累计融资超1亿美元，百奥几何的商业化走到哪一步？
北京百奥几何近日完成了A+轮融资，A轮系列累计金额突破1亿美元。本轮由国寿资本领投，老股东上海生物医药基金追加投资，国开科创、瑞力投资、国方创投以及头部生物医药产业方参与跟投，达晨财智继续追加。资金计划用于三个方向：模型迭代、高通量自动化实验室扩建，以及自研药物管线的商业化推进。
这家公司致力于一个前沿领域：利用生成式AI构建生命科学的“微观世界模型”。
然而，在商业化层面，最切实的进展是：公司宣称其天然冰片已实现生物合成，成本较植物提取降低80%，预计2027年产生规模化收入。
天然冰片既是一种香料，也是一味中药，传统上从樟科植物中提取。
关于天然冰片的市场规模，不同机构的估算差异较大，从十几亿元到二十几亿元不等；其中一份行业报告预测，2025年中国市场规模约为25.9亿元。
它所说的“世界模型”，涵盖两个层面
先看技术层面。
百奥几何的体系分为两层。
第一层名为GeoFlow，专注于分子层面。这是一个全原子生物分子世界模型，整合了结构预测、从头设计以及多步推理。该模型已迭代三代：
V1（2024年6月）：在原子层面刻画三维空间，蛋白-蛋白复合物结构预测达到AlphaFold 3同等水平。
V2（2025年4月）：将结构预测与从头设计统一在同一个模型中，成为国内首个实现“抗体从头设计”的AI大模型。
V3（2025年10月）：引入“生成—评估—优化”的多步推理闭环，模拟抗体亲和力成熟过程。
官方数据显示，V3在20余个靶点上，苗头分子平均命中率接近20%，较上一代AI方法提升近百倍，先导分子发现周期缩短至三周以内。
第二层名为GeoCell，专注于细胞层面。它建模细胞在基因、药物及其组合扰动下的转录组响应，应用于研发中最依赖经验的三个环节：选择靶点、确定适应症、筛选患者群体。
创始人唐建拥有北京大学博士学位，曾任微软亚洲研究院研究员，目前是加拿大蒙特利尔学习算法研究院的华人终身教授，研究方向为图神经网络和几何深度学习。公司名称中的“Geometry”正源于几何深度学习。
本轮融资的资金并非纯财务资本。领投的国寿资本是保险系的长期资金，加码的上海生物医药基金是地方产业基金，跟投方还包括“头部生物医药产业方”——这一结构表明，它被视作“产业基础设施”而非“单个管线”进行投资。
对于一家尚处于中试阶段的公司而言，这既是好消息，也带来压力：基础设施的估值要求其具备“被广泛使用”的能力，而非仅仅“研发出一款药物”。
这里存在一个关键问题：世界模型的训练数据从何而来？
物理世界的世界模型（如自动驾驶、机器人）的数据来源包括视频、仿真和遥操作。互联网上有海量视频，仿真能生成无限场景。
但生物世界不具备这些条件。
一个分子与一个蛋白结合是否有效，一个抗体改变三个氨基酸后亲和力是升是降——蛋白序列、结构、活性等公开数据虽多，但针对特定靶点、新设计或真实实验条件，公开数据往往无法覆盖，关键缺口仍需通过实验填补。
因此，百奥几何正在构建的不仅是模型，还包括一套配套的自动化实验体系。
这套体系被称为“RSI干湿闭环”：模型提出设计假设，AI Agent自动生成实验方案并编排流程，高通量自动化平台完成表达、纯化和功能验证，数据实时回流，再用于模型迭代。
Agent的目标是：优先探索“最能暴露模型盲区”的假设。换言之，并非随机进行实验，而是专门验证模型最不确定的部分，使每次实验的信息量最大化。
本轮融资最实际的用途之一，是建设高通量自动化实验室，以提升“每日实验次数”的产能。
算力和实验产能，都是此类公司扩张时需弥补的短板。
需要说明的是，这套“模型提假设、实验做验证、数据回流”的循环，与学术上长期使用的主动学习（active learning）存在联系，计算化学、材料基因组等领域都曾采用类似方法。百奥几何将其称为“RSI”（递归式自我进化），在闭环流程上与主动学习相通；但两者是否等同，仍需关注其后续公开的方法细节。
再看那个最引人注目的数字：苗头分子平均命中率接近20%。
这一数字在行业内确实不低。公司也提供了对比：V3较上一代AI方法提升近百倍，先导分子发现周期压缩至三周以内。
但有两个方面值得深入探讨。
一个需要留意的是口径。公司在技术报告中说明，命中检测采用BLI（生物膜干涉）结合检测，即测量分子与靶点“能否结合”。这一口径与“有效”或“能成药”尚有距离——结合命中后，还需经过细胞活性、药代、动物模型、临床试验等环节，每一关都会淘汰一批候选分子。因此，20%这个数字指的是“结合命中率”，而非“成药率”。
第二，80%的失败去了哪里。20%命中意味着80%失败，而每次失败都需要进行一次真实的湿实验——表达几天、纯化几天、功能验证几周。
这带来一种成本结构：AI的算力开支与真实的湿实验开支，是两本不同的账。
离现金最近的，是合成生物学的香料
现在回到那个问题：为什么一家AI制药公司，商业化上最先取得进展的会是香料？
从它的管线结构可以看出端倪。
一类是生物医药：数十条自研管线，多条双抗管线预计2027年进入IND阶段。IND之前已有大量研发投入；进入IND后，通常还需八到十年才能上市，期间未必有收入。不过，上市前管线也可能通过合作或对外授权获得首付款和里程碑款，并非完全没有现金流入。
另一类是合成生物学：α-酮戊二酸、天然冰片等超过5个产品已完成中试。公司称其天然冰片通过生物合成路线，成本降低80%，即将规模化量产，2027年产生规模化收入。
合成生物学与AI制药的商业节奏差异显著，前者以年为单位，后者以十年为单位。
这种差异的本质在于验证环节的长度。一款双抗需经过毒理、临床一、二、三期，每一步投入数千万至数亿元；而一个香料分子验证的是纯度、成本和量产稳定性，周期短得多。但生物合成产品也不能直接等同于已有的药用天然冰片——能否进入特定供应链，还取决于目标用途、行业准入及下游客户的验证。
因此，对于一家需向投资人证明“能盈利”的公司而言，合成生物学是更接近收入的道路。
其现金路径可能是：用合成生物学的短周期收入，支撑AI制药的长周期研发。
不少AI制药公司仅有远期的故事，缺乏近期的收入。
但这里有一笔必须计算的账：即便按较高估算，天然冰片这一品类2025年中国市场规模也仅为二十几亿元。
即便百奥几何完全占据这一品类，收入上限也只有二十几亿元。而且，它还需面对植物提取的存量产能——成本降低80%是优势，但一旦价格战爆发，该品类的毛利也会受到挤压。
换句话说：天然冰片这一个品类，即使达到较高市场份额，收入规模也只有二十几亿元，不足以支撑一家以“世界模型”为核心故事的公司所需的增长曲线。
GeoCell这条线上，大厂也在布局
最后看那个更前沿的部分：细胞世界模型。
百奥几何的GeoCell旨在预测细胞在扰动下的转录组响应。这一方向业内称为“虚拟细胞”（Virtual Cell）。
而这条线上已有竞争者。阿里达摩院开发的Lingshu-Cell，是一个“生成式细胞世界模型”，已在arXiv发布预印本，并在ICML相关活动展示，代码仓库也已公开——不过目前采用带非商业限制的许可证。
此外，还有OCOO-T等更轻量、可扩展的虚拟细胞模型陆续出现。
这意味着：GeoCell并非无人区，而是大厂也在投入且已公开模型和代码的方向。
大厂在这方面具有天然优势——它们拥有算力、公开数据和开源社区。而一家创业公司要在这种方向上建立护城河，只能依靠一样东西：别人没有的实验数据。
这也解释了为何一家创业公司要投入重金建设自己的实验体系。
回到这家公司本身。
技术上，它覆盖从分子到细胞、从设计到验证；商业化上，从香料到AKG，中试已完成。
但两边都不轻松：天然冰片单个品类市场不大；细胞世界模型这条线上，大厂已在布局。
因此，百奥几何需要证明的，并非其模型比别人大，而是其设计能够制造出来、销售出去、并实现回款。
AI制药行业近年来不缺“能设计分子”的故事，缺的是设计出的分子能否制造出来、销售出去。
天然冰片是一个观察窗口。它不显眼，市场也不大，但公司已做到中试，并将量产时间表定在2027年——能否兑现，是接下来最值得关注的一步。
这笔融资换来的，是在竞争对手之前积累独有实验数据的时间。
而数据能否转化为量产、订单和回款，还需观察后续每一步。此外，公司的服务入口也已搭建，旨在为合作伙伴提供模型与实验的对接通道，但具体成效尚待验证。
