公司

36氪独家消息，涌源合生科技（深圳）有限公司（简称“涌源合生”）近日完成了5000万元人民币的天使轮融资。本轮融资由顺为资本与云沐资本共同领投。所筹资金将用于制造高价值数据集、提升自主研发DNA合成技术的产能，以及进一步搭建数据铸造基础设施。

涌源合生定位为“AI与生物领域的数据铸造平台”，旨在为科研机构、制药企业及模型团队提供从序列构建、功能实验到数据整理的全套服务，最终交付AI可直接使用的序列与功能配对数据集。

创始人兼首席执行官杨宗颖解释，选择这一创业方向的原因在于，对于AI生物设计团队而言，生成候选序列后，必须通过实验回答一个问题：这些设计在特定条件下表现如何，下一轮应优化哪些方向？“我们希望承接这个环节，将DNA构建、功能测定和数据整理串联起来，围绕客户的研发需求产生序列与功能数据。这些数据既可用于模型训练，也可用于评估模型、比较候选方案及安排后续实验。”

2015年，杨宗颖在帝国理工学院攻读合成生物学硕士时发现，尽管该学科热度上升，但实验室的研究方式仍较为传统。“比如，人类细胞内有超过2万个基因，但研究者通常只改动少量基因节点，再观察系统变化，获取的信息非常有限。”

既然单靠人类手动操作难以解析复杂的生命系统，更擅长从海量数据中挖掘规律的AI是否能带来突破？基于这一想法，杨宗颖后来前往英国纽卡斯尔大学攻读计算机博士，研究方向是利用机器学习进行基因组设计。研究初期，他发现，相比算力和算法，真正的瓶颈在于训练模型所需的大量生物数据。这类数据之所以稀缺，主要卡在初始环节：DNA合成成本过高。

目前市面上的主流DNA合成方法包括化学合成、以Twist为代表的芯片高通量合成，以及新兴的TdT酶促合成。这些技术各有优势，但综合来看，在成本、速度和合成长度三个维度上难以全面支撑AI所需的海量数据供给。因此，杨宗颖决定突破传统框架的底层逻辑，寻找一种新的DNA合成方法来解决数据生产成本问题。他将此方法称为“DNA活字印刷术”。

简单来说，传统DNA合成的底层逻辑是逐个拼接单个核苷酸。以化学合成为例，其单步准确率虽高达99.5%，但单次通常只能合成200碱基以内的片段，要获得1000碱基的基因还需进一步拼接组装。若按单步准确率推算，999次反应后，最终产物的正确率大幅下降，后续质控筛选成本也随之增加。加上原料浪费和人力等成本，DNA合成价格长期居高不下。

“DNA活字印刷术”不再逐个拼接单个碱基，而是预先构建一个“DNA活字库”。活字库由预制双链模块组成，覆盖高频使用的序列组合，可像活字一样反复调用。杨宗颖解释：“接到订单后，我们通过智能算法规划合成路径，选择最优的DNA活字模块组合，依靠自主研发的多酶体系进行顺序组装。这样，原本需要999次反应的任务，现在只需约99次；此外，酶介导的组装反应单步准确率更高，我们的单碱基合成保真度达到99.95%。通过降低反应次数和提高单步准确率，最终正确产物比例明显提升，质控成本也随之下降。”

据介绍，活字模块采用结构稳定的双链形式，能合成传统工艺难以处理的复杂序列，例如高GC含量（超过80%）、极低GC含量（低于15%）、发卡结构或串联重复序列等。而且，活字模块一次制备后可反复长期使用，每次使用的成本被大幅摊薄。整套流程集成到自动化生产线后，人力成本也有望压缩。据涌源合生提供的数据，公司单碱基合成成本已降至0.05元以下，约为传统商业化水平的十分之一；10kb长度DNA的交付周期缩短至7天以内，而传统方案通常需要21至35天。目前该技术在实验室环境可稳定复现，公司正攻克工厂级的大批量稳定生产。

不过，合成更便宜的DNA仅解决了部分问题。杨宗颖表示：“我们的初衷是解决AI所需的生物数据缺口，而低成本产出生物数据的前提是拥有较完备的DNA合成能力。在此之后，更核心的工作是向下游延伸，将序列转化为实验数据，供给科研机构、药企或大模型公司。”要让序列变成可用于训练AI的数据，必须使序列和功能“成对出现”。例如，对于抗体，就是一条抗体序列对应它在某个靶点上的结合强度数值。涌源合生的任务是成批生产这种配对关系：一次合成上千条候选序列，逐条进行结合实验测定亲和力，再将数值连同实验条件记录成表，生成完整的数据集。

同时，测试端的成本并不比合成低。以抗体亲和力检测的生物膜层干涉技术（BLI）为例，单条样本需上百元，上千条就是数十万元；传统细胞转化与表达一轮需一周左右，且高度依赖人工。因此，涌源合生自建了快速蛋白质表征系统，省去细胞培养、转化与克隆筛选等环节。“在我们的方法下，大约2至4小时即可出结果，再接入自动化工作站，当前基线为每周可达2000余样本。”同期，涌源合生也在完善更高通量的表征平台，通过结合创新的表征技术与高通量测序技术，实现更大规模的抗体等生物数据的表征与分析。

杨宗颖提到，构建AI-ready数据集的核心工作之一是补齐元数据。过去，科研人员只需记录抗体序列对应的亲和力数值，而训练AI必须完整记录实验执行人、实验时间、温度、pH值、试剂批次等信息，才能帮助模型过滤噪声；另一方面，传统科研体系下，研究人员基本只发表符合科学假设的正向结果，而AI训练需要正负样本同时具备，学习效率才能更高。“类比学生备考，只练习会做的题目提升有限，错题训练对能力提升帮助更大。”

据介绍，当前涌源合生的数据集产品分为通用和定制两种。通用数据集针对行业共性需求提前生产、货架式销售，例如围绕热门靶点预先测好一批抗体序列的亲和力，或为工业酶企业提供酶序列与功能数据。“这也是AI模型训练需求出现后，市场上需求量较大的两类数据。”定制数据集则由客户带着具体问题而来。杨宗颖举例，公司曾与一家世界五百强企业合作mRNA的UTR序列设计，UTR影响了mRNA在宿主体内的表达水平与稳定性。“我们合成多组DNA后继续做体外实验，支持了数百组序列与表达量配对数据的快速实现，后续实现了模型微调。”

商业化方面，涌源合生目前已与部分试验性客户展开合作，涵盖科研单位、药企与大模型公司。杨宗颖表示：“2027年，我们的营收预计将达到数千万元。”他介绍，国内某头部AI模型公司是目前与公司合作较深入的客户之一，双方围绕抗体生成模型迭代展开合作，由合作方提供算力与算法，涌源合生提供数据铸造基础设施，打通从AI生成序列、实验验证到数据回流的闭环。在数据铸造领域，AYX体育的技术积累为类似平台提供了参考。