在人工智能这个以「季度」甚至「月度」为单位刷新认知的领域谈论「十年」是一件十分奢侈的事。技术发展得越来越快永远有更新的亮点技术在抓住我们的眼球。也正因如此当一项成果在提出十年之后被重新拿到聚光灯下并被郑重授予一枚「WWW 2026 Test of Time Award」时它触及了一个深刻的问题什么样的研究能体现超越时间的价值。7 月 1 日在迪拜举办的 The Web Conference 2026国际万维网大会上一篇发表于 2015 年的论文《LINE: Large-scale Information Network Embedding》被授予 Seoul Test of Time Award时间检验奖。这篇由国际知名 AI4S 科学家、Mila 终身教授、百奥几何公司创始人唐建博士领衔、与 Meng Qu, Mingzhe Wang, Jun Yan, Ming Zhang, Qiaozhu Mei 等人合著的论文目前被引次数已超过 7300 次。论文链接https://dl.acm.org/doi/10.1145/2736277.2741093值得一提的是Seoul Test of Time Award 的首届得主是大家都很熟悉的拉里・佩奇与谢尔盖・布林PageRank 的提出者其含金量不言而喻。然而拉长历史的维度来看这篇论文真正迷人地方不仅在于它对过去的总结更在于它对未来的跨界启示。唐建博士这篇工作在 PC 互联网时代支撑了搜索引擎、PageRank 和知识图谱的发展在移动互联网时代支撑了社交网络的建模和商业推荐系统的运转。更与其他工作不同的是这项工作并未随着互联网红利的退潮而褪色。相反当 AI 技术范式跨入深度学习与大模型时代它所沉淀出的底层数学逻辑开始向着一个远超想象的全新领域蔓延 —— BIO AI。当年用来理解万维网、连接网页节点的数学模型在经过几何深度学习Geometric Deep Learning的演维后如今正成为最前沿的 AI for Science 范式去理解和设计人体内的抗体分子。从错综复杂的 Web 网络到精密绝伦的蛋白质三维结构看似是两个毫不相干的世界但在几何图神经网络的解构下它们共享着同一种底层的数学语言。这是一场跨越十年的技术远征不仅验证了信息科学的第一性原理也正是唐建教授从学界迈向产业界的逻辑起点。从万维网到蛋白质一条意外但又合理的技术线LINE 解决的问题一句话就能说清怎么把一张有着数百万节点、数十亿条边的巨大网络压成机器算得动的低维向量同时又不丢掉它的结构。它和稍早的 DeepWalk、稍晚的 Node2Vec 一起把「图表示学习」从一个边缘话题做成了一个独立方向。比较有想象力的读者们可能已经发现了端倪。现实世界里的关系本质上都是图。网页之间是链接构成的图人和人之间是关系构成的图。当唐建把视线越过屏幕、投向更微观的世界他看到的还是同一种结构。蛋白质是原子与化学键构成的图小分子是图细胞内的相互作用网络也是图。所以LINE 的边界不可能局限于互联网。2023 年唐建博士创立的百奥几何正式运营一个从底层重构生命科学的研发范式打造下一代 AI 原生AI Native的生物科技公司。而这家公司的技术内核正是从 LINE 一路延伸下来的技术逻辑既然分子天生就是三维的图那么在图上理解与生成结构的能力理应能被改写成设计分子的能力。在 LINE 发表之后唐建博士的每一步都在这条技术线上前进用于知识图谱推理的 RotatE再到面向药物发现的开源平台 TorchDrug以及联合英伟达、英特尔、IBM 推出的、面向大分子的 TorchProtein。旁人眼里彼此独立的一个个项目在唐建博士这里是同一个问题的不同切面。唐建博士北京大学计算机博士微软亚洲研究院研究员卡内基梅隆大学与密歇根大学博士后此后成为蒙特利尔学习算法研究院Mila华人终身教授2014 年拿下 ICML 最佳论文奖。在图机器学习最前沿泡了十余年唐建博士决定让自己的工作在生命科学上探寻广阔的应用前景与其说是灵光乍现的转身不如说是蓄谋已久的收敛。一以贯之的技术底色GeoFlow 的三级跳人工智能的技术浪潮分三个阶段演进以大语言模型为代表的数字 AI以自动驾驶、人形机器人为代表的物理 AI以及以生命科学为战场的生命 AI。生命 AI 正是百奥几何的使命是「深度理解生命的底层语言并在原子级精度上实现对生命分子可编程的工程化改造」。作为一个由学界大牛创立的 「AI 原生」公司技术力必然是其立身之本。这也意味着从算法内核、模型训练到高通量自动化湿实验闭环全部自建。支撑这一切的核心是自主研发的底层大模型。那条从 LINE 一路延伸的技术路径最终落到了一个叫 GeoFlow 的「微观世界模型」上。2024 年 6 月的第一代 GeoFlow生成式 AI 抗体设计大模型基于几何深度学习架构和最新的流匹配生成模型能够同时用于抗原 - 抗体复合物结构预测和抗体设计两项关键任务。GeoFlow V1 做的是最基础的一件事全原子建模。直接下沉到原子层面把每个原子的三维坐标、化学键的长度与角度原原本本地建进模型。这背后是几何深度学习加深度生成模型的组合拳真正学会的是原子在三维空间里的合理配置。基于 GeoFlow 的抗体从头生成示意图粒度下沉带来的是精度的抬升。仅这第一代GeoFlow 在蛋白 - 蛋白复合物结构预测上就摸到了与 AlphaFold 3 同一水准。要知道AlphaFold 系列是 DeepMind 的招牌工作这一模型的问世直接宣告了百奥几何国际第一梯队的底层技术地位。GeoFlow V1 抗原 - 抗体复合物预测评测结果更关键的是全原子这条路一旦走通就为后面「不止会看、还要会造」的设计能力打好了基础。2025 年 4 月GeoFlow V2 问世。这是一个里程碑式的进化。抗体从头设计一直是这个领域公认的硬骨头难点在于抗体与抗原结合的界面由高度柔性的 CDR 环主导比那些相对刚性的支架蛋白难建模得多长期以来只有少数海外闭源模型能碰。在此之前结构预测和从头设计通常是两拨人、两套模型各干各的一套负责「给定序列算出结构」另一套负责「给定需求生成序列」。GeoFlow-V2 第一次把这两件事捏进了同一个模型靠的是一种叫「伪蛋白序列」的巧思。喂进一条完整序列模型就当它是预测任务把结构解出来把序列里的一部分甚至全部遮盖住再喂进去模型就当它是设计任务把缺的部分补全生成。预测与设计在同一套参数里成了一枚硬币的两面。GeoFlow V2 在抗原 - 抗体复合物和蛋白 - 小分子复合物结构预测上均取得领先性能GeoFlow-V2 是国内第一个在这道难题上真正撕开口子的 AI 大模型第一次做成了国产可用的「结构预测 从头设计」的通用底座。让蛋白质成为可以被理解、被创造、被验证的智能构件。它是一款全原子级的蛋白大模型通用性足够强也顺理成章地成了第三代那次范式跃迁的发射台。2025 年 10 月GeoFlow-V3 亮相首次将多步推理引入蛋白质设计让模型具备「自我评估、自主进化」的能力在抗体从头设计中取得里程碑进展。GeoFlow V3 用多步推理实现抗体分子虚拟进化让模型自主思考不管在任何场景里都是一个巨大的里程碑意味着 AI4S 在该领域的实现真正拉开了序幕。GeoFlow V3 加入多步推理的逻辑是去模仿自然界抗体亲和力成熟的机制也就是免疫系统通过反复突变、筛选来一步步打磨出高亲和力抗体的过程把设计变成了「生成、评估、再优化」的多轮迭代闭环让模型对自己的产物打分、找出薄弱的残基、再有针对性地重新设计。这条思路和大语言模型近两年从 GPT 走向推理模型的演进精神上遥相呼应。GeoFlow V3 的问世正是生命科学领域里的 DeepSeek R1 时刻。在 V3 的技术报告里团队针对七个临床相关靶点、十项独立的纳米抗体从头设计任务平均命中率做到 18.7%。这个数字相较上一代计算方法拉高了约两个数量级接近百倍。GeoFlow V3 设计流程与实验结果结构预测这一侧V3 的高精度复合物 Top-1 成功率比 V2 提升了 45%。把镜头拉到更多任务上看在累计超过 20 个靶点的从头设计任务中苗头分子的平均命中率稳定在接近两成的水平。「少做、多得、可控」是这套体系远远超越传统大海捞针式筛选的优势。而下一代模型已经在路上它要把建模尺度从「分子」推向「细胞」从设计单个分子走向设计一整个分子系统。AI 与生命科学的硬核交汇生命科学正在成为全球最顶尖的 AI 力量共同奔赴的方向。上个月AlphaFold 的共同创造者、诺贝尔化学奖得主 John Jumper 离开工作近九年的 Google DeepMind加入 Anthropic。Anthropic 收购 AI 生物技术团队、自建湿实验室把生物能力内建进通用大模型喊出「把生命科学研发周期压缩十倍」的目标OpenAI 发布面向生命科学的推理模型 GPT-Rosalind铺设垂直工具与药企合作网络DeepMind 则早早拆出独立公司 Isomorphic Labs累计融资约 27 亿美元直奔临床管线而去。也就是说自 AlphaFold 拿下诺奖后全球顶尖的 AI 实验室都正在向同一个方向发力生命科学。Kevin Weil, VP of OpenAI for Science当然热闹里也藏着冷静的声音。迄今为止Recursion 至今没有获批药物BenevolentAI 的候选药折戟临床后退市被收购AI 制药和生命科学尽管吸引了顶级玩家的加入但目前在全球范围内实现产业落地的仍然是凤毛麟角。从中我们正能够看出生命科学产业落地的困难。而百奥几何已经把 GeoFlow 的能力落地成了可交付的成绩率先成长为国内 AI 制药领域的领跑者含金量于对比中不言而喻。其一团队作为核心贡献者参与了英伟达开源蛋白质大模型 La-Proteina 的研发把自己的方法论输出进了全球最受关注的 AI 基础设施生态。其二团队自研的 AI 虚拟细胞模型 PerturbDiff在国际科研界拿到了不小的关注度把建模的野心从单个分子推向了细胞层面的扰动响应。资本市场也在用真金白银投票。就在不久前百奥几何完成新一轮数亿元战略融资由上海生物医药创新转化基金、国科投资、达晨财智、星连资本联合领投高榕资本、指数人工智能产业创新基金跟投指数资本担任独家财务顾问。百奥几何采取「合作开发加自研管线」的双轮打法在三条战线上把 GeoFlow 的能力落地成了实打实的交付。第一条战线是抗体也是最见功力的地方。面对肿瘤治疗里那些同源家族高度相似、传统方法几乎无法区分的靶点蛋白团队把「特异性」直接写进生成阶段做前置约束只设计不超过 100 条序列就拿到了 2 条同时具备高选择性与高亲和力的抗体。在抗体优化这条更成熟的路上基于几何深度学习的 GearBind 方法早就在真实变异株上验证过针对新冠 Omicron 变体三周内把 CR3022 抗体的结合亲和力抬高了 17 倍针对 JN.1 变体把另一株抗体的亲和力拉高 300 倍以上两项成果分别登上 Nature Communications 与 PNAS。第二条战线是疫苗。某病毒的天然抗原蛋白长期无法稳定形成二聚体是个卡了很久的瓶颈问题百奥几何依托 GeoFlow 完成了登革病毒包膜蛋白二聚体的稳定化设计把二聚体占比从不足 10% 抬到 95% 以上相关产品已经转让给国内头部药企。第三条战线是合成生物学落地最直观也最能体现 AI 设计酶的商业价值。公司用 AI 设计的酶实现了天然冰片的生物合成是全球首次手性纯度高达 99.9%单位成本压到约 30 美元每公斤较传统植物提取方案有超过 80% 的成本优势目前已完成 500 升规模的中试验证。另一款产品 α- 酮戊二酸通过定向优化关键酶的活性成本较市场现有生物合成技术再降 60% 以上。这些管线里已经有十余条推进到了下游 BD 合作阶段。抗体设计平台也已与多家国内外药企达成授权合作。一家成立不过几年的公司能同时在创新药和生物制造两个万亿级赛道上跑出可交付的成绩。「AI 在生物医药领域的『智能涌现』时刻比业内预想来得更快」。尾声科研人长期主义的赞歌科研与创业毋庸置疑都是需要坚持长期主义的事情。二者都要求人在复杂系统里耐心寻找那条不变的规律都要求人扛得住短期看不到回报的寂寞也都要人相信自己押注的东西会在时间里越沉越有分量。这也正是这枚「WWW 2026 Test of Time Award」最动人的地方。它代表了一种在今天这个行业里近乎稀缺的品质坚持一个技术路径并让它在不同的领域里闪闪发亮。很少有人能预料到从 LINE 的图结构开始「理解结构、生成结构」的思路能够引导 AI4S 在生物科技领域取得突破。从北大到 Mila 再到百奥几何的实验室唐建博士换过很多身份做的却始终是同一件事把一个足够底层的问题做了十年。「获得 WWW 时间检验奖是对过去的肯定但在 AI 生物这个深水区用算法造福人类的挑战才刚刚开始。」好的研究从不惧怕时间它只会随着时间生长出越来越厚的价值。在一个习惯用月和季度丈量成败的时代里愿意用十年去等一个答案的人并不多而恰恰是这些人最终把整个行业往前推了一大步。这或许就是长期主义最朴素的回报你把时间熬成了朋友时间便会站到你这一边。百奥几何是一家 AI 智能体驱动的生物科技公司致力于让科学发现从“人驱动”走向“AI 自动驾驶”。通过自研的蛋白质生成式大模型 GeoFlow 与高通量湿实验闭环平台百奥几何正在重塑中国AI制药与生物制造的研发范式。