Mosaic 获 4700 万美元种子轮融资，开发用于外科手术的空间智能

Mosaic Intelligence Labs 于 2026 年 11 月 10 日宣布结束隐身模式，获得 4700 万美元种子轮融资，用于开发支持感知的空间智能和外科手术机器人系统，初期将聚焦通过血管系统实施的手术。

这家总部位于旧金山的公司表示，8VC、Fundomo、Lingotto Innovation 和 Obvious Ventures 均为其投资方。首席执行官 Ileana Pirozzi 和首席技术官 Alison “Ali” Kight Mackanic 在斯坦福攻读博士学位期间相识，之后共同创立了 Mosaic。她们与临床医生并肩工作的经历让她们看到，难度较高、创伤较小的手术往往仍依赖个别操作者掌握的经验。

Pirozzi 表示：“我们总会回到一个问题：怎样才能推广最优秀外科医生的经验？我们认为，第一步是让机器具备感知能力，并将反复进行的手术转化为可供我们学习的经验。”

从血管内手术开始

Mosaic 初期瞄准的是血管内治疗。在这类手术中，医生会将柔性导丝和导管穿过血管，送达治疗部位。Mosaic 将血管描述为通往几乎所有器官的路径，但操作者无法直接看到血管内部的情况。他们需要依靠实时 X 光成像、术前扫描以及器械传递的触感，判断器械所在位置和前方情况。

该公司指出，辐射暴露以及手术结果因操作者经验而异，是这一工作流程的局限。解读现有信号可能需要多年实践，而由此积累的许多知识很难记录或传授。由此形成一种矛盾：手术通路的创伤性已经降低，但器械导航仍在很大程度上依赖持械者的感知和判断。

作为背景信息，Mosaic 的网站将开放手术的 20–30 厘米切口、钥匙孔手术的 1–2 厘米通道，与血管内手术仅 2 毫米的针刺入口进行了对比；网站还列出中风治疗、冠状动脉阻塞清除、动脉瘤修复和恢复肢体血流等当前应用。这些应用范围有助于说明，Mosaic 为何将血管导航视为一项可在多种手术中重复应用的能力。

让手术器械形成学习闭环

这项技术设计首先从为手术器械与人体组织的接触点配置传感器开始。Mosaic 计划将这些传感器读数与计算技术结合起来，从血管内部重建血管环境，并随着环境变化持续呈现解剖结构和器械位置的三维图像。机器人接口将支持对器械进行精准控制。

该学习架构将把周围环境、器械运动和医生操作记录为同步数据流。随后，物理模型将帮助系统把感知到的信息与自身移动所产生的结果联系起来。该公司在公告中将这一方法与机器人领域的“世界模型”概念联系起来：世界模型是对环境的表征，可帮助机器预测自身行动将如何改变环境。

所有这些能力目前仍是开发目标；这份公告没有提供任何患者治疗结果或临床表现数据。近期目标是辅助医生进行感知和控制，而记录下来的手术过程则旨在随着时间推移，成为机器持续学习的知识来源。

招聘人才，着眼长期治疗目标

Mosaic 正在旧金山招聘工程师、医生和创意人才。空缺职位涵盖硬件工程、传感、感知、机器学习和临床工程，与这项横跨实体器械、软件、机器人技术和临床实践的技术研发相匹配。

Mosaic 的长期目标是拓展通过这些血管通路实施的治疗。该公司表示，导管可以将药物、能量、生物制剂和其他疗法直接输送至目标部位；更可靠的导航技术有望拓展经由血管输送的治疗种类，以及临床医生能够提供这些治疗的场景。

Mosaic 的近期产品挑战与长期数据目标密切相关：必须先确保导航在单次手术中可靠运行，这些手术过程才能为机器持续学习提供有用的基础。