
硬氪获悉,AI抗衰药物研发公司「无尽方舟」已完成数千万元种子轮融资,Monolith领投,九合创投跟投。此次融资将主要用于加速核心药物的工程化生产与猫狗临床验证,并同时推进H2P跨物种平台及干湿结合药物研发平台两大AI系统的建设。
无尽方舟成立于2026年5月,切入的是一个在长寿产业中足够前沿、但验证路径更短的方向:先在犬、猫等宠物身上建立衰老干预药效模型,再反向推动人类抗衰药物管线。
其创始人赵思邈本科就读于爱丁堡大学人工智能专业,硕士和博士均在牛津大学系统进入衰老研究领域,曾加入Longevity Biotech Fellowship。联合创始人CTO曾京昆是加州大学伯克利分校博士后,师从CRISPR基因编辑技术发明人、诺贝尔奖得主Jennifer Doudna。目前,无尽方舟核心团队成员有六位牛津博士,以及多名加州伯克利、麻省理工等世界名校博士及博士后,覆盖人工智能、计算生物、基因编辑、衰老生物学和药物转化等方向。
人对于长寿的追求从古至今,热情未减。在现代医学的进步下,离实现长寿、健康的生活也越来越近。这种热情在融资端也有所体现,根据PitchBook数据的发布显示,2024年全球长寿公司融资额达84.9亿美元、331笔交易,资本仍在继续涌入。
与众多的抗衰老药物研究公司相比,无尽方舟的差异化在于,它并不只想做一家宠物药公司,也不只是围绕单一公开靶点推进研发。其依照的底层假设是:犬、猫和人之间存在一部分足够保守的衰老机制。
围绕这一问题,无尽方舟开发了H2P(Human-to-Pet)跨物种迁移学习模型。该模型基于单细胞转录组等数据,将人和宠物的基因表达信息进行对齐,并通过域自适应神经网络筛掉物种差异过大的信号,保留那些跨物种保守、与衰老显著相关、且更可能被药物干预的候选方向。公司希望通过跨物种AI平台,在宠物药和人药之间建立更可迁移的数据和验证体系。
目前,无尽方舟内部主要分为AI组、药物组和精准健康部三条线,分别对应靶点筛选、药效验证和长期数据积累。AI组的目标是先把抗衰药物的搜索空间缩小,药物组基于AI筛出的靶点推进药物研制与药效验证。精准健康部则负责收集宠物的年龄、体检指标、疾病史、生活状态和随访结果,建立长期衰老数据库。对无尽方舟来说,这部分数据不仅服务于宠物药物研发,也会反向补充AI模型和人药转化判断。
以下是硬氪对CTO曾京昆的访谈节选:
硬氪:选择这个节点创业的考量是什么?
曾京昆:我们判断衰老药物开发已进入可工程化推进的阶段,这源于最近发生的三个核心变化:一是基础科学积累已久,衰老不再模糊,越来越多研究证实某些通路的干预能系统性改善老年动物的多个器官功能。二是中国生物医药产业链的成熟,中国目前具备极强的新药研发和产业转化能力,能让优秀的科学想法迅速转化成药物并进入真实验证,这有助于我们真正把抗衰老药物生产并验证出来。三是AI技术突破,衰老是多器官、多细胞和多通路共同作用的复杂问题。AI正好擅长在大规模生物数据中寻找这种跨物种、跨组织的规律,帮助我们在巨大的空间组合里找到最优解。
硬氪:目前有许多公司在做长寿行业的突破,无尽方舟的核心优势在哪里?
曾京昆:长寿是一个足够大的市场,我们的核心优势主要体现在三个方面:首先我们是做人药与宠物药一体化设计,一开始就把两者放在同一个体系里,利用跨物种数据打通路径。宠物端能更快完成真实世界验证,人药端则代表长期价值。
其次,我们很重视跨物种靶点的保守性,衰老是长周期、系统性的过程,物种差异易被放大。我们的H2P(Human-to-Pet)平台本质上就是在量化并回答,人、狗、猫和小鼠等哺乳动物在衰老过程中,哪些靶点用的是同一把锁。
最后我们有“AI靶点发现”与“AI药物开发”双轮驱动的研发体系。首先,AI用于整合跨物种、跨器官的生物学数据,识别具有转化潜力的衰老靶点;在确定靶点后,AI将进一步进入药物开发环节,用于药物分子的设计和优化,并将实验数据持续反馈给模型,进一步提升下一轮预测和设计能力,形成“Lab-in-the-loop”的干湿结合闭环。抗衰老需要算法、靶点、生物学验证、药物工程和临床路径协同推进,我们有信心在AI与实验两端都做到最好。
硬氪:无尽方舟依赖“驱动衰老的核心基因在不同物种间共通”的假设,目前验证程度如何?
曾京昆:从现有研究看,炎症上升、组织纤维化、蛋白稳态失衡、线粒体功能下降等衰老机制在哺乳动物中确实具有物种保守性。但共性不等于完全一致,某个基因在小鼠里是核心驱动因素,在狗里可能只是伴随现象;在人类有治疗窗口,在其他物种可能就有安全性问题。
我们的H2P模型通过对齐人、狗、猫、小鼠的多组学数据,严谨地向量化评估每一个靶点:它在不同物种的衰老组织里是否都改变了?变化方向是否一致?干预后能否带来可测量的功能改善?微观层面,我们也会深入到基因表达层面,寻找具有相同一致变化的基因。目前我们判断跨物种保守性的大方向是成立的,但具体到每个靶点都必须用数据和实验去验证,这也是我们存在的价值。
硬氪:第一步是向市场推入宠物药的原因是什么?
曾京昆:我们选择首先着重推进宠物端,因为它同时解决了多道墙的问题:宠物有真实需求、生命周期短、临床更好做;且能让公众理解衰老是可干预的生物过程;政策上FDA近期也首次允许拿衰老本身作为宠物的临床观测指标,迎来了制度突破。至于人类药物开发,我们目前已找到合适的、明确的适应症,正根据适应症严格遵循人药开发逻辑推进临床。
硬氪:公司目标从“单纯延长寿命”转向“功能性逆转”,怎么去理解?
曾京昆:延长寿命容易被误解为纯粹延长生命时间。如果活到120岁但失去行动能力、身体衰弱,便毫无意义。我们真正追求的是Healthy Aging(健康地老去),让衰老的器官重新恢复功能或长时间保持健康。
“功能性逆转”不是营销概念,也不是指让机体完美重回年轻,而是关注可测量、可验证的生物学指标。例如老年动物的运动能力是否提升、代谢是否改善、炎症水平是否下降、器官纤维化是否减轻,以及心血管和免疫状态是否更接近年轻状态。如果一个生物体的这些底层代谢与器官指标得到真实改善,它表现得更像一个年轻健康的个体,这比单纯追求活得久更有意义。
文章来自于微信公众号 "硬氪",作者 "硬氪"
【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。
项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file
本地安装:https://www.deepbi.com/
【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。
项目地址:https://github.com/hitsz-ids/airda
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI