模型，而是由三个集成组件构成：首先生成模型创造新型抗体，接着预测模型根据分子特性筛选抗体，最后对接系统通过基于物理的模型模拟抗体与靶点之间的三维相互作用。Gertz强调，价值在于整个系统而非单个模型，“客户无需自行拼装模型，他们获得的是可直接接入工作流程的即用型系统。”

成立仅两年的公司发展迅速。Gertz透露，Converge Bio已与超过12家制药和生物技术客户完成了40多个项目，客户遍布美国、加拿大、欧洲和以色列，目前正拓展至亚洲。团队规模也从2024年11月的9人增至34人。公司已开始发布公开案例研究：在一个案例中，他们帮助合作伙伴在一轮计算迭代中将蛋白质产量提高了4至4.5倍；另一个案例中，平台生成了具有极高结合亲和力的抗体，达到了纳摩尔级别。

AI驱动的药物发现领域正迎来兴趣激增。去年，礼来公司与英伟达合作建设了制药行业最强大的超级计算机用于药物发现；2024年10月，Google DeepMind的AlphaFold项目开发者因创建能预测蛋白质结构的AI系统而获得诺贝尔化学奖。当被问及这一趋势对Converge Bio的影响时，Gertz表示，公司正目睹生命科学领域最大的财务机遇，行业正从“试错”方法转向数据驱动的分子设计。“我们深切感受到这股势头，尤其是在我们的邮箱里。一年半前公司刚成立时，存在很多怀疑，”Gertz说，“但得益于我们和学术界成功的案例研究，这种怀疑迅速消失。”

大型语言模型在药物发现领域因其分析生物序列和提出新分子的能力而受到关注，但幻觉和准确性问题依然存在。“在文本中，幻觉通常容易发现，”CEO说，“而在分子层面，验证一种新化合物可能需要数周，因此成本高得多。”为解决这一问题，Converge将生成模型与预测模型配对，筛选新分子以降低风险并改善合作伙伴的结果。“这种筛选并非完美，但能显著降低风险，为客户带来更好结果。”

对于Yann LeCun等人对LLM的怀疑，Gertz表示认同：“我们并不依赖基于文本的模型来进行核心科学理解。要真正理解生物学，模型需要在DNA、RNA、蛋白质和小分子上进行训练。”文本型LLM仅作为辅助工具使用，例如帮助客户查阅关于生成分子的文献。“它们不是我们的核心技术，”Gertz说，“我们不局限于单一架构。我们根据情况使用LLM、扩散模型、传统机器学习和统计方法。”

Converge Bio的愿景是让每个生命科学组织都将其用作生成式AI实验室。“湿实验室将始终存在，但它们将与生成式实验室配对，后者从计算角度创建假设和分子。我们希望成为整个行业的那个生成式实验室。”