哈尔滨费塞尔科技有限公司获 2000 万天使轮融资，投资方为百联资本，这一动态为企业发展注入关键动能，成为连接技术优势与市场价值的重要桥梁，此次 2000 万资金将重点投入三大方向 ，其一，深化传感器稳定性优化，针对当前国产 CGM 产品 5% 的平均故障率，推动核心部件迭代，目标向雅培 2.3% 的国际领先水平靠拢；其二，加速 AI 预测性预警算法研发，契合行业 “算法 AI 化” 趋势，提升产品对血糖波动的提前预判能力，进一步强化临床价值；其三，扩大产能建设，依托国产化供应链优势，解决现有产能与基层市场需求的错配问题，为后续覆盖 1.4 亿糖尿病患者中的下沉市场奠定基础。 一、行业痛点与技术革新：CGM 赛道的破局逻辑 连续葡萄糖监测（CGM）作为替代传统指血检测（BGM）的核心技术，正重构全球血糖监测市场格局。传统 BGM 存在的 “有创取血痛、缺乏预警、价格高昂” 三大痛点，不仅降低患者依从性，更难以捕捉隐匿性高低血糖风险。费塞尔科技的核心创新恰是针对这一行业沉疴： • 无痛监测突破：采用软针皮下传感器设计，通过监测组织间液葡萄糖浓度间接获取血糖值，避免指血穿刺的痛感与感染风险，符合 CGM 主流技术趋势 —— 目前成熟产品均通过类似设计实现 24 小时持续监测，每 5 分钟自动同步数据至终端设备。 • 预警系统构建：通过蓝牙连接与智能算法实现高低血糖实时提醒，解决传统监测 “盲区问题”。这一功能已被证实能降低糖尿病患者低血糖昏迷风险 37%，是 CGM 产品临床价值的核心体现。 • 成本控制革新：在保证传感器 14 天使用寿命（行业主流标准）的前提下，通过国产化供应链与技术优化降低终端价格，打破进口品牌对中高端市场的垄断 —— 目前雅培、德康等外资品牌单套设备价格约 2000 元，而费塞尔通过技术简化使成本降低 40% 以上。 二、产学研协同：技术转化的核心引擎 费塞尔科技与哈尔滨医科大学、哈尔滨工业大学的合作模式，精准契合 CGM 技术 “医工交叉” 的发展特性： • 高校赋能技术攻坚：哈工大在传感器微型化、无线传输模块的研发优势，解决了 CGM 设备 “轻盈无感佩戴” 的核心诉求 —— 其联合开发的传感器体积较传统产品缩小 30%，防水等级达 IPX7，适配日常沐浴、游泳等场景；哈医科大学则提供临床数据支撑，使产品 MARD 值（测量平均绝对相对偏差）稳定低于 9%，达到国际先进水平。 • 成果转化效率凸显：15 项科研立项与 15 项自主知识产权的对应关系，反映出其 “研发 - 确权” 的高效转化机制。这一效率远超行业平均水平 —— 国内头部企业硅基仿生实现 200 项专利积累耗时 8 年，而费塞尔通过高校协同将转化周期压缩至 3-5 年。 三、知识产权布局：全球化竞争的护城河 在 CGM 行业 “专利即市场” 的竞争逻辑下，费塞尔的知识产权优势具备战略价值： • 体系化保护构建：国家知识产权局《企业知识产权管理体系认证》资质的获取，意味着其已建立覆盖 “研发 - 生产 - 销售” 全链条的 IP 管理机制。这一能力在出海场景中尤为关键 —— 近期雅培在欧洲对三诺生物发起的专利诉讼显示，缺乏体系化 IP 布局的企业将面临市场准入风险。 • 核心技术确权卡位：15 项自主知识产权集中于传感器材料、校准算法等核心领域。参考德康医疗的发展路径，其通过 2016 年后的激进专利布局实现全球市场份额跃升，印证了核心技术专利对竞争格局的决定性影响。 • 风险抵御能力：在雅培、罗氏等巨头构建的全球专利壁垒下，费塞尔的自主知识产权可降低风险。硅基仿生此前因专利问题被迫延缓欧洲市场扩张，反观技诺智能通过 IPMS 贯标认证实现 58 国商标布局，印证了体系化 IP 管理的战略价值。 展开全文 四、市场价值与行业影响：国产替代的标杆意义 费塞尔科技的产品创新正重塑 CGM 市场的竞争维度： • 普惠性医疗价值：其低价策略使 CGM 设备从 “高端医疗耗材” 转向 “大众消费品”，有望覆盖我国 1.4 亿糖尿病患者中的基层市场。参考深圳硅基仿生服务 240 万人次的路径，费塞尔若实现同等渗透率，将创造超 15 亿元产值。 • 区域产业集群效应：作为东北首家 CGM 领域国家级高新技术企业，其发展将带动黑龙江省医疗器械产业链升级，形成 “高校研发 - 企业转化 - 医院应用” 的区域创新生态。 • 全球化竞争潜力：在国产 CGM 出海提速的背景下，其自主知识产权与成本优势可规避 “专利狙击” 风险。三诺生物在欧洲通过商标诉讼胜诉的案例表明，具备核心技术确权的中国企业已具备与国际巨头抗衡的能力。 五、挑战与展望：技术迭代中的生存法则 尽管优势显著，费塞尔仍需应对行业共性挑战：其一，传感器稳定性需持续优化 —— 目前国产产品平均故障率约 5%，高于雅培的 2.3%；其二，海外市场需加速 IP 布局，避免重蹈硅基仿生的覆辙；其三，需深化与医疗机构的合作，通过真实世界数据提升产品临床认可度。 未来，随着算法 AI 化（预测性预警）、设备小型化（可穿戴贴片式）等技术趋势演进，费塞尔若能持续强化产学研协同与知识产权运营，有望在国产 CGM 第二梯队中占据头部位置，成为全球血糖监测市场的重要力量。在当前 CGM 赛道融资分化的背景下，费塞尔能获得 2000 万天使轮融资，印证了资本市场对其技术路线、产学研模式及知识产权布局的认可。对比行业内同类企业，早期获千万级融资的企业往往能更快进入产品注册关键阶段，此次融资将帮助费塞尔缩短从技术研发到商业化落地的周期，有望在国产 CGM 第二梯队竞争中抢占先发优势。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多