证据置信度
低
公司注册与团队学术履历较硬，商业化与运营现状证据稀薄
风险等级
中–高
单一董事、未见机构融资、公开信息近两年基本静默
观察时间窗口
12–18 个月
非买卖时点，仅为证据观察期限
核心判断（大白话）：abYcloud 是一家从 UCL（伦敦大学学院）药学院与结构分子生物学系博士项目里孵化出来的早期公司，把"抗体-抗原结构预测、表位预测、结合特性数据库检索"这类原本需要生物信息学博士手动完成的分析工作，打包成一个叫 Axiom 的 SaaS 工具，卖给做抗体药研发的科研人员和药企——本质上是"研发流程里的效率插件"，不是自建实验室、独立做候选抗体管线的重资产抗体研发商。值得继续观察，是因为团队有真实、经过同行评审的技术底子（核心成员在 2024 年于顶会 NeurIPS 上发表了抗体表位预测基准数据集论文，导师之一是抗体信息学领域知名学者 Andrew Martin），而且踩在了 AI 抗体发现这个高速增长赛道的顺风上。但当前判断被三件事严重卡住：一是公开资料查不到任何机构融资记录，公司注册地址是伦敦一处普通住宅公寓单元；二是英国 Companies House 官方登记仅有 1 名董事，另一位公开报道中的联合创始人未见登记为公司高管；三是除 2024 年年中一篇 UCL 官方案例研究外，过去约两年几乎没有新的公开报道、客户案例或团队信息更新，无法排除项目已实质放缓的可能。判断
商业本质
把抗体-抗原结构预测、表位预测和知识库检索这类原本需要生物信息学博士手动完成的分析工作，做成好用的云端 SaaS 工具，卖给已经有湿实验流程的科研人员和药企做"提效插件"，而非自建湿实验室或临床管线的重资产抗体研发商。
吃的贝塔
AI 辅助抗体发现赛道本身处于高速扩张期（行业预测 2026–2031 年复合增速约 24.61%），叠加"传统抗体药开发周期长达 5–15 年、成本高企"这一长期存在的行业老问题，给任何声称能压缩周期的工具类产品提供了真实的需求土壤。
Alpha
这里的"Alpha"指公司自身相对同业的稀缺优势——abYcloud 的 Alpha 目前主要体现在创始团队的学术起点：核心技术合伙人在 UCL 期间发表了经同行评审、被 NeurIPS 2024 接收的抗体表位预测基准论文，导师团队包含抗体信息学知名学者，技术起点不是纯营销包装；但相对头部对手，尚未看到与之匹配的资金规模、专有数据积累或湿实验验证闭环。
验证门槛
能否在未来 12–18 个月内拿出至少一项独立于创始团队自述的证据——哪怕金额不大的机构融资、一家可核实的付费客户、或团队与治理信息的公开更新——证明 Axiom 已经从"UCL 加速器毕业项目"进阶为"有人愿意为其买单、且持续在运营的产品"。
事实有独立信源可查的客观陈述
推断基于事实的合理演绎
判断分析师综合评估结论
待确认单一信源/企业自述/存在口径冲突
1
它所在的产业大棋局与行业本质
先说结论
AI 抗体发现行业存在的根本原因是传统抗体药开发"周期长、成本高、失败率高"的老问题；行业预测显示这个细分市场正处于高速扩张早期（2026–2031 年复合增速约 24.61%）。但在价值链上，真正能兑现经营结果的，是那些把"计算设计"与"湿实验验证/临床管线"打通、并已经拿到大额风险投资的平台型公司，纯软件工具层目前更容易被视为"辅助手段"而非独立的高价值品类。判断
行业为何存在
传统抗体药物开发普遍需要 5 到 15 年时间，行业内广泛引用的单个新药开发成本估算高达数十亿美元量级（UCL 官方案例研究中引用约 22 亿英镑这一常见行业成本口径）；抗体在生物制剂中占比高、临床价值大，因此"用 AI 缩短结构预测、表位预测、亲和力筛选等前期计算环节的耗时"成为行业公认的真实需求。事实（行业周期与成本数字为公开引用的行业通用估算口径，非 abYcloud 自身数据，具体来源见第10章）
细分成熟度
行业内已经出现多家完成大额融资甚至进入临床阶段的公司（如 Absci、AbCellera、Generate Biomedicines），说明"AI+抗体设计"这条技术路线在资本市场层面已获得较强验证；但把 AI 预测结果转化为真正的临床候选抗体，仍高度依赖湿实验验证与药企合作，纯计算工具层的商业模式成熟度明显滞后于头部平台型公司。推断
价值链上谁更容易赚钱
抗体研发价值链大致可分为：靶点/抗原选择 → 计算设计与预测 → 湿实验验证/亲和力测定 → 临床前与临床开发（见图2）。目前资本市场明显更愿意为"计算+湿实验一体化"甚至"已有临床候选物"的公司定价，因为这类公司能够自我验证预测结果并直接产出可授权/可推进临床的资产；单纯的计算工具/知识库类产品，价值主张更接近"效率插件"，议价能力相对有限。判断
真正兑现经营结果的是谁
能把"AI 抗体设计"变成实际收入或临床进展的公司，目前看主要是两类：一类是已完成数千万至数亿美元融资、自建高通量湿实验验证能力的平台型公司（如 Chai Discovery、BigHat Biosciences、LabGenius）；另一类是已经推进候选物至临床阶段、具备端到端能力的公司（如 AbCellera、Generate Biomedicines）。像 abYcloud 这样仅覆盖"计算设计"单一环节、尚无公开融资记录的早期团队，目前更接近这条价值链上最容易被质疑"能否独立创造经营结果"的位置。判断
当前结论：行业真需求成立、且处于资本快速涌入的窗口期，但价值链上更容易赚钱的是"计算+湿实验"一体化或已进入临床阶段的公司；abYcloud 目前仅覆盖计算工具这一薄环节。反转信号：若纯计算工具类公司出现规模化独立付费收入的公开案例，说明该环节本身可以独立创造经营结果，行业价值分配判断需要调整。
2
创始人与团队
先说结论
团队学术起点扎实、方向对口（结构分子生物学 + 药学 + 机器学习），但英国官方公司登记显示治理结构明显不完整——仅 1 名注册董事，团队规模、股权分配、是否有专职商业化负责人均未见公开披露，这是本报告证据最薄弱的章节之一。判断
Shibo Wu —— abYcloud Ltd 唯一注册董事
英国 Companies House（公司注册局）官方登记显示，abYcloud Ltd（公司编号 15756706）自 2024 年 6 月 2 日成立以来，Shibo Wu 是登记在册的唯一董事（中国籍），公司显示"1 名官员 / 0 名离职"。公开资料确认其与 Chu'nan Liu 共同来自 UCL 药学院及结构分子生物学研究系。事实
Chu'nan Liu —— 联合创始人，结构生物信息学背景，未见登记为公司高管
公开报道（UCL 官方案例研究）将其列为 abYcloud 联合创始人，UCL CDI（数字创新中心）AWS 博士奖学金获得者，研究方向为结构生物信息学。其作为第一作者在 2024 年发表了抗体表位预测基准数据集论文《AsEP: Benchmarking Deep Learning Methods for Antibody-specific Epitope Prediction》，该论文被机器学习顶会 NeurIPS 2024（数据集与基准赛道）正式接收，合作者包括 UCL 抗体信息学知名学者 Andrew Martin 及机器学习学者 Brooks Paige。但截至可查资料，英国 Companies House 官方登记的 abYcloud Ltd 董事名单中未见其名字。事实（学术履历） / 待确认（是否正式持股任职）
团队规模化能力
公开可查资料中没有团队人数、岗位配比、是否有专职商业化/销售负责人的任何披露；公司官网没有团队介绍页面。基于"两名 UCL 博士背景创始人 + 12 周加速器培育"的成长路径，目前更接近极早期的小团队/学术项目转公司阶段，尚无法判断其规模化执行能力。待确认
技术背书：UCL 数字创新中心（CDI）+ AWS
abYcloud 于 2024 年参加 UCL Centre for Digital Innovation（由 AWS 提供支持）第五期 Impact Accelerator（12 周项目），获得 AWS 高级解决方案架构师及 UCL 高级研究计算团队的技术指导，将产品从本地 MVP 迁移为基于 AWS 的无服务器架构。该项目性质更接近技术/孵化支持，公开资料未披露是否涉及股权投资。事实 / 待确认（是否涉及股权）
明确短板与待核证点
（1）唯一注册董事的治理结构下，关键人风险高度集中；（2）联合创始人 Chu'nan Liu 是否全职投入 abYcloud、是否已正式持股任职未见披露；（3）注册地址为伦敦 SE1 一处公寓单元（Apartment 69, 1 New Tannery Way），更接近个人居住地址而非独立办公场所，团队实际运营规模存疑；（4）无公开披露的商业化/市场负责人。待确认
当前结论：团队学术底色真实可信，但公司治理与团队完整性的公开证据明显不足，不支持"已具备规模化执行能力"的判断。反转信号：若 Companies House 登记新增董事/股东信息，或官网公开完整团队页面，团队适配度判断可上调。
3
产品、技术与真实需求
先说结论
Axiom 平台的功能矩阵（数据清洗、结构/表位预测、3D 可视化、抗体知识库）清晰对应科研人员在抗体研究中的真实痛点，技术起点有同行评审论文支撑，不是纯概念包装。但目前所有性能宣称（如"2-3 周缩短至 2 天"）均为企业自述的单一案例，没有看到独立第三方或同行评审的交叉验证，需求"真实存在"与"效果被独立证实"是两回事。判断
解决什么问题、替代什么旧方案
Axiom 主要解决科研人员在抗体研究早期阶段的三类痛点：抗体-抗原结构与结合特性数据分散、缺乏统一标准化整理（对应"数据清洗服务"）；结构预测、表位预测、结合亲和力/结合自由能预测等分析步骤需要生物信息学专业技能手动完成（对应"AI 预测"）；抗体-抗原相互作用的空间关系难以直观理解（对应"3D 可视化"，含 CDR 高亮、残基间距离测算）。它替代的是科研人员手动检索公开数据库、自行搭建计算流程或依赖高校计算资源完成上述分析的传统方式。推断
技术真实性
技术真实性的主要支撑证据：（1）联合创始人 Chu'nan Liu 作为第一作者发表的《AsEP》论文提出了抗体表位预测的标准化基准数据集，并提出新方法 WALLE（结合蛋白质语言模型与图神经网络），据论文自述相较基线方法有 3–10 倍性能提升，该论文经同行评审被 NeurIPS 2024 数据集与基准赛道正式接收；（2）产品技术栈基于 AWS 无服务器架构（ECS/Batch 承载 AI 与生物信息学流水线、Lambda/Step Functions/DynamoDB 承载工作流），有 AWS 解决方案架构师参与搭建。事实（NeurIPS 论文本身与商用 Axiom 平台之间的具体技术转化关系未见官方说明，见第9章尽调问题）
需求真实性与兑现边界
需求真实性总体成立——科研人员确实需要更快、更标准化的抗体分析工具，这一点由行业整体高增速（见图1）与公司技术团队的学术信誉共同支撑。但兑现边界目前非常窄：官网未见任何独立第三方性能评测、未见发表在同行评审期刊上的产品级验证结果（NeurIPS 论文验证的是学术基准数据集上的方法性能，不等于商用平台在真实客户场景下的效果）；"2-3周缩短至2天"这一具体案例仅见于 UCL 官方案例研究转述的企业自述内容，缺乏独立信源交叉验证。待确认
当前结论：技术起点真实可信，产品功能设计对应真实科研痛点，但商用平台层面的效果验证证据薄弱，主要依赖企业自述。反转信号：若出现独立第三方（非创始团队）发表的产品效果验证案例，需求兑现边界判断可上调。
4
商业模式、客户与落地证据
先说结论
商业模式设想是面向科研人员和药企的 B2B SaaS，但公开资料里没有定价信息、没有客户名单或案例研究、也没有收入或续费数据——唯一可查的"用户验证"是 UCL 加速器项目内部的用户测试反馈，这与"独立市场化付费客户"存在明显距离，是本报告落地证据最薄弱的一章。判断
谁使用、谁付钱
目标使用者是从事抗体药物研发的科研人员、生物信息学团队及药企研发部门；官网未公开定价页面、订阅层级或付费方式，无法判断当前是否已有真实付费客户，还是仍处于产品试用/免费推广阶段。待确认
如何交付、复制条件
产品以云端 SaaS 形式交付（axiom.abycloud.net 为平台登录入口），基于 AWS 无服务器架构，理论上具备较低的边际交付成本和较强的可复制性；但复制条件依赖持续的模型迭代能力和数据积累，而这两点又依赖团队规模与资金投入——目前两者均证据不足（见第2章）。判断
合作新闻 vs 真实付费证据
UCL 官方案例研究提到"用户测试获得压倒性积极反馈"，但这是加速器项目内部测试，参与用户数量、机构类型、是否已转化为长期付费关系均未披露。本报告将其明确标注为待确认的合作/试用信号，不等同于独立的市场化付费证据；截至可查资料，没有找到任何命名的付费客户、合作药企或收入披露。
国际化/中国市场信号
abYcloud 官网同时提供英文与中文版本，且公司识别线索显示计划在 WAIC 2026（世界人工智能大会，上海）参展。这是一个值得关注的市场拓展信号——对一家英国早期公司而言，主动准备中文材料并寻求在中国最大规模的 AI 展会之一亮相，可能指向拓展中国科研/药企客户或对接中国资本的意图；但该展位信息目前仅来自任务提供的线索，未能在公开的 WAIC 官方展商资料中独立核实（见第10章），也未见公司官方就此单独发布的公告。待确认
当前结论：商业模式设想清晰，但目前没有任何独立可查的付费客户或收入证据，仍处于"产品已上线、商业化未被证实"的阶段。反转信号：若出现至少一家可核实的付费客户或收入披露，商业模式判断可显著上调；若持续两年以上零客户证据，评级应下调。
5
竞争与替代关系
先说结论
AI 抗体发现赛道的竞争格局已经出现资金体量相差数十倍甚至上百倍的分层——已披露融资从千万美元级到近八亿美元级不等（见图3），且不少对手已具备湿实验验证甚至临床阶段能力。abYcloud 与同处伦敦的 LabGenius 形成直接地理竞争，但资金和成熟度明显落后；"药企自建计算团队"或"继续沿用传统实验筛选、不采购 AI 工具"同样是真实存在的替代选项。判断
同类公司对比
行业内公开可查的代表性对手包括：Chai Discovery（快速成长的 AI 药物发现平台，B 轮融资 1.3 亿美元）、Absci 与 AbCellera（已上市的生成式抗体设计平台）、Nabla Bio（哈佛/MIT 系，A 轮融资 2600 万美元）、Earendil Labs（私募轮融资 7.87 亿美元）、Generate Biomedicines、BigHat Biosciences、LabGenius（伦敦本地，ML+湿实验一体化，被行业报告列为该赛道"挑战者"梯队）、Antiverse、Adimab 等。abYcloud 在融资规模、湿实验能力、行业曝光度上均明显落后于上述公司。事实
上下游自研与传统方案
大型药企普遍具备自建计算生物学/AI 团队的能力，对是否采购第三方早期计算工具持谨慎态度；传统的抗体筛选方法（如噬菌体展示、杂交瘤技术）依然是行业默认基准，"继续沿用传统实验方法、不采购新 AI 工具"本身就是一种真实存在且低风险的替代选择，尤其对于预算有限或对新工具持保守态度的科研团队和药企。判断
比较口径说明
本章对比口径以"已披露融资规模"和"是否具备湿实验验证/临床能力"为主，因为这是目前该赛道内可以找到多方独立信源交叉印证的相对客观维度；abYcloud 与上述公司在营收、客户数量等维度均缺乏可比的独立披露数据，本报告不做营收/客户规模层面的强行对比（见第9章尽调问题）。
当前结论：abYcloud 在资金规模、湿实验能力和行业曝光度上明显落后于行业内已获大额融资或进入临床阶段的对手，其生存空间更可能在于差异化的细分定位（如面向预算有限的学术/小型 biotech 客户），而非与头部平台正面竞争。反转信号：若能证明清晰的细分市场定位和差异化获客策略，竞争位置判断可上调；若长期无法与任何一类客户建立稳定关系，长期生存概率应下调。
6
关键争议
先说结论
选取三个真正影响业务判断的争议命题：公司是否仍在实质运营、纯计算工具层是否具备独立商业化能力、团队治理缺口是执行力问题还是文档滞后。三个争议目前的现实基准都偏谨慎，是本报告将评级定为"有条件观察"而非更积极档位的核心原因。判断
争议一：公司当前是否仍在实质运营，还是已进入事实上的停滞状态？
乐观情景
公司在 2024 年年中加速器结业后持续低调打磨产品、拓展早期客户，2025–2026 年虽无重大公开报道，但内部已积累一定客户基础，只是尚未做市场传播；即将启动的融资或 WAIC 展会曝光是新一轮增长的起点。
悲观情景
加速器项目结束后公司未能获得后续融资或客户验证，团队精力分散（如核心成员转向其他职业方向），产品维护逐步停滞，仅因未主动注销而在 Companies House 保持"Active"状态。
现实基准
Companies House 确认声明按期提交、账目按期申报，说明公司在法律意义上持续维持存续状态，但这不足以证明产品和商业化在积极推进——"合规存续"与"业务活跃"是两个不同维度的证据，仅凭前者不能得出后者的结论。
当前判断：现实基准情景概率最高——公司法律存续但业务活跃度证据不足，这也是本报告将评级定为"有条件观察"而非"跟进/值得深挖"的关键原因之一。
争议二：纯计算/知识库工具层，能否独立支撑一门可持续的 SaaS 生意？
乐观情景
大量预算有限的学术实验室和小型 biotech 无力负担头部平台的高价服务，对轻量、易用的计算工具有稳定的长尾付费需求，abYcloud 凭借较低定价和易用性建立起一个规模虽小但可持续的订阅业务。
悲观情景
随着开源基础模型（如结构预测、蛋白语言模型类工具）持续迭代且免费/低价可得，纯计算工具层价值被迅速商品化，缺乏专有数据或湿实验闭环的团队难以维持差异化定价能力，最终要么被并购、要么被市场边缘化。
现实基准
纯工具层生意在其他计算生物学子领域确有可持续的长尾案例，但通常需要持续的产品打磨、口碑积累和多年时间，短期内既不会显著爆发也不会立即消失，商业验证周期本身就需要更长的观察窗口。
当前判断：纯工具层生意并非不可行，但需要更长时间验证，目前证据不足以支持积极评级，留作后续观察变量。
争议三：Companies House 仅登记 1 名董事，是治理缺口还是单纯的文档滞后？
乐观情景
Chu'nan Liu 实际上以顾问、技术合伙人或未持股雇员身份参与，公司治理和执行力并未受实质影响，仅是登记文书尚未更新或双方对正式职务安排另有约定。
悲观情景
核心技术合伙人已经淡出公司实际运营（例如转向学术界或其他产业界职位），当前仅由单一创始人维持公司法律存续，技术迭代能力和产品判断力已大幅弱化。
现实基准
英国许多早期初创公司确实存在"股权/顾问关系"与"正式董事登记"不同步的情况，这本身不是异常信号；但在缺乏其他佐证（如团队页面、社交媒体活跃度）的情况下，无法排除悲观情景，需要保持谨慎。
当前判断：无法在现有公开信息下区分"正常的文书滞后"与"实质性团队流失"，这是本报告设定 12–18 个月观察窗口、并将其列为第9章最高优先级尽调问题的核心原因。
7
决定成败的因果链
先说结论
存在两条并行的因果链——"学术信誉拉动"链条相对确定但尚未看到转化为收入的证据，"中国市场/WAIC 曝光拉动"链条弹性更大但目前是本报告证据最薄弱的推测环节。两条链条目前都停留在第一到第二环，尚未有任何独立披露的经营结果可验证。判断
链条一：学术信誉拉动（相对确定，尚未验证转化）
关键变量
团队学术信誉（NeurIPS 论文 + UCL/AWS 加速器背书）
↓
传导机制
吸引科研圈早期用户试用 Axiom，积累口碑与使用反馈
↓
经营结果
早期用户转化为付费客户或数据合作方，反哺模型迭代与专有数据积累
链条会在这里断：学术信誉能带来"愿意试用"的用户，但不必然带来"愿意付费"的客户——尤其在开源工具日益成熟、竞品资金远超 abYcloud 的背景下，试用用户可能长期停留在免费/临时使用阶段，无法转化为可持续收入。
链条二：中国市场/WAIC 曝光拉动（弹性更大，确定性最低）
关键变量
官网中文化 + 计划参展 WAIC 2026（线索未独立核实）
↓
传导机制
若确认参展并接触中国药企/科研机构/投资人，获得新增曝光与潜在合作意向
↓
经营结果
在竞争没有欧美市场拥挤的细分区域，找到早期客户或战略投资，绕开与头部对手的正面竞争
链条会在这里断：若展位信息本身有误或仅为品牌曝光而非实质商务拓展，或中国市场准入涉及数据合规、本地化服务等额外投入而团队资源不足以支撑，该链条可能长期停留在"曝光"阶段，无法转化为合作或收入。
什么信号会让评级升级：出现任何一项独立可核实的机构融资、付费客户、团队/治理信息更新，或 WAIC 参展及后续商务合作被官方确认。
什么信号会让评级降级：公司连续多个财报周期无实质进展披露、Companies House 出现董事辞任/公司状态变更为清算或解散、核心技术合伙人被证实已完全脱离公司。判断
当前结论：两条链条目前都处于第一到第二环，尚未有任何独立披露的经营结果可以验证任何一条已经跑通。反转信号：见上文升级/降级触发条件。
8
风险与预警信号
先说结论
核心风险集中在治理集中度（单一董事）、资金可持续性（未见任何机构融资）与商业化验证缺失（无客户/收入证据）三方面，风险等级判定为"中–高"；这些风险共同指向同一个根本问题——公开证据不足以证明公司正在积极、规模化地运营。判断
风险清单（聚焦业务与经营风险，不涉及交易层面判断）
| 风险 | 等级 | 传导链 | 可观察信号 | 反转条件 |
|---|
| 治理集中 / 单一董事风险 |
中–高 |
仅1名注册董事，联合创始人未见正式登记 → 关键人集中度高 → 若唯一董事出现变动，公司决策与运营连续性直接受冲击 |
Companies House 是否新增董事/PSC（实际控制人）登记 |
补充披露完整治理架构及团队页面，联合创始人正式登记持股/任职 |
| 资金可持续性 / 生存风险 |
高 |
未查到任何机构融资记录，注册地址为普通住宅公寓 → 现金流可能主要依赖创始人自筹或非股权加速器资源 → 若无法在合理时间内融资或获得收入，产品迭代与获客能力将持续受限 |
是否出现融资公告、Companies House 股本变化、公司是否迁至独立办公地址 |
披露任意规模的机构融资或稳定收入来源 |
| 商业化验证缺失 |
高 |
官网无客户案例、无定价、无收入披露 → 目前更接近"学术项目转公司"而非已验证的 SaaS 业务 → 若长期无法证明有人付费，公司价值判断应持续保守 |
官网/新闻是否出现命名客户、案例研究或收入数据 |
出现至少1家可核实的付费药企或科研机构客户 |
| 公开信息静默 / 活跃度存疑 |
中 |
除2024年年中UCL案例研究外，近两年公开报道极少 → 无法判断2025–2026年产品、团队、商业化是否有实质进展 → 存在"已放缓但未清算"的可能，与"低调稳步运营"难以区分 |
Companies House 年报/确认声明是否按期提交（目前显示按期，公司状态为 Active） |
出现2025年及以后的新产品、客户或融资相关公开更新 |
| 竞争碾压 / 差异化壁垒不足 |
中–高 |
同赛道对手融资规模达数千万至近8亿美元量级，部分已具备湿实验验证闭环或临床候选物 → abYcloud 仅为纯计算工具，缺乏专有湿实验数据反馈闭环 → 差异化壁垒和长期议价能力存疑 |
是否建立湿实验合作、专有数据集或明确的差异化细分定位 |
与湿实验机构建立独家数据合作，或证明清晰的细分市场定位 |
当前结论：资金可持续性与商业化验证缺失是当前最需要跟踪的两类核心风险，治理与信息静默风险是理解前两者的重要背景信号。反转信号：见上表各行"反转条件"列。
9
重点尽调问题
先说结论
以下12个问题占本报告核心信息缺口的绝大部分，按"治理与团队""技术与IP""商业化与客户""资金与运营""竞争与出海"五个主题分组，均为影响评级升降的高杠杆问题。
主题A · 治理与团队
1. Chu'nan Liu 是否为 abYcloud 的正式股东/高管？为何未出现在 Companies House 官方登记记录中，他目前是否仍全职投入 abYcloud？
为什么问：团队完整性直接影响执行力判断，若核心技术合伙人未正式持股/任职或精力分散，团队适配度和执行连续性存疑。
需要什么证据：Companies House PSC（实际控制人）登记更新、公司官方团队页面、创始人本人公开确认。
哪种答案会改变判断：若已正式持股任职且全职投入，团队完整性判断上调；若长期未登记且精力分散于其他机构，治理与执行力风险应上调。
2. 除 Shibo Wu 外，公司是否还有其他正式雇员或顾问？团队总人数、研发与商业化岗位配比是多少？
为什么问：目前公开资料完全没有团队规模信息，无法判断这是"两人项目"还是已具备基本团队规模。
需要什么证据：LinkedIn 公司页面员工列表、招聘信息、官网团队页更新。
哪种答案会改变判断：若已有稳定团队且商业化岗位到位，评级可上调；若仍为1-2人，应维持谨慎评级。
3. 公司自2024年年中 UCL 案例研究发布后，2025–2026年是否有产品、团队或融资方面的实质性进展披露？
为什么问：过去约两年公开信息几乎空白，需要排除"项目已实质放缓"的可能性。
需要什么证据：官网更新日志、创始人社交媒体动态、Companies House 最新年报/确认声明细节。
哪种答案会改变判断：若能确认持续活跃迭代，置信度可上调；若确认长期无实质进展，应考虑下调评级至"暂缓/不继续"。
主题B · 技术与IP
4. Axiom 平台的结构预测/表位预测/结合亲和力预测模型，相对公开可用的开源蛋白质结构与语言模型，核心技术差异化和专有训练数据是什么？
为什么问：若核心预测能力主要基于二次封装开源模型，技术壁垒判断需要下调为"工程/产品壁垒"而非"算法壁垒"。
需要什么证据：技术白皮书、模型架构说明、专利或软件著作权登记。
哪种答案会改变判断：若存在专有训练数据集或独特架构改进，技术真实性判断可上调；若主要为开源模型封装，竞争壁垒判断应下调。
5. NeurIPS 2024 收录的 AsEP 表位预测基准论文与商用 Axiom 平台之间的技术传承关系是什么？该学术成果是否已转化为商用平台的核心能力？
为什么问：需要厘清"团队发表过顶会论文"与"论文成果已产品化"之间的实际距离。
需要什么证据：Axiom 平台技术文档、与 AsEP 论文方法（WALLE）的对比说明。
哪种答案会改变判断：若已产品化，技术真实性证据显著增强；若仅为团队履历背书，应单独降权处理。
主题C · 商业化与客户
6. Axiom 平台目前是否有任何付费客户（药企或科研机构），定价模式是什么（订阅/项目制/免费增值）？
为什么问：官网完全没有定价和客户信息，这是本报告证据最薄弱的环节。
需要什么证据：客户名单（需客户书面同意披露）、收入数据、Companies House 账目分类信息。
哪种答案会改变判断：有任何一个可核实付费客户即可显著上调评级；持续零客户应下调评级。
7. UCL 案例研究中提到的"用户测试获得积极反馈"具体涉及多少用户、哪些机构，是否已转化为长期使用或付费关系？
为什么问："积极反馈"是加速器阶段的常见公关措辞，需要与真实留存/转化数据区分。
需要什么证据：UCL CDI 后续跟踪数据、用户访谈记录、留存率数据。
哪种答案会改变判断：若能确认早期用户已转化为付费或长期使用，商业验证证据显著增强。
主题D · 资金与运营
8. 公司自2024年6月成立以来是否完成过任何机构融资（天使/种子轮），当前资金主要来源是什么？
为什么问：完全未查到融资记录，需厘清公司当前的资金可持续性。
需要什么证据：Companies House confirmation statement 中的股本变化、创始人/公司公开确认、融资数据库记录。
哪种答案会改变判断：若已完成融资，资金风险显著下降；若确认零外部融资超过2年，生存风险应上调。
9. 公司注册地址（伦敦SE1一处公寓单元）是否为实际运营场所，团队是否有独立办公空间？
为什么问：注册地址类型是判断公司实际运营规模的间接信号。
需要什么证据：公开可验证的办公地址信息、团队 LinkedIn 位置信息。
哪种答案会改变判断：若已有独立办公场所，运营成熟度判断可上调；若长期仅为注册地址，维持早期阶段判断。
主题E · 竞争与出海
10. WAIC 2026 展位（H4-FT D004）信息是否可经官方展商名录确认，公司拓展中国市场的具体计划是什么？
为什么问：官网提供中文版本且线索显示计划参展 WAIC，但未独立核实展位真实性，也不清楚中国市场策略是融资、销售还是纯品牌曝光。
需要什么证据：WAIC 官方展商名录确认、公司公开的市场拓展声明。
哪种答案会改变判断：若确认真实参展且有具体商业化目标，国际化叙事可信度上调；若信息有误或仅为品牌曝光，应保持谨慎。
11. 面对 LabGenius（同为伦敦本地、更成熟的湿实验+ML抗体公司）等直接地理竞争对手，abYcloud 的差异化定位和获客策略是什么？
为什么问：需要理解在资金和资源明显弱于本地竞争对手的情况下，公司如何选择细分市场切入。
需要什么证据：公司市场定位声明、目标客户画像、定价策略。
哪种答案会改变判断：若能证明清晰的差异化细分（如小型科研团队/预算有限客户），竞争位置判断可上调；若无差异化，长期生存概率应下调。
12. Axiom 平台是否计划或已经与湿实验室/CRO建立合作，以补足纯计算工具缺乏实验验证闭环的短板？
为什么问：多数更成熟对手都具备湿实验验证能力，纯干实验工具存在"预测结果无法闭环验证"的结构性短板。
需要什么证据：合作公告、公司战略规划文档。
哪种答案会改变判断：若已建立湿实验合作，竞争壁垒判断可上调；若长期缺失，应视为结构性短板计入风险。
如果只能问三个问题
- Axiom 平台目前是否有任何付费客户，定价模式是什么？
- 公司自2024年6月成立以来是否完成过任何机构融资，当前资金主要来源是什么？
- Chu'nan Liu 是否为 abYcloud 的正式股东/高管，为何未出现在 Companies House 官方登记记录中？