技术路径不确定性强，监管政策不明朗，且面临国内外众多竞争对手的激烈追赶。目前公司处于快速烧钱扩张阶段，对后续融资极度依赖。”
这一次，苏晚听得更加仔细。当伊恩·吴介绍到其核心AI模型的架构时，她微微蹙起了眉头。
“吴总监，” 在伊恩·吴介绍完一个阶段性技术突破后，苏晚再次开口，这次的问题更加直接，“您刚才提到，他们的核心模型在某个特定靶点（比如某类GPCR受体）的虚拟筛选上，取得了比传统方法高出一个数量级的‘命中率’。我想了解一下，这个对比实验的对照组设置是否充分？是否排除了数据泄露（data leakage）的可能性？另外，他们用来训练模型的部分临床前和临床数据，来源是否完全清晰、合规？尤其是在涉及某些患者基因组数据时，伦理审查和知情同意流程是否完备？这在当前全球数据隐私监管趋严的背景下，是重大的合规风险点。”
问题一针见血，直指AI制药领域最敏感也最容易被忽略的“阿喀琉斯之踵”——数据质量与合规性。很多风光无限的AI制药公司，最终都栽在了来源不明、质量存疑或存在合规瑕疵的训练数据上。
伊恩·吴的脸色，第一次出现了细微的变化。他推了推眼镜，手指在平板上快速操作，调出了几份加密的尽职调查报告和内部风险评估文件。
“对照组设置，由第三方独立机构复核过，基本排除了数据泄露。数据来源……” 他顿了顿，似乎在斟酌措辞，“主要来自公开数据库和合作药企的脱敏数据共享。部分早期探索性研究使用的患者数据，知情同意流程……可能存在历史遗留问题，但公司已承诺进行追溯性伦理审查和必要的补充程序。我们已将此项列为C轮融资前必须解决的首要合规事项。”
他的回答，证实了苏晚的担忧并非空穴来风。而且，他用了“历史遗留问题”和“承诺”这样的字眼，说明这个问题不仅存在，而且尚未完全解决，是悬在项目头顶的达摩克利斯之剑。
苏晚没有追问细节，只是点了点头，在笔记本上又记下了一笔。然后，她提出了一个更宏观的问题：“除了合规风险，我注意到‘神农尺’目前的商业模式，严重依赖与大型药企的授权合作。这在早期是快速验证价值和获取收入的捷径，但长远来看，是否会导致公司丧失自主定价权和后续研发的主导权，最终沦为大型药企的‘高级外包研发中心’？公司是否有自建管线、向生物技术公司（Biotech）转型的长期战略？我们的投资，
…。。