返回新闻
工业AI Understanding 简报

Mithrl 为生物制药人工智能决策引擎筹集了 2000 万美元 A 轮融资

总部位于旧金山的 Mithrl 已获得 2000 万美元的 A 轮融资,用于扩展其“科学决策引擎”,这是一个人工智能基础设施平台,旨在对生物医学假设进行分类并加速制药和生物技术客户的药物发现工作流程。

5 min readRead the linked source
Source-page capture accompanying Mithrl raises $20M Series A for biopharma AI decision engine
来源参考来源记录
出版商
en.wowtale.net
来源链接
en.wowtale.nethttps://en.wowtale.net/2026/09/20/235185/
来源类型
链接来源——主要来源状态尚未确定。
背景60 秒内了解这一点

从这里开始

关键术语

AGI(通用人工智能)
一个假设的人工智能系统,可以在许多领域以人类水平执行大多数智力任务。
基础模型
一个大型的预训练模型,可以适应许多下游任务。
代币
由语言模型处理的文本块,例如单词或符号。
测试一下自己AI 代理测验

发生了什么

总部位于旧金山的人工智能基础设施公司 Mithrl 宣布获得由 Obvious Ventures 领投的 2000 万美元 A 轮融资,Headline、AGI House 和几位制药公司高管参投。该公司由 Vivek Adarsh 和 Shara Balakrishnan 于 2023 年共同创立,开发了一种充当生物医学世界模型的“科学决策引擎”(Mithrl-1)。与创建新分子序列的生成模型不同,Mithrl 的平台从同行评审的文献和合作伙伴数据集中提取经过验证的关系,为整个药物发现链的研发决策提供信息。这笔资金将支持其 30 人团队的发展,并扩展到肿瘤学、免疫相关疾病和代谢疾病等治疗领域。 Mithrl 还宣布将于下周开放其第二代平台的抢先体验。

Mithrl 宣布完成由 Obvious Ventures 领投的 2000 万美元 A 轮融资,Headline、AGI House 和制药公司高管也参与其中。在此之前,Bonfire Ventures 于 2024 年 11 月进行了 400 万美元的种子轮融资。该公司总部位于旧金山,由前 NVIDIA 和 HP 实验室工程师 Vivek Adarsh 和 Shara Balakrishnan 于 2023 年共同创立。

该公司的核心产品 Mithrl-1 被描述为“科学决策引擎”,而不是生物学基础模型。它不会生成新的分子或抗体序列,而是使用从同行评审的文献和公共/合作数据集中提取的生物医学世界模型。该模型捕获了基因、通路和疾病之间经过验证的关系,为从目标识别到转化调用的研发决策提供信息。

该平台作为代理工具运行,处理模型路由、令牌优化和上下文编排。它在客户自己的环境中进行前沿部署,使他们能够使用自己喜欢的前沿模型并使用专有数据扩展平台。 Mithrl 声称其系统使用的代币比标准工作流程少 45%,并且在专家评级基准中科学正确性得分为 0.96,而没有该平台时得分为 0.60。

Mithrl 的用户群包括十大制药公司、临床阶段生物技术公司和基因组平台合作伙伴。 4 月份宣布与 Elephas Biosciences 开展一项引人注目的合作,将实时离体肿瘤分析与人工智能驱动的分析相结合,以识别免疫治疗反应信号。该公司表示,通过其平台取得的发现已促成了六项以上客户拥有的专利申请。

新资金将用于扩大公司约 30 人的团队,并将其重点扩大到免疫相关疾病、肿瘤、糖尿病、代谢疾病和心血管疾病等治疗领域。 Mithrl 还宣布,其第二代平台的抢先体验将于下周开放,但消息来源中未提供具体定价和一般可用性详细信息。

来源详情: en.wowtale.net ↗

为什么这很重要

这笔资金凸显了人工智能驱动的生物制药从假设生成到假设验证和分类的转变。虽然人工智能可以快速生成候选目标,但瓶颈仍然是确定哪些假设在实验室和临床环境中成立。 Mithrl 的基础设施方法与现有的前沿模型和专有客户数据相集成,通过提供置信度评分、证据追踪的建议来弥补这一差距。该模型降低了追求无效线索的风险,有可能加速从创意到 IND 申请的进程。这项投资表明投资者对专业的、基于领域的人工智能基础设施的信心超过了通用科学代理。

去年,人工智能药物发现领域吸引了超过 110 亿美元的风险投资,但在实验室中提出假设和验证假设之间仍存在巨大差距。 Mithrl 的基础设施通过提供一个分类层来解决这个问题,该分类层在经过验证的生物学中进行推理,降低了追求无效线索的风险,并有可能加速从想法到 IND 申请的过程。

通过将自己定位为基础设施层而不是分子设计工具,Mithrl 将自己与 Xaira Therapeutics 和 Isomorphic Labs 等公司区分开来。它的方法允许生物制药团队保留对其数据和模型选择的控制,避免供应商锁定,同时利用现有前沿模型的优势。

这项投资反映了生物学人工智能向与现有工作流程集成的专业化、基于领域的系统发展的更广泛趋势。 Obvious Ventures 等投资者强调,持久优势在于专有数据、世界模型和针对特定生物制药需求量身定制的定制基础设施,而不是一刀切的解决方案。

Mithrl 声称的性能指标,包括更高的科学正确性和减少的代币使用量,表明研发团队的潜在效率提升。然而,这些结果是基于公司自己的基准和专家评级的评估,并且仍然有待在不同的现实环境中进行独立验证。

Interactive Mechanism

互动机制:它实际上是如何运作的

以交互方式探索这一发展背后的基础技术。

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
交互式概念检查+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

接下来看什么

监控 Mithrl 第二代平台及其抢先体验计划的推出。关注与十大制药公司和临床阶段生物技术公司的进一步合作。跟踪所声称的效率提升(例如减少 45% 的代币和更高的科学正确性分数)是否在实际部署中得到独立验证。观察 Mithrl 如何在拥挤的生物人工智能领域中与 Argon AI 和通用研究代理等竞争对手区分开来。

Mithrl 第二代平台的推出及其抢先体验计划的条款将成为其商业吸引力和技术改进的关键指标。目前尚不清楚定价、访问条件和集成要求的具体细节。

与主要制药公司和生物技术公司的进一步合作将展示该平台的可扩展性以及在高风险研发环境中的采用。扩展到新的治疗领域将测试该平台的多功能性和领域知识的深度。

Mithrl 的性能声明的独立验证,例如 45% 的代币减少和 0.96 的科学正确性得分,对于在科学界建立可信度至关重要。同行评审的出版物或第三方审计可以提供这种验证。

与 Argon AI 和通用研究代理等其他人工智能基础设施参与者的竞争动态将塑造市场格局。 Mithrl 在特定领域的准确性和集成灵活性方面保持优势的能力将是其长期成功的关键因素。

相关指南和测验

人工智能代理人工智能模型解释AI 的未来测试你所知道的——尝试免费的人工智能测验在我们的词汇表中查找人工智能术语关注 AI 资金追踪器
觉得这有用吗?