8 月 20 日, 由天津药物研究院与镁伽科技联合主办的「AI 赋能·数智重构|酶工程创新研发闭门沙龙汇」在天津成功召开。本次会议汇聚合成生物学、酶工程等上中下游科研及企业嘉宾, 聚焦 AI 分子设计、工程菌株改造、工业酶开发等核心方向, 共同探讨 AI4S 在酶工程与合成生物学领域的创新路径与产业化落地, 完成一次从"底层算法"到"产业落地"的完整闭环探索。

百图生科解决方案负责人李一凡出席会议, 在主题演讲环节分享了公司 xTrimo 生命科学基础大模型及干湿闭环发现系统 BioMap OS 在合成生物领域的最新研发进展和产业实践成效, 且在圆桌环节探讨了业内高度关注的 AI4S 干湿闭环落地兑现痛点与实践探索。

智识重构

AI4S 干湿闭环, 锻造酶工程"超级引擎"

会议上半场聚焦 AI4S 干湿闭环的技术底座与方法论, 三位讲者从 AI 底层范式、蛋白筛选改造到自动化基础设施, 层层拆解 AI 如何重构酶工程的研发逻辑。

百图生科解决方案负责人李一凡以《AI 驱动的合成生物研发新范式——从分子和菌株设计到智能实验的干湿闭环》为题展开分享。他从分子和菌株设计切入, 展示了 AI 大模型如何重构合成生物研发的全流程——蛋白结构预测、代谢通路模拟、智能实验调度, 干湿闭环不再是概念, 而是可落地的研发操作系统。

百图生科解决方案负责人 李一凡

百图生科以自主研发的跨模态基础大模型 xTrimo 为底座, 构建了面向合成生物学发现智能体系统, 在蛋白和菌株优化等方向形成一整套可复用的算法模块与流程框架, 支持从分子建模、性能预测、实验验证、模型更新的全链条闭环设计, 具备高扩展性与快速迁移能力。
同时, 百图生科自建的高通量实验室实现了智能体和实验管理的深度整合, 真正兑现干湿实验闭环。实验室能够支持每年数万次蛋白质表达、纯化与性质测定, 推动内部研发效率提升 40%, 截至 2026 年 H1 累计赋能推进 80 余项 POC, 形成 15 条 PCC 候选管线。
李一凡分别讲述了酶分子设计平台和菌株分子设计平台在真实产业实践的显著效率提升。以酶分子设计平台为例,「通过三轮设计, 我们成功将乳果糖的整体生产效率提升 3 倍。」李一凡表示, 这项具有里程碑意义的研究成果, 已经成功发表于国际顶级催化期刊《ACS Catalysis》, 不仅印证了我们技术路线的科学性, 更证明了 BioMap OS 平台在真实工业场景下的实战落地能力。
中科院天工所高通量编辑与筛选平台实验室主任王猛在《AI 与高通量筛选驱动的蛋白改造》报告中, 介绍了天工所高通量平台如何与 AI 形成双向加速飞轮的最新实践:高通量自动化实验获取数据, 建立模型, 再预测指导实验,DBTL 循环在数字与实验双轮驱动下持续压缩, 蛋白的活性、稳定性、选择性从「经验直觉」变成「数据捕捞」。
围绕《AI4S 酶工程和细胞工厂基础设施建设》这一主题,镁伽科技 AI4S 业务解决方案总监吴小月系统阐述了镁伽作为面向科学的 AI 基础设施企业, 如何以 PCE 闭环架构 (感知 Perception-构思 Conception-执行 Execution) 为合成生物学产学研铺设 AI 落地的"高速公路"——自动化工作站、多智能体协同、全链路数字化, 推动酶工程研发、细胞工厂搭建从传统手工作业迈向智能工厂模式。
上半场圆桌论坛聚焦《AI4S 干湿闭环:酶工程与合成生物学的「超级引擎」如何炼成?》, 在北京化工大学生命科学与技术学院张桂敏教授的主持下,百图生科解决方案负责人李一凡、中国医学科学院药物研究所长聘副教授谭忠平、分子动力生命科学部 CTO 王鹏宇、镁伽科技 AI4S 业务解决方案总监吴小月、珀罗汀生物副总经理甘明哲五位嘉宾展开深入讨论。论坛从数据、预测、执行、信任四个维度递进, 嘉宾重点探讨了高质量数据集储备不足与负向数据价值挖掘利用程度低、AI 预测与湿实验结果偏差、DBTL 循环中的手动操作与数据回流延迟, 以及 AI 从「辅助工具」走向「科研合伙人」过程中的信任构建。与会嘉宾认为,超级引擎的炼成并非单点算法突破, 而是数据、算法、自动化与实验验证的系统性耦合。

李一凡重点介绍了百图生科在 AI 驱动的干湿闭环平台搭建方面的经验和思考。他提出干湿闭环的实验应该以数据和模型为核心, 而不是简单的完成实验流程。如果没有能够沉淀 AI-Ready 的数据集并基于此更新对应的模型, 干湿闭环的价值会非常有限。实验产生的原始仪器文件、样本信息、实验条件和检测结果, 需要经过自动采集、标准化解析、质量控制和结构化关联, 最终形成可直接用于模型训练和评估的 AI-Ready 数据集。长期来看, 每个企业的核心竞争力应该是积累的数据和模型资产。
百图生科自建高通量实验室, 数据从产生瞬间即 AI-Ready, 进而形成模型预测→实验验证→数据回流→模型迭代, 持续迭代进化。随着实验反馈数据的逐渐积累, 模型效果不断提升。
同时, 李一凡表示, 大家经常觉得 AI 不好用, 不是模型本身的问题, 而是不了解每个模型的边界和适配的场景。有的擅长理解蛋白序列, 有的用于结构预测, 有的用于序列生成, 有的更适合稳定性、表达潜力、酶活性等性质预测。即使是同一种模型, 在不同蛋白家族、不同数据规模和不同优化目标下, 适用边界也可能发生明显变化。因此, 产业界真正面临的难题, 往往不是「有没有 AI 模型」, 而是面对越来越多的模型, 科研人员如何判断应该在什么阶段使用什么模型、如何组合多个模型的结果, 以及什么时候应该引入自己的实验数据对模型进行进一步校准和训练。
针对这一问题,BioMap OS 将不同生命科学模型和计算工具进行统一管理, 并把模型选择、任务编排和结果分析进一步封装到具体研发场景中。例如在酶分子设计中, 研究者可以围绕酶活、稳定性、表达量等多个目标建立设计流程, 将候选生成、结构预测、性质预测和虚拟筛选组合成可复用的 pipeline, 并根据项目结果持续调整模型和筛选策略。对于已经积累了一定实验数据的项目, 还可以进一步利用企业私有数据进行任务模型微调, 使模型逐渐适应特定酶体系和研发目标。通过这样的方式, 科研人员不需要首先成为算法专家, 而是可以把重点放回科学问题本身, 让平台和智能体帮助完成模型调用、组合和迭代。AI 的价值也由「提供一个预测结果」, 进一步转向「帮助科研人员建立一套可以持续学习和复用的研发方法」。

产业破局

AI4S 产业落地, 打通规模化"最后一公里"

技术再前沿, 终究要回答产业的终极追问:能否量产? 能否降本? 能否稳定?

会议下半场转向产业一线, 从科研平台的自动化实践到医药工业的真实场景, 直面 AI4S 从实验室走向工厂, 从 1 到 N 的关键挑战与破局路径。

在题为《AI+自动化驱动工业酶进化》的报告中,天津药物研究院研究员、合成生物 PI 赵晶展示了药研院"AI+合成生物自动化平台"进展, 以及使用 AI 与自动化技术赋能酶工程的研究成果。该先进技术平台显著提高工业酶进化效率, 缩短研发周期, 加快生物制造的产业化落地。作为北方生物医药产业集聚区的科研平台, 药研院坚持基础研究与成果转化双轮驱动, 积极推动科技创新与产业创新相融合。

宜昌人福医药产品开发中心副主任平科峰从产业视角出发, 分享了《生物催化在医药工业中的应用与挑战》, 系统梳理了生物催化从实验室到生产车间的整体考量因素, 涵盖成本控制、法规合规、供应链保障、工艺放大等核心内容。他表示, 医药工业的酶催化应用, 不仅需要更高效酶制剂的支撑, 更需要与 AI4S 体系深度融合的完整工艺解决方案。

下半场圆桌论坛由钛资本董事、总经理方昕 (芳博士) 主持,信安诺医药创始人安立军、碧研生物研发生产总监刘勇军、蔚蓝生物酶制剂平台总裁李玉强、派智生物董事长杨毅、国家合成生物技术创新中心知识产权负责人王聪五位产业代表, 围绕《产业落地痛点与规模化困局》展开深度交流。论坛从供应链、工艺、转化、人才四个维度切入, 探讨了高端酶制剂自主化不足与进口依赖的供应链之痛, 直面工程细胞从"实验室漂亮数据"到"工厂稳定产出"的规模化鸿沟, 聚焦产学研转化不畅导致实验室研发分子难以完成商业化落地、实现产品上市的商业化瓶颈, 以及 AI 与生物制造交叉领域复合型人才短缺的结构性困境。与会嘉宾一致认为, 产业化破局需要多方主体协同推进, 依托平台型企业的产业牵引作用、科研机构的技术开放能力与 AI 基础设施企业的技术支撑能力, 实现技术、数据与产业场景的闭环流转。

实地观摩

走进药研院, 见证 AI+合成生物的落地成果
闭门会结束后,参会嘉宾走进天津药物研究院"AI+合成生物自动化平台", 实地观摩百图生科的干湿闭环发现系统 BioMap OS、镁伽科技实施的全栈自动化设备与药研院研发管线的深度融合应用。自动化平台精确完成大批量筛选, 实验工艺数据实时采集回传,AI 基于反馈持续迭代优化参数——AI4S 干湿闭环从"纸上蓝图"变为"现场生产力"。
自动化平台凝聚了合作各方的力量。百图生科基于 xTrimo 生命科学基础大模型和干湿闭环发现系统 BioMap OS, 为合成生物研发提供全流程、规模化落地的 AI 生产力;镁伽科技依托 PCE 闭环架构与体系化自动化能力, 为产业生态铺设 AI 落地的技术基础设施支撑;天津药研院凭借深厚的科研积淀与成熟的成果转化体系, 为合成生物技术产业化提供了优良的产业生态。各三方的深度合作, 是我国合成生物学产业从技术跟跑向并跑、领跑阶段迈进的典型实践。
从技术范式重构, 到产业路径探索, 再到落地成果验证, 本次闭门沙龙构建了 AI4S 酶工程领域的完整价值讨论链条, 凸显了 AI 技术对酶工程与合成生物学研发体系与产业格局的重塑作用。

来源：互联网