Cradle 软件订阅卖蛋白质设计，赌的是客户数据不外流

用客户自有数据训练模型，把知识产权留在客户手里换信任

Cradle 的产品逻辑不是卖一个通用蛋白质设计模型，而是用客户自己的数据在平台上训练模型，客户保留全部知识产权。这个设计直接回应药企最在意的两件事：数据不外泄、分子权益不被稀释。平台覆盖抗体、酶、肽、疫苗、治疗性蛋白等多种蛋白类型，从命中发现延伸到先导优化，相当于把早期蛋白工程的多个环节装进一个软件界面。

为了让模型在客户数据有限时也能用，Cradle 在阿姆斯特丹自建湿实验室，自己生成专有数据集来提升模型表现。这带来一个结构性取舍：湿实验室是重资产，但它让 Cradle 不必完全依赖客户数据就能迭代模型，也让它对客户有“数据+模型”双重卖点。

这个产品机制的关键约束是：模型效果越依赖客户数据，客户就越需要把数据交给 Cradle；而客户越是大药企，数据合规审查越慢。Cradle 用数据隔离与 SOC 2 合规来缓解这层顾虑，但公开资料没有披露客户数据实际使用范围和模型训练的具体边界。

自建湿实验室补数据，软件公司干了实验服务的活

Cradle 在阿姆斯特丹自建湿实验室，用途是生成专有数据集并提升模型表现。这意味着它不是纯软件公司，成本结构里有实验设备、试剂和实验人员。好处是模型迭代不完全受制于客户数据供给；代价是资本开支和运营复杂度上升，扩张速度受实验室产能约束。

从产品交付看，湿实验室让 Cradle 能对客户承诺“平台+数据”的组合，而不是只卖算法。2024 年 12 月 Adaptyv Bio 蛋白质设计竞赛中，Cradle 以 1.21nM 的 EGFR 结合亲和力获第一，优于 Cetuximab 的 9.94nM；这是该竞赛语境下的单次对比结果，不代表平台在客户项目上的普遍表现。这类外部竞赛结果是它少数可被第三方看到的性能证据。

但这个机制也有明显边界：自建实验室生成的数据是否足以覆盖客户关心的所有蛋白类型，公开资料未披露；实验室产能与商业团队扩张之间的匹配节奏，也没有公开数据可查。

药企为早期研发提速付软件订阅费，不赌分子成功

Cradle 采用纯软件订阅收费，不收特许权使用费、不主张客户分子权益。付钱的是药企的早期研发部门，买单理由是平台能缩短开发周期、降低研发成本。Cradle 对外称客户可将早期研发提速最高 12 倍、成本降低最高 90%，客户报告开发周期最多缩短 18 个月。这些数字是公司自述或客户报告，未经独立验证，但指向的收费锚点很清晰：按软件使用和时间付费，而不是按分子进展抽成。

这个定价机制的好处是收入与客户研发成败脱钩，药企更容易走采购流程；坏处是单客户收入上限受软件预算约束，不像里程碑分成那样能分享分子成功后的巨大收益。Cradle 明确选择前者，等于把分子风险留给客户，自己赚工具钱。

公开资料没有披露订阅的具体档位、按项目还是按席位收费、合同期限多长。收入、毛利率、留存、烧钱率与估值均未披露（据 2026 年 9 月第三方分析），所以无法判断这套订阅模式的实际单位经济。

大药企合作带来项目数，但合同金额和续费行为不透明

从公开信息看，Cradle 的收入线只有软件订阅一条，没有第二收入线披露。2025 年 Cradle 运行 50 多个项目，服务全球前 25 大药企中的 6 家，包括强生与诺和诺德；截至 2024 年 11 月 Series B 时，有 21 家客户、31 个在研分子，客户含前十大药企中的 4 家。客户数在增长，但每个客户贡献多少订阅收入、续费率多少，公开资料未披露。

大药企合作通常从单个项目或试点开始，再扩展为多年合同。第三方分析称拜耳于 2026 年 1 月签署三年合作、灵北于 2026 年 6 月签约，均由客户自行公告；2026 年 10 月 1 日 Hansa Biopharma 也宣布采用 Cradle 平台。这些公告说明获客在继续，但没有披露合同金额，无法判断是七位数还是更小的试点预算。

对订阅模式而言，关键不是签了多少家，而是签约后能否续费、能否扩大使用部门。这两项数据目前都不在公开账本里。

客户是药企早期发现团队，买单的是研发效率而非分子权益

Cradle 的客户画像很集中：有蛋白质药物发现需求的大中型药企，尤其是抗体、酶、肽、疫苗和治疗性蛋白方向。2025 年它服务全球前 25 大药企中的 6 家，包括强生与诺和诺德；2025 年与诺和诺德的合作指向可能成为下一代 GLP-1 药物的治疗候选物开发。这类客户预算充足、研发周期长、对数据合规敏感，正好对应 Cradle“客户保留知识产权”的设计。

但客户集中也带来议价权问题。大药企采购流程长、合规审查重，Cradle 需要投入工程和市场资源去配合，这些成本不体现在订阅价格里。截至 2024 年 11 月的 21 家客户和 31 个在研分子（其中含前十大药企中的 4 家）说明客户基数相对有限，单个客户的流失或缩减对收入影响可能不小，具体影响程度公开资料未披露。

靠大药企客户公告和合作背书获客，销售周期跟着采购流程走

Cradle 的触达方式以直销和客户联合公告为主。Hansa Biopharma、诺和诺德等由客户方或双方公告；拜耳、灵北据第三方分析称由客户自行公告。这种背书对同业的触达效率高于广告投放。2025 年公司宣布各部门员工人数翻倍，Series B 资金也明确用于扩展市场推广，说明它在用人力覆盖更多药企的早期发现部门。

这种渠道的约束是销售周期长。药企从试点到全平台采购要经过数据安全、法务和采购多道流程，Cradle 的 SOC 2 合规和数据隔离是进门条件，但不是成交保证。公开资料没有披露销售团队规模、单客户获取成本或销售周期长度。

钱花在湿实验室和工程团队，软件毛利被实验资产拉低

Cradle 的成本结构有两块硬支出：阿姆斯特丹自建湿实验室的运营，以及工程团队扩张。Series B 资金明确用于扩建湿实验室、扩充工程团队和扩展市场推广。湿实验室意味着设备、试剂和实验人员，这部分成本不随软件订阅收入线性变化，会拉低整体毛利率，但具体毛利率公开资料未披露。

工程团队扩张对应的是模型迭代和多蛋白类型覆盖，市场推广对应的是大药企销售周期。2025 年各部门员工人数翻倍，第三方数据称 2026 年 7 月约 127 人、2026 年 8 月 134 人，人力成本在上升。钱花出去换的是模型效果和客户覆盖，但这两项投入的回报周期比纯软件公司长。

靠风险投资撑到订阅收入规模化，Series B 后融资节奏放缓

Cradle 累计融资约 1.03 亿美元，共三轮：2022 年种子轮、2023 年 2400 万美元 Series A、2024 年 11 月 7300 万美元 Series B，Series B 由 IVP 领投，Index Ventures 与 Kindred Capital 参投。这笔钱支撑了湿实验室扩建、工程团队和市场推广。

自 2024 年 11 月 Series B 后至 2026 年 9 月，未见新融资披露（据第三方分析）。据公开信息推测，公司可能是在用 Series B 资金维持运营并等待订阅收入增长，也可能在准备下一轮但未公开。收入、烧钱率与估值均未披露，无法判断资金 runway。对一家有湿实验室的公司来说，固定成本不低，融资节奏放缓是一个需要关注的信号。

护城河是客户数据加自建数据的组合，但性能证据多为自测

Cradle 的护城河不在算法本身，而在数据闭环：客户用自有数据训练模型，Cradle 同时用自建湿实验室生成专有数据，两边叠加让模型在特定蛋白类型上表现更好。客户保留知识产权，降低了数据交出的心理门槛，也让 Cradle 能持续获得训练数据。数据隔离与 SOC 2 合规是这套机制的基础设施。

但这条护城河目前缺乏独立验证。据第三方分析指出，Cradle 性能数据多为自测、未经同行评审，且案例合作方被隐去，构成验证风险。2024 年 12 月 Adaptyv Bio 竞赛的 EGFR 结合亲和力 1.21nM 是少数外部可查的结果，但单一竞赛不足以证明平台在客户真实项目上的普遍表现。

换句话说，Cradle 的护城河建立在“客户愿意持续交数据”和“模型效果可复现”两个假设上，前者有合同和合规安排支撑，后者公开证据不足。

性能数据自测且未经同行评审，客户验证成本高

Cradle 对外宣传的提速 12 倍、成本降低 90%、开发周期缩短 18 个月，均为公司自述或客户报告，第三方分析指出其性能数据多为自测、未经同行评审，且案例合作方被隐去。对药企客户来说，采用平台前需要自己做验证，这延长了销售周期，也给了竞品对比空间。

这个风险不会立刻体现在收入上，但会影响续费和扩展。如果客户在真实项目里得不到宣传中的效果，订阅续费就会承压。公开资料没有披露客户续费率或项目成功率，无法量化这一风险。

收入与融资节奏不透明，湿实验室固定成本压着现金流

Cradle 的收入、毛利率、留存、烧钱率与估值均未披露（据 2026 年 9 月第三方分析），自 2024 年 11 月 Series B 后至 2026 年 9 月也未见新融资披露。与此同时，公司有自建湿实验室和翻倍的员工规模，固定成本不低。

如果订阅收入增长不够快，资金压力会先体现在招聘放缓和实验室扩张节奏上。对客户而言，供应商的财务稳定性也是采购考量，尤其是多年合同。这个风险的触发条件不是技术失败，而是收入增速与成本结构不匹配，而这两项数据目前都不公开。