跨模态生物学 OS，帮助肿瘤生物科技公司在昂贵的扩展试验前，对资产组合进行排序和验证。

1. 跨模态生物学如今正被当成一个独立架构品类看待，这给一层聚焦软件留下了空间，而不是再做一个泛化模型套壳。
2. Qualified Access Program 的扩张说明，药企和生物科技团队已经愿意把这类推理工作流放进真实研发项目里试跑。
3. 真实的肿瘤项目已经能把巨大的搜索空间压到 15 个候选和 3 个可执行假设，这正是买方愿意付费的“决策压缩”。
4. 专业生命科学基金已经提前进场下注，这意味着在少数平台型现有厂商锁住客户数据和工作流之前，这个品类还有被建立出来的窗口。

催化因素。 Ingenix 的融资、Qualified Access Program 扩大，以及肿瘤方向的验证点，都说明跨模态生物学推理已经从抽象的平台叙事，变成买方现在就能在高风险组合决策里试起来的工作流。

这家创业公司卖的是一层安全的推理系统，面向那些想更快、更准地产出组合假设、又不想自建庞大平台团队的转化肿瘤团队。客户把内部临床前和早期临床数据接进来，标定相关资产和肿瘤背景后，就能拿到一组按优先级排序的联用药物或生物标志物假设，并附带跨模态的透明证据链。产品不会停在“给分”这一步，而是会把这个假设为什么重要、有哪些相反证据、下一步该做哪些实验或回顾性分析，一并打包出来。每份评审包都按真实的项目组合会和方案会来设计，让团队能从四散的证据直接走到一组站得住脚的建议。时间越久，护城河越深：预测出的假设、湿实验验证结果，以及后续项目结果会形成一个持续回流的学习闭环。

差异化。 CRO 提供的是分析人力，通路工具给的是零散证据，基础模型公司卖的是“通用生物学智能”的承诺，但它们都没有卡住那个真正关键的时刻：一家生物科技公司必须决定，哪些组合假设值得花掉稀缺的验证预算。这家创业公司赢在把跨模态推理封装进一套项目评审工作流——有透明证据链，也有验证规划，而不是再给一个黑盒分数。随着更多客户把哪些预测组合推进了、失败了、或打出了生物标志物信号反馈回来，它的防御力会不断变强。

待完成任务

flowchart LR
  Buyer[Translational oncology lead] --> Pain[Too many weak combination hypotheses across siloed biology data]
  Pain --> Product[Cross-modal combo reasoning OS]
  Product --> Outcome[Faster and more defensible expansion decisions]

高管要点

• 这个滩头市场是真实存在的，因为肿瘤联用和生物标志物决策至今仍依赖人工、跨职能地拼接证据；而随着模态和试验复杂度上升，这套流程已经开始扛不住。
• 最有防御性的切口不是宽泛的“AI for biology”，而是一个资产级工作流：把内部实验、组学、PK、生物标志物和早期临床信号，收敛成一份供转化评审使用的联用短名单。
• 竞争已经活跃，但分散在临床前证据图谱、多模态患者数据平台和全栈 TechBio 公司之间；对中型肿瘤生物科技公司来说，还没有谁明显占住了“方案扩展评审”这个时刻。
• 最大的采用风险不是模型能力不够，而是信任门槛：买方需要可审计的证据链、明确的部署边界，以及足够快的首个价值时刻，才会替换顾问、CRO 分析和靠幻灯片推进的评审会。

市场定义

这里的市场，是帮助肿瘤药物开发者在投入昂贵验证或方案扩展预算之前，把多模态转化证据转成资产级靶点、联用方案和生物标志物决策的软件与数据产品。

用户与买方

日常冠军用户是围绕单个主力项目运转的 VP Translational Oncology 或 Head of Computational Biology；经济买方通常是 CSO 或 SVP R&D，而生物标志物、临床开发和 IT/合规相关方会构成关键否决点。

购买触发点

• 当单药疗效见顶、转化团队必须在扩展队列或董事会决策前拿出一份站得住脚的联用短名单时，购买触发最强。 [13][21][22]
• 当生物标志物检测和 MTB 准备变成协同瓶颈，人工综合就会慢到跟不上真实项目组合评审节奏。 [4][31][32]
• 当合作方或投资人要求看到更强的机制依据和患者分层逻辑，才能支持下一步肿瘤项目投入时，购买窗口会被推开。 [3][13][15]

支付意愿

买方行为已经证明这个赛道能拿到有意义的预算：Tempus、AstraZeneca 和 Pathos 做了一个 $200M 的多模态肿瘤模型合作；Recursion 披露的大药企平台合作 upfront 风格付款达到 $80M-$150M，并带有更大里程碑池；生物科技公司关于自建还是购买 AI 平台的指南也说明，商业化平台虽然不便宜，但只要能更快跑出价值，仍然值得买。 [15][16][17][30][46]

品类动态

增长信号 26.3% CAGR

验证信号

• Ingenix 声称，在一项肿瘤合作里，它把双 payload ADC 的搜索问题压缩到了 15 个候选组合，并筛出 3 个可执行的新假设。
• BenchSci 报告称，早期采用者里有 40% 的项目找到了新适应症 / 新靶点，33% 的项目更早识别出安全或疗效风险。
• Tempus、AstraZeneca 和 Pathos 做出了一个 $200M 的多模态肿瘤基础模型合作，说明大买家已经在为这个底层品类掏钱。
• ConcertAI 与 Foundation Medicine 把一个接近 50 万患者的临床关联数据集，直接定位到转化研究和药物开发决策。

监管与技术约束

• 如果系统被用来支持与安全性、有效性或质量相关的监管决策，赞助方就应预期要做 FDA 风格的风险分级可信度计划、模型文档和全生命周期维护。
• 只要部署会创建或修改受监管的电子记录，就应默认需要经过验证的系统、审计追踪、访问控制和关联电子签名。
• 一旦涉及欧盟个人数据处理，GDPR 义务就会立刻生效；只要多模态患者数据在范围内，客户安全审查也会更严格。
• 试验信息系统早就把安全云、基于角色的访问、互操作和责任链控制当成标配，这也等于给企业部署划出了门槛。

现实替代方案主要分成四类：内部转化会议和顾问；以 BenchSci 为代表的临床前证据平台；以 Tempus 和 ConcertAI 为代表的多模态肿瘤数据网络；以及以 Owkin、Recursion、Isomorphic Labs 为代表的 AI-first 生物学平台。拟议中的创业公司不该长成另一个“通用基础模型”，而应是一层狭窄、可追溯证据的决策系统，服务于单个真实资产项目。

为什么现有厂商不会默认胜出

• 临床前证据 SaaS. BenchSci 在发现疾病生物学证据上很强，但它的重心更偏早期临床前研究，而不是临床阶段肿瘤资产的联用扩展决策包。
• 多模态患者数据平台. Tempus 和 ConcertAI 赢在数据规模和真实世界证据，但它们是更宽的平台化销售，并不会自动解决生物科技公司特有的转化评审工作流。
• 代理式生物学 Copilot. Owkin 正在推进代理式生物学推理，但它覆盖从发现到开发的更大范围；对只想解决一次紧急单资产评审的生物科技公司来说，可能太重。
• 全栈 TechBio 平台. Recursion 和 Isomorphic Labs 证明了药企愿意为 AI-first 生物学平台重金投入，但它们更像是重合作的平台建设者，而不是中型肿瘤生物科技团队可直接插上的工具。

临床阶段肿瘤生物科技公司经常会走到一个高风险节点：主力资产只显示出部分疗效，管理层必须在下一次董事会、合作谈判或方案决策前，拿出一套站得住脚的联用或生物标志物扩展方案。今天，这个决定依旧要靠人工转化会议、顾问参与、彼此割裂的生信分析，以及从实验、组学、PK、生物标志物和早期临床数据里拼出来的幻灯片。首个客户应是一家 Series B 到 pre-IPO 的肿瘤生物科技公司，手里有一个 Phase I 或 II 的实体瘤靶向资产，内部数据又足够复杂，以至于组合评审已经拖慢了眼前的融资或 BD 里程碑。切口是一套安全的跨模态推理工作台：接入最小可用的内部数据包，返回一个按优先级排序的联用药物或生物标志物假设短名单，并打包一份可审计的验证简报，供转化评审使用。这里的刻意取舍是：先把产品做成围绕单一资产项目的有限决策支持，而不是一个泛化生物学基础模型、一个受监管的申报系统，或一张完整的多模态数据网络。研究支持的 TAM、SAM 和第 3 年 SOM 分别约为 $259.5M、$104.0M 和 $5.0M；只有在公司证明试点能稳定转正之后，再从组合规划扩到相邻的资产开发工作流，这个切口才足够大。最大的执行风险在信任和 onboarding 速度：如果产品不能在一次真实决策周期里，用透明证据链给出一份有用短名单，买方就不会放弃原有会议、CRO 分析和更宽的平台。公开资料对买方预算区间，以及如何在 6 周以内用最小数据集跑出价值，仍然没有完全验证，所以前 12 个月应优先拿下付费试点、跑通转正，并把预算归属摸清，而不是激进扩张市场。

问题

• 临床阶段肿瘤生物科技公司在决定哪些联用方案或患者亚组值得投入稀缺验证预算时，仍然要靠人工去综合内部实验、组学、PK、生物标志物和早期临床证据。
• 单药疗效见顶、董事会评审和药企合作讨论都会带来明确时限，但现有流程又慢、又容易偏向熟悉机制，还很难用一条连贯的证据链把决策讲清。
• 现有替代方案分散在顾问、CRO 生信、通路工具和大而全的数据平台之间，所以没有哪个产品真正占住一家中型生物科技公司在资产级转化评审里的关键时刻。

解决方案

• 围绕单个肿瘤资产接入最小可用的内部实验、组学、PK、生物标志物和早期临床数据包，返回一份按优先级排序的联用药物或生物标志物假设短名单，并附带机制依据。
• 在评审包里展示证据轨迹、相反信号和下一步验证建议；这套输出是为转化会、项目组合会和方案扩展会设计的，不是泛化科学检索。
• 先作为单个真实项目的决策支持上线，配合带分析师的 onboarding 和验证规划，之后再扩到更广的项目组合工作流或受监管的证据支持。

为什么我们会赢

• 产品瞄准的是一个明确而紧急的工作流——单个临床阶段肿瘤资产的联用扩展评审——而宽泛的多模态平台和生物学 copilots 并不会天然占住这个位置。
• 透明的证据链和相反证据处理，正面回应了转化肿瘤场景里对黑盒模型输出的不信任。
• 把排序假设、验证结果、被否决选项和后续项目决策连起来的专有数据集，会逐步形成顾问和通用模型厂商都看不到的工作流护城河。

里程碑

flowchart LR
  Wedge[One-asset oncology review wedge] --> MVP[Evidence-traceable reasoning workspace]
  MVP --> Proof[Paid pilots and funded validation plans]
  Proof --> Expansion[Portfolio workflows and second-asset expansion]

创始团队

实验路线图

风险评估

必须成立的条件

• 前 10 个合格肿瘤生物科技账户里，至少 3 个愿意为一次真实资产决策支付试点，而不是继续靠内部会议、CRO 支持或顾问幻灯片。
• MVP 能在多数早期试点里，用最小可用数据集在 6 周内交出一份可进评审会的短名单。
• 至少一半早期试点里，转化团队会在真实评审会上讨论排序结果，并把一个或多个推荐假设推进到验证。
• CSO、SVP R&D 或同级预算 owner，会按模型里的单项目价值批准生产合同，而不要求完整的企业软件采购周期。
• 至少一半首批生产客户会在 12 个月内扩到第二个资产或相邻工作流，从而支撑 venture-scale 的扩张逻辑。

待尽调问题

• 如果销售被定义为“决策支持”而不是“基础设施”，第一笔试点究竟从哪条预算线出？
• 什么样的最小文件包就足以产出一份值得信任的短名单，而不需要漫长的定制集成？
• 第一年里，买方到底有多频繁会要求带分析师的评审包，而不是纯软件输出？
• 为什么一家生物科技公司会买这个工作流，而不是继续用 BenchSci、Tempus、ConcertAI，或现有的 CRO + 顾问组合？
• 要让转化和生物标志物负责人真正采取行动，一条排序假设需要达到什么证据门槛？

模型合理性

• 收入引擎. 基准情景收入由第 1 年 4 个付费试点驱动，并在 Q4Y3 复利到 20 个活跃资产项目；对应的混合年化项目价值为 $290K。
• 必须做对的事. Onboarding 必须稳定在 6 周或更短，这样试点才能转成生产项目，且至少有 2 家客户能按计划扩到第二资产。
• 模型会失效如果. 如果销售周期拉长，且 Y3 结束时只接近 16 个活跃项目、每个项目价值约 $250K，现金就会逼近盈亏平衡线，EBITDA 也会继续深度为负。
• 下一轮融资证明. 真正能讲 Series A 故事的，不是试点收入本身，而是可复制的试点转生产、VPC 部署，以及真实出现的第二资产扩张。

情景

敏感性

flowchart LR
  Buyers[Qualified biotech accounts] --> Pilots[Paid pilots]
  Pilots --> Programs[Active asset programs]
  Programs --> Revenue[Subscription and onboarding revenue]
  Revenue --> GrossProfit[Gross profit after delivery and cloud costs]
  GrossProfit --> Cash[Cash after payroll and operating spend]

警示项: 基准情景仍然高度依赖创始人主导销售，付费 demand-gen 也只做得很轻；一旦公司开始招聘首位 GTM 之后的人手，CAC 可能会上升。 · Y3 EBITDA 只是小幅转正，这意味着下一轮融资仍然要靠证明服务杠杆和扩张质量，而不只是 headline 增长。 · 模型把现金近似处理成 EBITDA，未纳入企业回款节奏或递延收入，因此真实季度现金波动可能会比这里更颠簸。

• 证据可信度缺口. 如果证据链不透明、又对不上已知生物学，转化团队可能不会相信模型给出的假设。 缓解措施: 先把产品做成“解释优先”的评审包，明确展示相反证据和来源溯源，并把定位守在决策支持而不是自动推荐。
• 数据集成摩擦. 小型生物科技团队的内部实验和生物标志物数据往往很乱，首个价值时刻容易被拖慢。 缓解措施: 先围绕最常见的肿瘤数据集做窄模板，并为首个资产项目提供带服务的 onboarding 路径。
• 平台型现有厂商下压. 一旦这个切口证明有价值，大模型厂商或现有研发软件提供商可能会补上轻量级组合排序功能。 缓解措施: 靠项目级评审工作流、跨模态解释质量，以及绑定真实验证和扩展决策的专有结果数据取胜。