在生物科技與人工智慧（Artificial Intelligence，簡稱 AI）跨領域結合的浪潮下，早期投資策略正經歷顯著轉型。創投公司 Initiate 的創始合夥人潔西卡·歐文斯（Jessica Owens）近期於《BioCentury Show》節目中，深入剖析了該公司在生技領域的投資布局，並針對如何成為真正的「AI 原生」（AI-native）企業提出了獨到見解。隨著技術門檻不斷提高，投資人與創業者正重新審視數據資產在研發過程中的核心價值。
歐文斯在訪談中強調，在當前的技術競爭環境下，擁有專屬的數據資產（Proprietary data）遠比開發專屬模型（Proprietary models）更具備市場競爭力。她指出，許多初創企業過度執著於打造獨家的 AI 模型，卻忽略了數據品質與獨特性才是決定研發成敗的關鍵。對於 Initiate 而言，投資標的必須具備獲取高品質、具備臨床意義數據的能力，這才是構築護城河的根本。

此外，歐文斯進一步解釋，專屬模型在開源技術普及的今日，其技術優勢往往會隨時間遞減，但高品質的專屬數據卻能持續為企業創造價值。透過這些數據，企業能夠更精準地訓練模型，進而解決生物醫學領域中複雜的研發難題。這種以數據為導向的策略，不僅能提升研發效率，更能確保企業在面對大型科技公司競爭時，依然保有不可替代的技術優勢與市場話語權。

邁向 AI 原生企業的關鍵門檻

針對何謂「AI 原生」企業，歐文斯提出了明確的定義與觀察。她認為，真正的 AI 原生企業並非僅僅是將 AI 工具應用於既有的研發流程，而是從公司創立之初，就將 AI 技術與生物學研究深度整合。這種整合要求團隊成員必須同時具備跨領域的專業知識，能夠在數據科學與生物實驗室之間建立無縫的溝通橋樑，確保技術開發與科學驗證同步進行。

然而，要達到這種境界並不容易。歐文斯觀察到，許多企業在轉型過程中，常因組織架構僵化或跨領域人才匱乏而受阻。AI 原生企業需要建立一套全新的研發文化，將數據驅動的決策模式融入日常運作中。這不僅是技術層面的升級，更是企業經營哲學的變革。只有當 AI 成為企業研發引擎的核心，而非僅是輔助工具時，才能真正發揮其在加速藥物開發與臨床試驗方面的潛力。

填補證據生成的研發缺口

在探討早期資金投入的重點時，歐文斯特別點出了目前生技產業在「證據生成」（Evidence generation）方面的缺口。她認為，儘管 AI 技術在藥物篩選與分子設計上取得了顯著進展，但在如何將這些數位預測轉化為具備臨床價值的證據方面，仍存在巨大的鴻溝。這也是 Initiate 在進行投資評估時，最為關注的環節之一，即企業是否有能力縮短從實驗室數據到臨床驗證的距離。

為了填補這一缺口，歐文斯建議創業者應將更多資源投入於實驗室自動化與高通量篩選技術的結合。透過自動化設備產出標準化數據，再由 AI 進行分析，能有效提升證據生成的效率與準確度。這種「實驗室與數位」雙軌並行的策略，不僅能降低早期研發的風險，更能為後續的臨床試驗提供堅實的數據支持。對於投資人而言，具備這種整合能力的團隊，無疑是當前生技創投市場中最具吸引力的投資標的。

Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機
Date: July 22, 2026