底层依赖外洋开源模子举行微调，
，实质上是在别人的地基上修修补补。。。。。

作者丨周蕾

编辑丨岑峰

1965年，
，戈登·摩尔提出了那条著名的摩尔定律，
，即半导体算力约莫每两年翻一倍。。。。。这条曲线向上走了半个多世纪，
，数字天下因此天翻地覆。。。。。

2012年，
，反摩尔定律被提出，
，它在医药领域意味着这样一种逆境：每投入十亿美元，
，获批的新药数目每九年减半。。。。。一条曲线向上，
，一条曲线向下，
，两条线背道而驰了六十多年。。。。。

六十多年里，
，新药研发越来越难，
，古板工具链支离破碎，
，大都团队只能拿着开源模子做局部修补。。。。。与此同时，
，AI先后完成了数字天下和物理天下的重构。。。。。现在，
，它来到了最难的生命天下。。。。。而百奥几何，
，正是这个路口上走得最远的一家。。。。。

克日，
，百奥几何完成数亿元战略融资。。。。。比起融资额巨细或是投资方配景，
，这笔钱的重点在于，
，它确认了一个拐点：当行业还在应用层寻找增量时，
，这家AI Native公司已经用三年时间，
，完成了从团队搭建、底层大模子研发到商业闭环的验证。。。。。

从原子层面重新设计生命，
，不再是论文里的远期设想，
，而是正在爆发的工程化现实。。。。。

从数字、物理到生命AI：AI的第三条蹊径

正如人们所熟知的那样，
，人工智能正在沿着数条清晰的主线重构天下。。。。。

第一条是数字AI，
，以大语言模子和多模态模子为代表，
，正在重塑人类的信息与知识天下。。。。。第二条是物理AI，
，以自动驾驶和人形机械人为代表，
，正在重塑人类的物理与机械天下。。。。。

而第三条是生命AI，
，它不止于信息处理或机械控制，
，而是要深入明确生命的底层语言，
，在原子级精度上实现对生命的工程化刷新——这或许是三条线里最难的一条。。。。。卵白质、抗体、酶等生物大分子的设计空间近乎无限，
，但生命的底层数据是三维图结构，
，古板的序列建模唬；；；蛲枷袷侗鹇呒薹ㄖ苯忧ㄡ。。。。。

百奥几何首创人唐建博士很早就注重到了这个差别。。。。。2022年接受雷峰网AI科技谈论采访时他指出，
，生物医药领域获得实验数据极其难题，
，往往本钱腾贵且周期漫长，
，这导致AI必需在少少样本的条件下学习。。。。。这种数据稀缺性，
，让生命AI的迭代逻辑与数字AI截然差别。。。。。

数据稀缺性带来的直接挑战，
，最终都体现在了工业端的本钱与效率上。。。。。生物医药行业对此感受最深。。。。。如前文提到的反摩尔定律所示，
，行业内面临着“研发本钱一连攀升、产出效率却在下降”的逆境。。。。。一位切入AI制药底层模子的从业者向AI科技谈论指出，
，已往大都创业公司将管线卖给药企，
，看似找到了商业模式，
，实则陷入古板biotech的老路——被同化、利润薄、易受甲方价钱控制。。。。。这种路径依赖说明，
，只做应用层的局部增效，
，无法突破行业的结构性逆境。。。。。

比商业模式逆境更深层的，
，是工具链自己的割裂。。。。。AlphaFold能展望卵白质结构，
，但设计新分子往往需要切换到其他工具；；；；；展望结构、设计序列、实验验证，
，每一步使用差别的平台和逻辑，
，误差逐级放大。。。。。而海内大都“AI+Bio”团队，
，底层依赖外洋开源模子举行微调，
，实质上是在别人的地基上修修补补。。。。。面临难成药靶点和重大抗体设计这类硬问题，
，应用层的修补很快触及天花板。。。。。

唐建以为，
，这背后尚有一个更基础的工业逻辑。。。。。大模子可以“模子即产品”，
，靠基模能力卖token就能赚钱；；；；；但生物医药是垂类，
，“模子再准也执偾锤子，
，得找到好的钉子。。。。。”这意味着生命AI的终局竞争，
，不但看基模性能，
，更看能否把模子放进详细应用场景，
，与干湿实验形成闭环。。。。。一个团队必需同时明确算法、生物和工业的语言，
，把结构展望、序列天生、成药性评价与湿实验反馈整合成闭环。。。。。只有这样，
，才华从底层重构研发范式，
，从“明确生命”跃迁到“设计生命”。。。。。

当数字AI和物理AI的基础设施已经成型，
，生命天下仍在期待属于自己的操作系统。。。。。而决议未来几十年新药研发效率的底层战场，
，已悄然开启。。。。。

从学术直觉到工业收敛：一个AI Native团队的三年

百奥几何的首创人唐建，
，在十多年前就做出了一个奇异判断，
，与眼下BioAI的希望形成了草蛇灰线。。。。。

2013-2014年左右，
，深度学习的大潮涌向图像识别和自然语言处理，
，但唐建专程转向了图结构数据这个深度学习尚未涉及的问题。。。。。在他看来，
，社交网络和知识图谱虽然是热门偏向，
，但生物制药才具备杀手级的应用潜力——卵白质、抗体、酶等生命分子的底层数据，
，自然就是三维图结构。。。。。

这个判断带有对数据结构与应用场景匹配的底层直觉，
，以后十年，
，唐建的研究事情也沿着这一判断继续向前航行。。。。。从密歇根大学到加拿大AI之父Yoshua Bengio教授建设的Mila实验室，
，他成为该机构最早举行生命科学研究的教授，
，图结构深度学习论文LINE在WWW聚会上被引用超七千次，
，学术上的积累也为厥后的创业提供了详细的坐标。。。。。

2022年，
，大分子AI制药工具TorchProtein开源。。。。。经由一年的思索，
，唐建以为该往前再走一步。。。。。“希望能够更进一步，
，使研究效果不但仅局限于论文的形式。。。。。”他告诉我们，
，其时学术界还没有相似的平台，
，他决议把积累整合成一个通用工具。。。。。这个想法很质朴：让厥后的研究者可以直接使用，
，而不必重复造轮子。。。。。

降低门槛的思绪，
，厥后延续到了百奥几何。。。。。2023年3月，
，百奥几何正式运营。。。。。

但创业初期，
，焦点团队险些全是盘算机配景，
，AI与生物学之间的“语言鸿沟”成了第一道必需跨越的墙。。。。。生物领域的人才普遍资深，
，早期对AI通常是张望甚至质疑的态度，
，“生物的人，
，除非你做出药来才会相信你。。。。。”唐建感伤，
，跟他们相同，
，讲AI多厉害没用，
，必需形成行业认知，
，说清晰AI怎么解决行业痛点，
，拿出足够重大的详细乐成案例，
，才华建设信任。。。。。

这种跨学科磨合一连了数年。。。。。百奥几何自建了两套湿实验平台，
，划分对应抗体药和合成生物学。。。。。“模子底层一样，
，但差别应用场景需要的生物职员专业知识画像完全差别。。。。。”这种跨学科磨合远非易事——AI团队与生物团队的文化气氛、治理方式差别重大，
，直接拉长了行业的迭代周期。。。。。

手艺蹊径也曾走过弯路。。。。。百奥几何建设之初的愿景就是实现抗体重新设计，
，但手艺始终未抵达最佳预期，
，因此2024年至2025年底时代，
，团队将重心转向合成生物学，
，甚至实验自建工厂走重资产蹊径。。。。。但工厂侧的认知更多从制造业的头脑出发，
，难以与AI研发团队告竣共识，
，这次相助最终未能顺遂落地，
，这也一度影响了公司的融资节奏。。。。。

唐建向雷峰网AI科技谈论坦言，
，2025年底，
，百奥几何正式做了战略收敛，
，研发聚焦立异药主航道，
，合成生物学领域则接纳相助分成形式。。。。。此番战略回调之后，
，轻装上阵，
，抗体手艺率先突破，
，公司回到准确轨道。。。。。

支持这些突破的底层模子，
，也在统一时期快速迭代。。。。。从2024年6月宣布的GeoFlow V1最先，
，百奥几何的底层模子能力快速迭代。。。。。V1主要做抗原抗体复合物结构展望，
，对标AlphaFold 3；；；；；V2在国际上首先提出用一个模子同时做复合物结构展望和重新天生，
，将“明确”与“天生”统一；；；；；V3引入大模子推理阶段的多步推理，
，提升了抗体重新设计的乐成率。。。。。现在V4正在研发，
，建模标准从单个分子拓展至细胞水平的分子系统。。。。。

AI科技谈论相识到，
，百奥几何也是海内最早突破抗体重新设计的团队。。。。。其底层手艺蹊径与外洋头部公司类似，
，都基于diffusion model，
，但差别化在于V2提出的统一模子思绪——用一个模子同时完成结构展望和de novo design。。。。。这一思绪同样泛起在Chai Discovery和Boltz等模子中。。。。。

与英伟达的相助也一连多年。。。。。唐建在Mila时代向导团队开发了针对小分子和卵白的开源机械学习平台TorchDrug与TorchProtein，
，其中TorchProtein即是与英伟达、英特尔、IBM等团队配合完成。。。。。近期相助进一步加深，
，英伟达General AI团队注重到AI for Science特殊是卵白质设计的潜力，
，双方在手艺层面最先更细密的协作。。。。。唐建也加入了部分事情，
，包括在搜索阶段增添算力、使用test time compute提高设计乐成率。。。。。这些手艺探索被应用到GeoFlow V2到V3的迭代中，
，使百奥几何在底层手艺层面始终与外洋头部团队坚持同步。。。。。

三年时间，
，百奥几何完成了从学术工具到工业基础设施的跃迁。。。。。但这只是验证了手艺可行性，
，真正的磨练在于，
，这些底层能力能否在工业端重新界说研发流程。。。。。

从分子到系统：基模能力的工业验证

底层模子跑通之后，
，真正的磨练是工业交付。。。。。百奥几何也制订了两个重点战略偏向：抗体药物开发和合成生物学里的酶设计。。。。。

抗体重新设计是百奥几何最先突破的硬骨头。。。。。针对一个难成药靶点设计高特异性连系抗体，
，古板方式需要从动物免疫或自然库中筛选，
，但靶点所在的卵白家族里，
，其他成员与目的靶点只差两个氨基酸，
，很难找到不脱靶的分子。。。。。“我们通过GeoFlow做了精准建模设计，
，乐成找到了几个抗体，
，能够跟靶点连系得很好，
，同时跟另外的靶点不连系。。。。。”他透露，
，相关分子现在正在往IND阶段推进。。。。。

疫苗设计的希望则更迅速。。。。。2025年，
，百奥几何相助开发疫苗，
，难点在于设计一种卵白，
，使其能够高效自组装为稳固的二聚体。。。。。实验数据显示，
，自然卵白里这种二聚体比例缺乏10%，
，而百奥几何介入后，
，直接提升至90%以上。。。。。现在相关疫苗已乐成转让给下游药企，
，正式步入工业化阶段。。。。。

合成生物学方面，
，龙脑提供了一个差别的验证场景。。。。。这种中药活性因素已往只能从樟科植物提取。。。。。植物里的龙脑含量极低，
，是自然进化凑巧爆发的副产品，
，一株植物往往要种一两年才华采收。。。。。百奥几何通过GeoFlow重新设计了一种酶，
，把它导入微生物，
，让发酵罐里的微生物主要生产龙脑，
，而不再是微量副产品。。。。。这样一来，
，本钱降到植物提取的十分之一，
，且不再受季节和莳植周限期制。。。。。相关手艺也已在工厂完成中试放大，
，现在正与下游相助方洽谈生产。。。。。

从抗体到疫苗再到酶，
，三个案例的落点各不相同，
，但底层逻辑一致：AI重新界说了流程自己。。。。。

古板方式拿到先导分子，
，需要通过动物免疫筛选再优化，
，周期长达9~12个月。。。。。现在，
，百奥几何的做法是跳过动物免疫，
，直接从盘算端天生候选分子，
，靶点交付周期能大幅缩短，
，短则一个月，
，长则三个月——更实质的转变是乐成率：有些难成药靶点，
，古板动物免疫基础做不出来，
，盘算端却能给出可行方案。。。。。

管线验证只是起点。。。。。唐建以为，
，这个领域真正的恒久壁垒在数据端。。。。。接下来百奥几何将搭建自动化实验室——现有湿实验室之外，
，自动化平台能爆发更大通量的数据，
，把干湿实验的迭代效率再提一档。。。。。

他的愿景是模子能够自我进化，
，形成一套自主进化、自主执行的系统，
，类似Claude设计下一代系统的偏向。。。。。叠加自动化实验室之后，
，就能做自主的科学探索，
，好比在药物研发里做靶点的自主发明、分子的自主设计验证。。。。。

这指向一个更大的行业判断。。。。。在唐建看来，
，大模子的生长早已为AI制药的演变路径给出了清晰预演：“在大模子生态中，
，我们已经看到一个残酷的现实——随着前沿基模在架构与通用能力上的一连进化，
，其一直外延的能力界线，
，正在直接‘蚕食’大宗缺乏焦点壁垒的下游应用。。。。。”正因云云，
，在垂类基模领域，
，Isomorphic、Chai Discovery、百奥几何等头部团队都选择了闭源——模子自己就是焦点竞争力。。。。。未来两三年，
，行业将泛起明确分化：不具备基模训练能力的团队，
，会逐渐失去对 AI 制药下一阶段游戏规则的界说权。。。。。

百奥几何的界线也在随之扩展。。。。。GeoFlow V4正在把建模标准从单个分子推向细胞水平的分子系统。。。。。从抗体、疫苗到酶工程，
，从药物发明到合成生物学，
，底层能力一旦验证，
，天花板就不再是简单管线，
，而是生命工程的基础设施自己。。。。。

被命名为Moore和Eroom的两条曲线，
，仍在运行。。。。。百奥几何正在两者之间撕开一道口子——跳出“为旧流程加速”的局部修补，
，转向底层重构，
，从原子层面重新设计流程。。。。。

从抗体、疫苗到合成生物学，
，从GeoFlow V1到V4，
，底层模子的能力界线一直扩展，
，唐建的判断也始终如一：行业终局由基模层的底层操作系统界说，
，应用层的微调无法改变名堂。。。。。

现在，
，生命天下正在等来属于自己的操作系统。。。。。而百奥几何，
，已经和Isomorphic、Chai Discovery一起，
，站在了界说这套系统的最前排。。。。。BioAI时代刚刚开启，
，底层基础设施的搭建者已经先行一步。。。。。

那么，
，价钱回暖能带来什么利益？？
？？