业绩暴涨10倍！给Claude打分的AI4S黑马，拿下诺和诺德、罗氏

近日，Adaptyv宣布完成4000万美元（约合人民币2.68亿元）。

本轮融资，由 Highland Europe 领投，现有投资者 Ace Ventures、ByFounders 和 Y Combinator 追加投资。

或许Adaptyv并不被大众所知。但实际上，这是一家站在Anthropic背后的公司。

前不久，Anthropic秀出了Claude在蛋白质设计方面的实力，一共测试15个蛋白靶点，Claude成功为14个设计出有效结合蛋白，靶点成功率高达93%。

Claude总计筛选1320个设计，验证出354个有效结合分子，这背后就是Adaptyv在进行湿实验验证。

并且，Anthropic与Adaptyv团队一起，将Claude设计的实际蛋白质序列以及实验数据发布在 Proteinbase 上。

也就是说，全球最受关注的AI实验室之一，选择把自己重量级的研究成果存放在 Adaptyv的平台。

为什么Anthropic不选择大型CRO，而是这样一家初创公司进行验证？

它的独特之处在于，找到了一个非常小的利基市场，即AI蛋白质设计赛道的实验室基础设施层。

通过聚焦单一垂直实验+蛋白质社区+蛋白质设计竞赛的方式，公司建立起了坚实的壁垒，业绩增长迅速。

过去一年，Adaptyv的实验室吞吐量增长了5倍以上，并新增了100多家客户。

据报道，从 2024年11月到2026年，团队规模扩大了三倍，收入增长了近10倍。

其中包括 Chai Discovery 、 Boltz 等AI生物医药大模型公司，以及罗氏和诺和诺德等制药巨头，还有几十家AI制药公司。

甚至， OpenAI最新发布的Rosalind Workbench科研工作台，也宣布集成了Adaptyv的API进行实验验证。

尽管服务的领域小众，但随着AI for Science赛道的逐渐点燃，Adaptyv未来的增长前景非常乐观。

团队未来的目标是：打造生物超级工厂。

智药局认为，Adaptyv不是典型的云CRO公司，而是创造了独特的行业竞争优势，本篇文章将重点介绍这家快速崛起的黑马公司。

小众但快速增长的市场

我们不妨先来设想一个场景，如果你是一位AI蛋白质设计研究人员，你应该如何验证你的设计成果？

摆在科学家面前的选择要么是建立自己的实验室，要么是与传统的CRO合作，让他们帮忙设计实验。

如果选择自建实验室，就意味着要投入数百万美元的设备费用；如果选择CRO，就意味着你要来回发送邮件比较报价，等待6-8周才能拿到结果。

经过多轮迭代后，可能最后需要几个月后才能拿到结果，中间还需要大量的沟通等时间损耗。

看到了这一个痛点，一群来自瑞士洛桑联邦理工学院（EPFL）的工程师创立了Adaptyv Biosystems。

Adaptyv 号称是全世界最快的蛋白质验证实验室，从序列设计到拿到实验数据只需不到3周。

AI蛋白质设计实验基础设施

传统CRO中，做完这单实验、交付数据，这笔交易就结束了，CRO和客户之间除了历史合作关系外没有产品层面的深度绑定。

Adaptyv 帮助研究人员训练更好的AI生物学模型，并在现实世界中验证其假设。

客户可以从一个人到一家药企，核心目的不是完成单次交易，而是让客户持续把数据反馈进自己的AI模型迭代循环里。

客户上传蛋白质序列，经过Adaptyv自动化实验室完成所有检测后，获得可直接用于训练AI模型的高质量数据包，这极大地满足了AI蛋白质模型公司的需求。

当前，Adaptyv已经上线公开API，并且已经和Boltz、Chai、Cradle、Tamarind、Latent Labs 和 Benchling这些主流蛋白质设计工具/平台完成了集成。

自助式销售

和传统CRO需要联系销售比价不同，Adaptyv 选择自助式销售。

官网服务页面直接公开透明且有竞争力的按蛋白质计价的价格，客户可以自己在平台上选实验类型，包括蛋白质表达、纯化、亲和力等。

用户可以直接在官网直接看到公开透明的报价，不需要花时间和销售拉扯，并且订单可以非常小。

标准化产品

很多实验室可以定制化的服务，但Adaptyv目前完全不做通用化，它只做一件事：AI蛋白质设计的实验验证。

这牺牲了一部分自由度，但是却把一个具体流程做到了极致。

客户不需要学习任何脚本语言或协议编程，只需要上传蛋白质序列，Adaptyv 内部已经把"序列→表达→检测→数据"这条特定流水线固化和标准化，尽可能压缩成本。

因此，Adaptyv迅速积累起了一批中小公司、科研团队的用户，包括微软实验室、Chai Discovery、Escalante等，如今还包含诺和诺德、罗氏等医药巨头。

可以说，Adaptyv精准地服务了这批CRO看不上，也服务不好的AI原生生物技术公司和科研团队。

随着源源不断的AI生物技术公司的建立，公司成立早期不一定会自建实验室，Adaptyv就成为其最佳选择。

这些AI实验室并不缺算力和模型，缺的恰恰是快速、廉价、标准化的湿实验反馈。

社区驱动的增长策略，获客效果极佳

和大多数云实验室不同的是，Adaptyv走的开放竞赛+社区驱动增长路径，也是其最具差异化的一点。

为此，Adaptyv创建了一个名为Proteinbase的平台，号称蛋白质设计的家园（The home of protein desigen）。

它汇集了靶点、蛋白质设计、实验结果和设计方法，供研究人员研究和交流。官网显示，已经收录3000多种已验证的蛋白质。

在蛋白质设计领域，Proteinbase已经打响了知名度。

公司的动机很直白：这个数据是 Adaptyv 在做湿实验业务过程中自然产生的，而现有的蛋白质数据库各自采用不同的实验协议、不同的测量方法、不同的标准，来自不同来源的数据很难互相比较。

而Proteinbase采用的来自Adaptyv的标准化协议的实验室数据，确保了结果的可比性和可重复性。

因此，比起做云实验室和CRO，Adaptyv有时候更像是一个社群运营。

毕竟，从CASP开始，蛋白质结构预测一直都有竞赛的文化，而Adaptyv将其延续到了蛋白质设计。

尤其是AI蛋白质设计领域，长久以来都是依靠开源推动行业发展。

同时，平台还收录了主流的蛋白质模型，包括麻省理工的BoltzGen、Baker实验室的RFdiffusion、BindCraft等耳熟能详的模型。

每个条目展示设计者、设计方法、靶点（target）、结合/功能数据（如 KD 值）、是否可表达、分子量、氨基酸长度等，便于逐条阅读和比较。

不仅如此，针对蛋白质设计，Adaptyv还经常举办蛋白质设计开放竞赛，成为公司吸引客户的重要渠道。

公布某个靶点后，由全球各个团队提交设计，再由Adaptyv筛选后对亲和力进行验证。

在最新一期RBX1结合物设计竞赛中，Adaptyv收到了来自180多个团队的 12000 多份设计方案，约为预期的6倍。公司挑选了300 多个设计进行验证，最终9个获得绑定认证。

这种“竞赛即营销”的方式，为Adaptyv带来了极高的行业可信度和口碑，并且吸引了大量客户。

此前，如果客户愿意把自己的实验结果开源到Proteinbase上，可以换取20%的实验室服务费用折扣。

这相当于用真金白银的优惠，换取更多高质量、标准化的数据流入自己的数据库，进一步扩大数据规模优势。

不仅如此，这种模式带来了传统B2B销售根本换不来的东西，公开、可复现、被学术界引用的基准数据，进一步奠定Adaptyv的官方裁判和基准服务的地位。

Anthropic 在评估Claude的蛋白质设计能力时，明确把proteinbase 和另一个由 Overath等人整理的数据集，列为"两个最大的公开去从头设计蛋白质结合蛋白集合"。

并且，Claude宣布针对RBX1（E3 泛素连接酶的核心组件）的设计中，以高达40%的命中率，直接碾压人类的3.7%，这一数据，也是在ProteinBase的数据库中对比而来的。

更值得注意的是，在Anthropic公开的技术报告和提示词（prompt）文档中，ProteinBase 的竞赛页面和结果集被列为Claude设计时可以调用的参考资料库之一。

这意味着Proteinbase已经不只是一个数据库，而是实际嵌入进了顶尖AI模型的工作流程中，成为基础设施级别的资源。

生物超级工厂

行业逐渐意识到数据才是当前AI蛋白质设计能力的真正瓶颈——需要专门的功能性数据，而且需要快速生成。

Adaptyv恰好卡在这个价值链最痛的环节，吃到了生成式蛋白质设计赛道崛起的红利。

未来，团队规模将从 25 人扩大到 60 人左右，重点关注生产、自动化和软件——这些领域对收入增长的直接制约作用最大。

团队计划分为两步，即横向和纵向的扩展。

横向包括在现有的流程下，提高更高的吞吐量。计划到 2026 年底将实验室产能提升近三倍，并在 2027 年继续增长。

纵向，则是加入验证蛋白质的可开发性和完整的生物物理表征，然后是肽、抗体药物偶联物 (ADC) 和降解剂等下一代疗法，最后是基于细胞的功能研究。

创始人将最终目标描述为生物超级工厂：拥有足够的自动化实验能力，使人工智能能够像从文本中学习一样快速地从物理现实中学习。

写到这个部分，我不禁思考海内外有没有Adaptyv对标的公司？

似乎无论在全球还是中国，都很难找到一家定位、产品形态完全对标的公司。尤其是，公司采取的独特的开放社区+竞赛的获客路线。

在小分子赛道，一家名为Onepot AI的自动化小分子合成实验室与Adaptyv有相似之处，已经获得OpenAI联合创始人Wojciech Zaremba的融资。

更多的则是AI蛋白质公司，覆盖设计到应用交付的全流程，向医药、农业、化工、食品等下游客户交付订单，而不是把实验验证能力作为独立产品对外开放。

到现在，其实能看清 Adaptyv真正的野心，从来不是做一家“更快的CRO”。

它在悄悄干一件更大的事：把自己变成AI蛋白质设计世界，乃至生物世界的度量衡。

验证能力握在手里，评判标准也握在手里——一边是实验室，一边是 Proteinbase。

当 Anthropic这样的巨头都要拿着自己的模型，跑到这里交作业，游戏规则其实已经悄然改变。

— The End—