摘要

Osmo 表示，它已经完成了嗅觉领域从0到1的突破：通过数字化读取一颗新鲜的夏季李子，再将其重构成「真的是一颗该死的李子」。 其系统将化学传感器与约300维的气味地图，以及能将分子重新混合成一种体验的写入器结合起来。一次成功的读写往返，可以形成主动学习闭环：刻意选择新的气味，让后续实验获得更多信息。
真正具备防御性的资产，是一个垂直整合的数据工厂，为缺乏AI兼容数据的模态提供基础设施。 人类评测小组每天进行2次气味排名，GC-MS机器全天候拆解样本，化学家合成由OI设计的分子；Osmo则储存了10,000-20,000种AI设计的化合物，并为每一种建立物理到数字的孪生体。Wiltschko 的框架是：「冰山的大部分」工作在于创造并连接数据。
生成技术将这套科学平台转化为一个近期可落地的香氛业务，把12-18个月的定制开发流程压缩到几分钟。 传统买家往往要等数周或数月，拿到的却只是现有香味库中的某款香气；每轮修改可能耗时3个月，而原料香精的价格从约每公斤$10到数百美元不等。Osmo希望通过对话式需求、气味地图、AI和人类调香师，让每个结果都实现定制。
香氛拥有异常优厚的在位者经济性，但市场结构迫使Osmo走向垂直整合，而不是纯软件模式。 香味出现在90%的家居产品中，品类迁移可以让供应商相对抗衰退，复购率「远高于50%」，而配方秘密则能造就「拥有非制造业利润率的制造企业」。Osmo曾尝试销售软件，但由于香氛公司和买家数量相对有限，Wiltschko判断公司可能不得不直接参与竞争。
机器嗅觉已经有一个明确的鉴伪切入口：Osmo传感器能在20秒内判断StockX球鞋真假。 造假者可以复刻视觉特征，但鞋子的气味是「制造它的一切经历留下的指纹」；每个新SKU都需要一些真鞋和假鞋样本，尽管Wiltschko承认，一场新的军备竞赛正在形成。
更大的期权价值在于可移动化学传感，用于溯源、边境安全，并最终延伸到人体健康。 Wiltschko认为，血液和器官中的物质会通过呼吸和汗液释放出来，形成一类尚未被充分利用的信号，类似于狗能探测到的信号。更大的读取器还需要再缩小4-8倍，才能真正便携；气味打印机则仍约为桌子尺寸的一半。
Osmo面临的生死风险，是硬件限制、成本，或某个未知的根本性约束，在系统变得个人化、便携且可负担之前打断这条路线图。 Wiltschko不想直接冲击那座山峰，而是希望找到「足够平缓的坡度，让我们可以在某些节点停下来、建立一门生意」，通过每个商业落脚点提高公司的存活能力。他的时间观非常明确：「退出策略就是死亡」（The exit strategy is death）。

精读

1. 只有机器既能读取又能写入气味，嗅觉才会变得可计算

Osmo的数据引擎从每天2次的感官评测小组开始，成员会真正闻样本并进行标注。公司维护着「真实排名」，把「顶级选手」留给需要最高精度判断的工作；Wiltschko称，这相当于嗅觉领域的人类图像标注基础设施，而这样的能力无法直接买到。
公司的GC-MS机器就像「分子世界的相机」。机器人装载系统全天候运行；气味沿着一根50米长的色谱柱移动，像跑步比赛冲线一样分离轻分子和重分子，随后电子枪将它们打碎，系统再根据碎片重量和移动时间推断其身份。
最终解读过去通常结合软件和人工判断。Osmo表示，其嗅觉智能系统完全通过软件完成这一步：Wiltschko的策略不是替换那些汇集了「约12个诺贝尔奖级别」进步的硬件，而是「拔掉大脑」，为仪器补上缺失的软件地图。
底层的气味字母表仍未解决：没有人知道气味对应的三原色或元素周期表是什么。科学家可能知道枫糖浆包含哪些分子，但要做出「枫糖浆，不过樱桃味多一点」，或出于安全原因替换其中一个分子，需要一套Osmo正试图自动化的工艺经验。

2. 读写闭环让每次实验都变成训练数据

Patrick将架构概括为读取和写入，其中写入是检验读取是否正确的方式。Wiltschko表示同意：一旦系统可以创造、测量并选择新的气味，以最大化明天实验能够学到的东西，就进入了主动学习闭环，并会「很快变聪明」。
高端读取器可以直接从花、果实、蔬菜、人或其他物体中提取气味。空气中的分子会聚集在一层薄膜上，吸收气味的方式「就像柯达胶卷吸收光线」；随后加热「显影胶片」，将样本释放到光谱仪中供AI分析。
气相色谱嗅闻仪还可以暂停一种复杂气味，让研究人员逐一闻到其中30或100种成分分子。Wiltschko称其为「软件调试器」——它帮助人类建立直觉，同时配合机器进行分子拆解。
最终的保真度仍回到感知本身：人们将真实物体与重构结果进行比较，实际上是在回答：「可以了吗？」Osmo采用去偏方法，生成机器可读的判断；但Wiltschko明确承认，对于一段熟悉的记忆，闻到它的人仍然是「裁判」。

3. 一颗夏季李子证明读写往返已不再只是理论

Osmo第一次完成的气味传送，始于一颗新鲜的紫色夏季李子——那种「咬下去会发出清脆声响」的李子。团队切开它，分析其顶空成分，再在实验室另一处重新打印这种气味；最终的小瓶里，大概装着那个瞬间数千或数万次的嗅闻量。
Patrick闭上眼睛，闻了闻Plum 1.0，并认出了它。对Wiltschko而言，那只瓶子里装着一段气味记忆的「源代码」，也标志着公司的决定性时刻：重构结果「美得近乎超现实」，证明项目已经「从零到一」。
更早的剧院概念，比如AromaRama，之所以失败，是因为它们只能释放少数几种完整、预先编程的场景气味。Wiltschko将这种方式比作幻灯片；真正的气味显示器必须能够按需混合广泛的成分，做到「什么都能展示」，而不是只重放8种储存好的体验。

4. Wiltschko将香水痴迷与图神经网络结合起来

Wiltschko在8岁或9岁左右开始编程，12岁开始收藏香水；他着迷于一种看不见的物质竟能在很小的半径内改变人们对彼此的对待方式。Bvlgari Black让他意识到香味也是艺术：在约45分钟里，刺耳的轮胎声和橡胶味逐渐让位于皮革上的香草味，再转向烟熏烟草味——一部被刻意编排成3幕、按顺序展开的「电影」。
神经科学把他带回一个存在了一个世纪的问题：给定一个分子的结构，任何人能否预测它闻起来像苹果、肉桂还是茴香？离开学术界、经历2家AI初创公司、Twitter深度学习团队和Google Brain后，他在图神经网络让任意分子结构变得可处理时重新审视这个问题——这就像「AI和化学的巧克力加花生酱」。
他的Google团队预测了数十万个分子的气味，从中选出400个外观上与此前见过的分子截然不同的样本，并对答案保密，再让受训评测小组为真实化合物打分。模型的表现超过了平均评测员；Wiltschko说，如果要再增加一名评估者，他更愿意采用软件的预测，而不是再训练一只人类鼻子——这相当于「通过气味图灵测试」。
完成这些科学里程碑后，Josh Wolfe对数字化嗅觉长达10年的兴趣，经由GV的一次引荐与项目连接起来。Wolfe在将知识产权从Google Brain中提取出来并创建公司方面发挥了关键作用；他牵头了该轮融资，GV的Krishna Yeshwant共同领投，Osmo由此成立。

5. 生成技术把香氛开发从数月压缩到数分钟

传统开发从一份自由格式的需求说明开始，内容包括品牌、目标气味、参考香氛、预期销量和价格，价格从约每公斤$10到数百美元不等。香氛公司不会预先收到费用，首先要判断这次机会是否值得投入。
Wiltschko估计，90%的情况下，香氛公司最初发来的都是为其他客户创作过的产品。坚持真正定制的买家，可能要面对12-18个月的流程，每轮反馈之间间隔3个月，之后还要进行应用测试，确认气味不会让乳霜变色，或在最终配方中发生变化。
Generation将Osmo的技术与调香师和专业嗅觉评测员结合起来，改造每个环节。需求说明应该转化为可以立即使用的ChatGPT式对话；软件可以绘制概念地图，而人类则带来创造某种「纯粹漂亮」的香味所需的情感和审美判断。
在Patrick现场进行的Colossus需求说明中，「毕生事业、可能性、户外空气和红杉森林」等主题被转化为「Ambition Trail」。Osmo将这段语言嵌入约300维的气味地图——不是3维RGB——将其定位在100款大众市场热销香氛的相对位置上，再解码为气味特征和源代码，把Wiltschko所称的数月工作压缩到几分钟。

6. 行业结构让垂直整合比SaaS更具可能性

Patrick追问，Osmo是否应该继续做面向开发者的平台，还是拥有Generation这样的应用。Wiltschko的答案取决于买家的准备程度：充满活力的市场可以支撑赋能型平台，但香氛行业的公司和买家相对有限，而Osmo向它们销售软件的尝试没有带来明显路径。
他举了Metropolis的例子：软件本可以提高停车场效率，但运营商尚未准备好成为买家，于是公司转而经营停车场业务。Osmo同样看到了进入并改造一个行业的机会；Wiltschko认为，这个行业的工作流程已经300年没有发生实质变化。
在位者经济性很有吸引力。由于香味出现在90%的家居产品中，奢侈香水疲软时，洗手液或其他品类可以抵消影响；专有配方知识能够创造「拥有非制造业利润率的制造企业」，而行业复购率则远高于50%。
Wiltschko不想抛弃那些延续数百年的做法，但他看到了市场对速度、安全、透明度和可及性的未满足需求。Ritz-Carlton等酒店，以及Patrick对Gramercy Park Hotel的记忆，都说明专属气味如何创造即时熟悉感，并将一个实体场所与品牌绑定起来。

7. 读取气味先打开鉴伪，之后才是健康

对于StockX，Patrick比较了外观完全相同的真鞋和假鞋，却无法仅凭气味可靠地区分它们。Wiltschko解释说，外观可以被复制，但气味记录了材料和制造历史：「鞋子的气味，基本上就是制造它的一切经历留下的指纹。」
Osmo将实验室传感器堆栈缩小到约2个鞋盒的体积。鞋盒上的拇指孔连接到嗅探器，经过样本训练后，系统能在20秒内返回真或假；每个新SKU都需要重新收集真鞋和假鞋样本，所需数量有时更多，有时更少。
Patrick设想造假者给鞋子喷上自己的香水，但Wiltschko表示军备竞赛已经开始，气味会成为下一个前沿。更广泛的溯源方向还包括其他假冒商品、边境上的有害物质，以及最终由计算机辅助或替代嗅探犬目前执行的任务。
人体健康是「圣杯」，但Wiltschko仍将其表述为未来目标。血液和器官中的化学成分最终会进入呼吸和汗液，有时人们甚至可能在亲友自己察觉之前，先发现对方正在生病；狗可以探测到相关信号。此外，水果、花朵、产品和人体气味之间存在分子重叠，香氛领域的进展可能迁移到健康传感领域。

8. 专有物理数据是燃料，而自然仍是约束

Patrick将Osmo与套在语言模型外面的AI应用进行对比，并提到ChatGPT公布的月活用户为4亿，约占人类的5%。Wiltschko认为，文本已经接近S曲线的右侧——「互联网只有一个，我们已经在上面训练过了」；而气味仍处于最左侧的起飞点附近。
Osmo在适合的地方使用LLM和其他AI工具，但拒绝把每个问题都强行塞进同一种架构。AI触及其几乎全部代码，提高了生产率，也很可能让公司规模更小；ChatGPT可以对保密协议提供80/20审阅，但关键问题仍会交给有经验的人类给出判断。
真正困难的工作始于：获得许可的气味数据无法与AI兼容。因此，Osmo为嗅觉重建了图像AI生态：人类全天候标注，传感器24/7拆解样本，机器人生产气味，化学家制造新分子，并储存10,000-20,000种AI设计的化合物；每种化合物都有数字孪生体和已知的物理存放位置。
Wiltschko始终担心「大自然母亲」会在2025年、2026年或2027年阻挡下一次突破。更大的读取器仍需缩小4-8倍才能便携，写入器的体积约为桌子的一半；他的应对方式，是沿着能够反复「停下来、建立一门生意」的路径，逐步走向个人化、可负担的数字化嗅觉，并让Osmo变得更难被杀死。

Yamini Rangan，HubSpot CEO：HubSpot 如何与 Salesforce 竞争市场概述 2025年3月18日