北京的百奥几何最近完成A+轮融资，A轮系列累计超过1亿美元。国寿资本领投，老股东上海生物医药基金加码，国开科创、瑞力投资、国方创投及头部生物医药产业方跟投，达晨财智继续加注。这笔钱计划投在三块：模型迭代、高通量自动化实验室扩建、以及自研药物管线商业化。
这家公司做的事，听起来很前沿：用生成式AI构建生命科学的"微观世界模型"。
但翻到商业化那一页，最扎实的一条是：公司称其天然冰片实现生物合成，成本比植物提取下降80%，2027年将产生规模化收入。
天然冰片是一种香料，也是一味中药，过去从樟科植物里提取。
而天然冰片这个品类有多大，不同机构的测算差异不小，从十几亿到二十几亿不等；其中一家行业报告的估算是2025年中国约25.9亿元。
它说的"世界模型"，是两个尺度
先看技术。
百奥几何的体系分两层。
第一层叫GeoFlow，管分子。它是一个全原子生物分子世界模型，把结构预测、从头设计、多步推理放在一起。两年迭代三代：
V1（2024年6月）：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同等水准。
V2（2025年4月）：把结构预测和从头设计统一到同一模型，成为国内首个跑通"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，模仿抗体亲和力成熟。
官方给V3的数据是：在20余个靶点上，苗头分子平均命中率接近20%，比上一代AI方法提升近百倍，先导分子发现周期压缩到三周以内。
第二层叫GeoCell，管细胞。它建模细胞在基因、药物及其组合扰动下的转录组响应，用途是研发里最靠经验的三件事：打哪个靶点、治哪种病、给哪些人。
创始人唐建，北大博士，曾任微软亚洲研究院研究员，也是加拿大蒙特利尔学习算法研究院的华人终身教授，做图神经网络和几何深度学习。公司名里的"Geometry"，正来自几何深度学习。
这轮的钱也不是纯财务资本。领投的国寿资本是保险系的长线资金，加码的上海生物医药基金是地方产业基金，跟投里还有"头部生物医药产业方"——这个结构说明，它被当成"产业基础设施"在投，而不是"单个管线"。
这对一家还在做中试的公司来说，是好消息，也是压力：基础设施的估值，要求它有"被很多人用"的能力，而不是"自己做出一个药"。
这里有个关键问题：世界模型的训练数据从哪来？
物理世界的世界模型（自动驾驶、机器人），数据可以来自视频、仿真、遥操作。互联网上海量视频，仿真能生成无限场景。
但生物世界没有这些。
一个分子结合一个蛋白会不会有效，一个抗体改三个氨基酸亲和力会升还是降——蛋白序列、结构、活性这些公开数据很多，但具体到某个靶点、某个新设计、某种真实实验条件，公开数据往往覆盖不到，关键缺口还得靠实验去补。
所以百奥几何在建的，除了模型，还有一套配套的自动化实验体系。
它管这套体系叫"RSI干湿闭环"：模型提出设计假设，AI Agent自动生成实验方案、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，再喂给模型迭代。
它给Agent定的目标是：优先探索"最能暴露模型盲区"的假设。这句话翻译过来——不是随机做实验，是专门挑模型最不确定的地方去验证，让每次实验的信息量最大。
这轮融资最实的用途之一，是把高通量自动化实验室建起来，让"每天能做多少次实验"的产能提上去。
算力和实验产能，都是这类公司扩张时要补的短板。
要说明一点：这套"模型提假设、实验做验证、数据回流"的循环，和学术上几十年来一直在用的主动学习（active learning）有联系，计算化学、材料基因组都这么干过。百奥几何把它叫"RSI"（递归式自我进化），在闭环流程上和主动学习相通；但两者是不是同一回事，还需要看它后续公开的方法细节。
再看那个最亮眼的数字：苗头分子平均命中率接近20%。
这个数字放在行业里确实不低。公司自己也给出了对照：V3比它上一代AI方法提升了近百倍，先导分子发现周期压缩到三周以内。
但有两个地方，值得追问。
一个需要留意的点是口径。公司在技术报告里说明，命中检测用的是BLI（生物膜干涉）结合检测，也就是测分子和靶点"能不能结合"。这个口径离"有效""能成药"还有距离——结合命中之后，还要过细胞活性、药代、动物模型、临床，每一关都会筛掉一批。所以20%这个数字，说的是"结合命中率"，不是"成药率"。
第二，80%的失败去哪了。20%命中意味着80%失败，而每一次失败都要跑一次真实的湿实验——表达几天、纯化几天、功能验证几周。
这带来一个成本结构：AI的算力开支，和真实的湿实验开支，是两本账。
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，商业化上最先有眉目的会是香料？
看它的管线结构就明白了。
一类是生物医药：数十条自研管线，多条双抗管线2027年进入IND阶段。IND之前已经有大量研发投入；进入IND后，通常还要八年到十年才能上市，期间也未必有收入。不过上市前，管线也可能通过合作、对外授权拿到首付款和里程碑款，不完全是没有现金进账。
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。公司称其天然冰片走生物合成路线，成本降80%，即将规模化量产，2027年产生规模化收入。
合成生物学和AI制药，商业节奏差得远，前者以年计，后者以十年计。
这里面的差别，本质是验证环节的长短。一款双抗，要过毒理、临床一二三期，每一步都是几千万到几亿；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。但也不能把生物合成产品直接等同于已有的药用天然冰片身份——能不能进某个供应链，还要看目标用途、行业准入和下游客户的验证。
所以对一家需要向投资人证明"我能赚钱"的公司来说，合成生物学是离收入更近的路。
它的现金路径，可能就是用合成生物学的短周期收入，去养AI制药的长周期研发。
不少AI制药公司只有远期的故事，没有近处的收入。
但这里有一个必须算的账：即便按较高的估算，天然冰片这个品类2025年中国的市场规模也就二十几亿元。
就算百奥几何把这个品类全吃下来，也就是二十几亿的收入盘子。而且它要面对的是植物提取的存量产能——成本降80%是优势，但价格战…旦打起来，这个品类的毛利也会被压。
换句话说：天然冰片这一个品类，即便做到行业较高份额，收入盘子也就二十几亿元，撑不起一家靠"世界模型"讲故事的公司所需要的成长曲线。
GeoCell这条线上，大厂也在做
最后说那个更前沿的部分：细胞世界模型。
百奥几何的GeoCell，要预测细胞在扰动下的转录组响应。这个方向，业内叫"虚拟细胞"（Virtual Cell）。
而这条线上已经有人了。阿里达摩院做的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——不过仓库目前采用的是带非商业限制的许可证。
除此之外，还有OCOO-T这类更轻量、可扩展的虚拟细胞模型在陆续出现。
这意味着：GeoCell不是无人区，是一个大厂也在投入、且开始公开模型和代码的方向。
大厂做这件事有天然优势——它们有算力、有公开数据、有开源社区。而一家创业公司要在这种方向上建立护城河，只能靠一样东西：别人没有的实验数据。
这也解释了一家创业公司为什么要投重金建自己的实验体系。
回到这家公司。
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，中试已经做完。
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，大厂已经在投入。
所以百奥几何要证明的，不是它的模型比别人大，而是它的设计能造出来、能卖出去、能回款。
AI制药这几年不缺"能设计分子"的故事，缺的是设计出来的分子能不能造出来、卖出去。
天然冰片是一个观察窗口。它不显眼，市场也不大，但公司已经做到中试、并把量产时间表给到了2027年——能不能兑现，是接下来最值得看的一步。
这笔融资换的，是在对手之前攒下独有实验数据的时间。
而数据能不能换成量产、订单和回款，还要看接下来的每一步。