在各種香氛科技（fragrance tech）切入香氣之際，有一家新創挑戰以生物學與計算科學打造人人都能共通使用的香氣座標軸、建構能生出新香氣分子的平台。2025 年創業的美國 Patina 以這項宏大的基盤打造為目標，並於 2026 年 5 月完成 200 萬美元（約新台幣 6,500 萬元）募資。本文解讀這個蘊含新香氣分子開發等各種可能性的專案內容。
邁向如同色彩中 Pantone 般的香氣共通座標建構
「花香」「木質」「辛香」這類形容香氣的詞很方便，但其意義會因文化、地區、品牌、調香師的經驗而搖擺。對某人是「綠香」的，對另一人也許是「草本」。若是色彩，有幾套座標軸，例如指定「Pantone 485」，就能在設計、印刷、製造中共享同一種紅。但香氣沒有與之相當的跨產業座標。
美國新創 Patina 的目標，是把這個曖昧的香氣世界，以鼻子的嗅覺受體如何反應的數值代碼來描述。該公司開發中的基礎模型「Sense¹」，意在預測香氣分子活化哪些嗅覺受體、活化到什麼程度，讓香氣能作為生物學座標來處理。
若實現，就有可能設計出過去未曾被當作香料探索的分子，或不依賴植物萃取就重現玫瑰精油這類稀有天然原料。Patina 於 2026 年 5 月發表已從含 Betaworks、True Ventures 的投資者募得 200 萬美元（約新台幣 6,500 萬元）。
藝術家調香師與軟體工程師的相遇
Patina 由 Sean Raspet 與 Laura Sisson 創立。Raspet 既是藝術家、也是調香師，是一位不只組合既有香料分子、更自行設計新分子並與化學家一起合成的人物。
他的關心超越「做出美麗香氣」的職人領域，走向「為什麼人會把某個分子感受為『某種香氣』」的提問。另一方面，Sisson 具備食品相關與軟體工程的背景。在對感覺科學的關心加深中，她投入嗅覺學習模型的建構，愈發確信分子與受體的關係應能作為資料來捕捉、建模。
兩人相遇於 2024 年紐約一間嗅覺藝術的畫廊。Raspet 展出新的合成分子、Sisson 開發嗅覺 AI 模型，協作由此開始。Raspet 對 TechCrunch 的採訪回顧道，與 Sisson 合作研究之中「意識到打造在生物學層級理解嗅覺工具的時機已成熟，於是想到成立公司」。
為什麼香氣沒有「共通代碼」
香氣世界之所以難以產生共通代碼，理由之一在於氣味的描述本來就強烈依賴人類的語言。
在視覺，光的波長與色彩空間能作為物理量處理。色名雖有文化差異，但用數值指定色彩本身的體系已有數套完備。但在嗅覺，分子結構、受體反應、腦內知覺、語言表達之間有複雜的關係與落差，例如分子結構稍變、香氣就大變，也有結構完全不同的分子卻有相似香氣。
在產業結構面，香氣也容易成為封閉世界。因為香水的配方式本身難以用著作權或專利保護。因此，為了盡量避免成品被分析、被模仿，許多品牌把香氣當作企業機密來管理。另一方面，新香氣的分子結構，視條件而定可取得專利。因此在香氛業界，擁有能發明新香料分子的技術力、能取得專利獨占的大企業會變強。
結果，香料素材的供給與新香料分子的開發，就集中到全球市場調查與顧問公司 Mordor Intelligence 所列舉的香精香料市場主要企業—Givaudan、DSM-Firmenich、IFF、Symrise 等大型香料廠商。
關鍵在鼻子約 400 種受體
Patina 想藉由打造香氣共通代碼來促成產業結構變革，其技術若先理解人類嗅覺的機制會更好懂。
人類的鼻子據說有約 400 種功能性嗅覺受體，同時，氣味並非「一個分子對應一個受體」這種單純機制。一個受體會對多個分子反應，一個分子也會活化多個受體。一般認為，腦讀取「哪個受體、以多強的強度反應」的活化模式組合，把它認知為「玫瑰」「麝香」「柑橘」等氣味。
以聲音比喻，氣味不是單音、而近於和弦。可謂約 400 個琴鍵中，哪些以多強的力道同時被按下，造就香氣的差異。這種組合之多，成為人類能嗅辨極多樣氣味的基盤。
率先由美國 Osmo 的技術展示的「氣味地圖」
即使香氣是以受體組合代碼被認知，從結構預測某分子會被感受為什麼香氣，長久以來被視為難題。成為轉機之一的技術，是圖神經網路（GNN）的應用。分子是「原子相連而成的東西」，用圖表示時，原子是點（節點）、原子間的鍵結是線（邊）。GNN 就是把這「點與線的圖」原樣讓 AI 讀取來學習的技術。
自 Google Research 分拆出的新創 Osmo 研究團隊，用這個取徑建構了稱為「Principal Odor Map（主要嗅覺地圖）」的潛在空間。該研究 2023 年刊登於《Science》，展示了從分子結構預測氣味知覺的可能性。在這張地圖上，被配置在附近的分子，對人類而言容易被感受為相似氣味。此外，這個模型對訓練資料未含的未評估分子，也能僅從結構預測香氣。論文中也報告，模型的預測達到接近人類評測小組平均的水準。
也就是說，Osmo 的成果，在於藉由做出一張從結構資訊推估某分子對人類而言「甜」「像麝香」「花香」等如何被感受的地圖，展示了從分子結構預測氣味知覺的可能性。
不過，Patina 瞄準的可說是更上一層。它要建模的不是人類如何用「麝香」「花香」等詞語表達，而是在那之前的階段——分子活化了鼻子的哪個受體、活化到什麼程度。若說 Osmo 做的是「佐證人類語言的氣味知覺地圖」，Patina 想做的則是「產生氣味的受體反應代碼」。
把「分子結構→氣味」反向使用
一旦能從分子結構預測氣味，就會生出把這個模型反向使用的發想。也就是說，不只預測「這個分子是什麼香氣」，還能探索「要產生這個香氣需要什麼分子」，進行所謂逆設計（inverse design）。
例如把「接近玫瑰、但更有通透感、不依賴天然原料的香氣」設為目標。先定義滿足該條件的受體反應模式，再從中在電腦上探索可能引起該反應的分子結構。這是把香氣分子的設計，從傳統經驗法則拉近到計算科學的發想。在極為廣大的化學空間中，作為可合成香料、性質已被掌握的分子只是極小一部分。若有能在計算上評估任意候選分子的模型，就有望有效率地探索過去未曾被合成、評估為香料的分子。
Patina 開發中的 Sense¹ 能實現什麼
該公司開發中的基礎模型 Sense¹，目標是把香氣分子活化哪個嗅覺受體、活化到什麼程度，以數位方式預測與編碼。Raspet 表示，藉由在受體層級設計，能做出人類尚未嗅過的分子、重構世界上最稀有的天然原料。
為此的資料主要以兩條路徑蒐集。一是與實測嗅覺受體活化的學術機構、新創的共同研究。另一是在電腦上模擬分子與受體交互作用的取徑。因為光靠實測資料規模有限，若能以物理模擬補完，就能大幅拓寬可探索的分子空間。
若 Patina 的 Sense¹ 運作起來，香氛製造可能發生大變化。傳統調香大幅依賴組合已知香料分子的作業。但若能從受體反應反推、探索分子結構，就能考慮設計出既有香料庫之外的香氣。小規模品牌與獨立調香師，也可能擁有自家專屬的香料分子、在滿足條件時以專利保護、守住獨家的「香氣標誌（signature）」。
另一個是稀有天然原料的重現。玫瑰精油等天然素材，容易因氣候變遷、收穫量變動、產地限制而供給不穩。Patina 說明，藉由該公司設計的分子，能在受體反應層級模仿玫瑰精油的香氣、實現不依賴植物萃取的重現。
Raspet 進一步暗示，若這種重現實現，也可能比原本的植物萃取更能抑制溫室氣體排放與用水量。此外，若能用 AI 預測皮膚反應與安全性，也將連到動物實驗的替代。
目前 Patina 的挑戰才剛開始，但一旦把香氣當作受體反應座標來處理的基盤實現，對香氛產業的衝擊看來會相當可觀。
撰文：BeautyTech.jp編輯部
精選圖片：irissca/ stock.adobe.com
本文出自經營 @cosme的日本上市公司 istyle 集團 旗下媒體 BeautyTech.jp，專注報導全球美妝科技與創新趨勢。並由CMRI美妝行銷總研全責翻譯。
CMRI美妝行銷總研 隸屬於istyle集團台灣子公司 i-TRUE 艾思網絡，專注台灣美妝市場趨勢與消費洞察分析。