一句话看懂：Radical Numerics 获得 5000 万美元种子轮融资，由 Emergence Capital 领投，正在研发一种能够直接从生物数据（如基因序列、蛋白质结构）中学习的新型 AI 模型，试图绕过传统大模型依赖海量文本或图像数据的训练路径。
事件核心：发生了什么
据 Axios 记者 Natalie Breymeyer 报道，AI 初创公司 Radical Numerics 宣布完成 5000 万美元种子轮融资，领投方为知名风投 Emergence Capital。该公司目前的核心方向是构建能够直接从生物数据（包括但不限于基因组数据、蛋白质折叠信息、细胞信号通路等）中学习的 AI 模型，而非仅仅依赖从互联网采集的文本或图像数据。这一思路意味着其模型训练的数据源、对算力的需求模型、以及最终应用场景，都与当前主流的通用大模型有本质差异。
为什么重要
目前绝大多数 AI 模型（尤其是大语言模型）的训练依赖已存在的文本、代码或图像数据集，而生物数据具有高度结构化、多模态且标注成本极高的特点。Radical Numerics 的方法若可行，将直接冲击三个层面：首先，它可能大幅降低 AI 在生物医药领域的应用门槛，因为当前许多生物模型仍需要先将生物信息“翻译”成文本或图像后再训练；其次，它开辟了一条不依赖互联网文本的“原生生物智能”训练路线，这可能带来全新的模型架构设计；最后，这笔巨额种子融资表明，投资人认为绕开通用大模型、直接切入垂直领域（且是底层科学数据）的路径，具备巨大的商业与科研价值。
对用户/开发者/创作者的影响
目前公开信息显示，Radical Numerics 尚未发布具体产品、API 或开源模型，因此短期内对普通用户或内容创作者没有直接影响。对于生命科学领域的开发者与研究人员，这一动向值得密切关注：如果该公司后续推出可直接以基因、蛋白质或细胞数据作为输入的模型，将显著加速药物发现、精准医疗和合成生物学中的 AI 应用开发。对于其他 AI 创业公司，这意味着投资者对“非语言模型”的接受度正在快速上升，尤其是那些能够处理复杂科学原始数据的方案。
值得关注的后续
1. 模型架构透明度：Radical Numerics 是否会公布其模型架构细节或发布用于验证效果的基准测试结果，是判断其技术可行性的首要指标。2. 商业化路径：该公司计划如何将生物数据模型转化为可销售的产品或 API 服务，例如是否面向药企提供私有化部署，或开放平台供第三方开发者调用。3. 竞品反应：现有生物 AI 领域玩家（如 Recursion、Insilico Medicine 及 Google DeepMind 的 AlphaFold 系列）是否会调整技术路线或加速相关数据原生模型的研发。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
来源：Techmeme
