财务数据和关键指标变化 - 2026年第一季度收入为1900万美元，较2025年第一季度的3730万美元下降49% [7] - 2025年第一季度收入包含与BiomEdit协议共同终止相关的750万美元非现金收入，若剔除该影响，2026年第一季度收入同比下降37% [7] - 2026年第一季度研发费用为3000万美元，较2025年第一季度的4900万美元下降38% [9] - 2026年第一季度一般及行政费用为1300万美元，较2025年第一季度的2000万美元下降35%，这些下降均源于公司的重组努力 [9] - 2026年第一季度持续运营净亏损为7600万美元，而去年同期亏损为8300万美元，亏损同比减少主要归因于重组努力 [9][10] - 2026年第一季度调整后EBITDA为负4200万美元，略低于2025年第一季度的负4400万美元 [10] - 调整后EBITDA包含1600万美元的闲置租赁场地持有成本，该成本为现金运营成本，目前与创收无关，但可通过转租缓解 [10] - 2026年第一季度现金消耗为4800万美元，较2025年第一季度的5800万美元下降17% [11] - 2025年10月，公司修改并重置了与谷歌云的年度承诺，金额为1400万美元，此举使未来最低承诺额较原始条款减少超过1亿美元，并将承诺期限从3年延长至6年 [11] - 2026年第一季度支付了上述1400万美元给谷歌云，并计入当季现金消耗，若剔除该笔付款，现金消耗较去年同期显著下降，这是重组的直接结果 [11][12] - 公司重申2026年全年现金消耗指引为1.25亿至1.5亿美元，该范围反映了成本效益、持续的服务与工具业务以及对自主实验室进一步投资之间的平衡 [13] 各条业务线数据和关键指标变化 - 公司已完成生物安全业务的剥离，该业务自2026年3月31日起被列为终止经营业务，公司目前作为单一部门运营 [5][6] - 自主实验室系统“Nebula”已整合超过80种实验室设备，并计划在一周内将可重构自动化推车（RAC）数量从50多个增加到103个 [24][27][33][37] - 在Nebula系统上，科学家（非自动化工程师）已提交并运行了100多个协议，其中超过30个是独特的协议 [31][34] - Nebula系统在高峰日有约439名科学家提交协议，这证明了其易用性和可扩展性 [35] - 云实验室服务“Ginkgo Cloud Lab”已于上一季度启动，客户可通过网站提交协议并获得报价，价格具有竞争力 [47][48] - Ginkgo Datapoints服务在推出约一年半后，已与全球10大生物制药公司中的10家展开合作 [53][65] - 公司已与亚马逊（Amazon Bio Discovery）、Benchling和Tamarind Bio等平台建立新的渠道合作，主要围绕抗体发现领域 [50][51] - 解决方案业务拥有超过250个研究合作伙伴关系，涵盖制药、工业生物技术和农业生物技术等领域 [54] 各个市场数据和关键指标变化 - 美国政府在自主实验室领域有新的政策行动，包括白宫的“Genesis Mission”以及国家科学基金会资助1亿美元用于云实验室和自主实验室网络 [40][42] - 公司观察到药物发现工作有向中国转移的趋势，部分原因是中国科学家的薪酬约为美国的三分之一 [41] - 公司已与太平洋西北国家实验室（PNNL）签署了一份价值4700万美元的新合同，将为其安装一个包含近100个RAC的大型自主实验室系统 [43] 公司战略和发展方向和行业竞争 - 公司2026年的核心战略是投资并赢得“自主实验室”这一类别，认为实验室工作是生物工程的根本瓶颈 [1][14] - 公司通过类比交通行业（地铁、汽车、Waymo自动驾驶车）来解释其“自主实验室”愿景，旨在结合工作站的灵活性与工作单元的自动化水平，实现无需人类干预即可运行任意协议的实验室 [15][18] - 公司认为自主实验室的价值主张明确：可大幅节省空间成本（约减少三分之二），并将实验室可用时间从每周40小时提升至168小时（24/7运行），从而提升研究生产力和数据产出 [19][20][21][22] - 公司的硬件解决方案是“可重构自动化推车”（RAC），每个推车围绕一个实验室设备构建，可通过轨道系统像乐高积木一样组合成大型设置 [24] - 公司的软件核心是名为“Catalyst”的调度器，能够处理复杂的调度问题，允许多个不同协议同时灵活地插入运行，而非传统的批处理模式 [35][38][39] - 公司利用AI编码工具（如Codex、Claude Code）来降低科学家使用自主实验室的门槛，将科学家的自然语言意图转化为控制实验室的代码 [36] - 公司将云实验室、Datapoints和解决方案等服务视为其“星链”（Starlink），即在自有平台上运行服务业务，既能创收，又能反复测试和验证自主实验室平台 [14][45][46] - 公司认为AI科学家（如与OpenAI的合作项目）利用自主实验室进行“实验闭环”研究是改变科学方式的重要趋势，并展示了通过6轮设计将无细胞蛋白质合成成本降低40%的成果 [20][25][49][68] - 公司面临来自硅谷新公司的竞争，以及AI前沿实验室对自主实验室应用日益增长的兴趣 [1] 管理层对经营环境和未来前景的评论 - 管理层认为自主实验室类别正受到越来越多的关注，公司正走在正确的轨道上 [1] - 管理层对完成生物安全部门（Perimeter）的剥离感到高兴，认为这使公司能更专注于自主实验室，同时Perimeter也能在专注于国防科技的新投资者支持下独立发展 [2][3] - 公司现金状况强劲，截至2026年第一季度，拥有3.73亿美元现金且无银行债务，资本充足，足以支持在自主实验室领域的追求 [4] - 管理层认为2026年是公司在保持成本效益的同时，投资于AI、机器人和软件以将自主实验室带给生物科学客户的一年，公司已从纯粹专注于重组行动转向同时关注成本效益和投资机会 [12] - 管理层对现金消耗效率的持续改善和2026年的业务追求感到满意 [13] - 管理层认为，若想保持竞争力，美国需要以根本不同的方式进行科学研究，不能仅仅依赖过去的人才优势 [41][42] - 管理层相信，自主实验室结合AI科学家，可以大幅提高科学产出速率，从根本上改变以制药为首的科学型产业 [70][71] - 管理层对Nebula的进展感到兴奋，认为其是展示生物技术研发更好方式的独特资产，并希望将其推广至每家公司以取代其传统实验室工作站 [58][59] 其他重要信息 - 公司已提交8-K表格，其中包含了2023、2024和2025财年基于持续经营业务的模拟财务信息 [6] - 公司上一季度接待了超过600名访客参观其设施，并每周提供参观服务 [45] - 公司鼓励投资者通过社交媒体关注其进展，并提供了投资者关系联系邮箱 [85] 总结问答环节所有的提问和回答 问题: 应如何评估AWS和Benchling合作公告对今年收入的潜在影响？这些平台启动至今情况如何？公司对2026年剩余时间这些新平台的假设中包含了哪些预期？ [60] - 这些合作是销售渠道的新尝试，目前尚未带来大量咨询，但已通过该渠道接触到一些客户，令人兴奋 [61] - 合作目前主要围绕抗体领域展开，因为该领域已有一些AI模型，但公司的云实验室服务范围更广，已发布约10种协议且每周新增，涵盖质谱、代谢组学等多种类型 [61][62] - 管理层最期待的是未来能实现科学家直接从电子实验笔记本等界面提交任意协议并获得报价和运行的模式，这更接近AWS云计算的成功模式，而当前合作仍处于较窄的抗体领域起步阶段 [62][63] 问题: 随着生物技术和制药公司继续推出自己的AI能力，客户如何看待Ginkgo Datapoints和其AI驱动产品集的吸引力？需求动态如何？该业务部分在未来几个季度是否有潜在的收入渠道解锁值得关注？ [65] - Ginkgo Datapoints在约一年半内已与10家顶级制药公司合作，令人兴奋 [65] - 收入解锁的关键在于客户的重复业务，公司已开始看到从试点项目、数据生成项目到重复需求的趋势 [65] - 由于生物数据模型更具专业性且各公司数据集不同，预计未来会出现许多公司拥有自己的内部模型（例如蛋白质模型），这比在推理和编码领域更常见 [66] - 随着客户构建内部模型并看到数据回报和模型性能提升，他们会产生“给我更多数据”的需求，这就是收入解锁点，公司希望成为默认的数据提供商，类似于Scale AI在图像和语言模型早期的发展路径 [66][67] 问题: 基于与OpenAI的合作项目，使用GPT-5后带来了多少效率提升？还有多少改进空间？这会是一个转型因素吗？ [68] - 与OpenAI的合作项目使用GPT-5（非5.5），经过6轮实验设计，在科学目标上实现了比现有技术先进水平40%的改进 [68] - 存在许多有趣的问题：改进空间还有多大？模型能否产生突破性想法？更好的模型（如5.5）是否会表现更佳？公司计划与OpenAI进行更多合作 [68] - 这种“推理模型+自主实验室”的方式是一种新的科学研究方式，它可以让单个科学家像拥有一个团队那样运作，大幅提升科研速率，这正是美国“Genesis Mission”投资此类技术以期将美国科学产出翻倍的原因，也将彻底改变制药等科学型产业 [69][70][71] 问题: 迁移到自主实验室Nebula如何影响整体成本、实验速度（如周转时间）、成功率、可重复性或可扩展性？ [72] - 成本：明确的投资回报率在于空间利用率相比人工实验室减少约三分之二，且实验室使用时间从每周40小时增至168小时（24/7），这些是研发中人力成本和空间成本两大支出的主要改善点 [73] - 速度：单个协议本身不一定更快，但由于可以随时启动实验（例如下午4点开始，通宵运行），科学家可以利用每周4倍的可用时间，从而在实际中大幅缩短获得结果的时间，理论上根据实验序列可看到高达4倍的改进 [74][75] - 质量与可重复性：自动化天然有利于可重复性，因为所有操作均有审计追踪，错误更容易被发现和纠正，减少了人工操作中因无意识失误导致的不可重复结果 [76] - 通量：通量提升将非常显著，云实验室的定价基于试剂和设备时间，远低于人工实验室的团队成本，这将促使科学家订购更多实验，导致数据量爆炸式增长，类似于计算自动化带来的变革 [77][78][79][80] 问题: 公司提到正在努力达到100个RAC，预计何时能实现？ [81][83] - RAC的安装已持续进行三周，新增的50个RAC已全部连接完毕，现有系统（原50多个）和新系统（新增50个）目前作为两个独立循环运行，它们之间的连接预计在5月14日（即下周）启用，达到103或105个RAC的目标已迫在眉睫 [83][84] - 在三周内集成50台新设备是实验室自动化领域前所未有的成就，体现了公司所做工作的独特性 [84]