津渡生科鄧司偉：「AI+生物制造」到底是什么？全鏈智能已經實現

AI正在重塑生物制造的工藝邊界，為從“實驗室研究”向“大規模工業化”跨越裝上“數字引擎”。

作者丨岑峰

當前，生物制造已進入從“實驗室研究”向“大規模工業化”跨越的關鍵期，而AI技術的深度介入，正在為這一進程裝上“數字引擎”。

那么，全鏈路打通的“AI+生物制造”到底是什么？可以帶來哪些突破性成果？普通生物制造類企業應該如何把握，加入AI升級大潮？

近期，“第四屆合成生物學及生物制造大會”在深圳光明隆重召開。AI生物大模型引領者深圳津渡生物醫學科技有限公司（以下簡稱“津渡生科”）受邀，其聯合創始人兼首席技術官鄧司偉做了題為《AI驅動的生物制造：構建從發現到生產的智能閉環》的主旨演講。

鄧司偉在報告中指出，生物智造的未來在于構建一個全鏈路的智能閉環，即將AI的能力滲透進科學發現、實驗驗證、工業生產三大階段中，實現從研發大腦到自動化工廠的全鏈條智能化。

在最為核心的工業生產階段，AI正在重塑生物制造的工藝邊界。鄧司偉以生物發酵為例，展示了AI如何通過處理在線與離線的多源異構數據，實現超越人類經驗的生產管控。借助Transformer、Mamba等前沿架構，AI不僅能精準預測補料與放量時機，更能實現前瞻性的異常預警——在所有指標尚顯“正常”時，提前洞察未來的風險波動。此外，通過強化學習驅動的工藝自進化，以及多模態數據驅動的種子成熟度判斷，AI正將生產工藝從“依賴專家直覺”轉向“數字驅動進化”。

鄧司偉認為，“AI+生物制造”本質上是專業經驗的去中心化過程。它不僅將科學家從繁瑣的文獻研讀和實驗室體力勞動中解放出來，更在工業端極大地降低了生產成本與技術壁壘。在全球AI for Science競賽升溫的背景下，這種全鏈路的智能賦能，無疑將成為中國生物制造走向高質量發展的核心競爭力。

以下為鄧司偉在“第四屆合成生物學及生物制造大會”上的演講實錄，限于篇幅，AI科技評論進行了不修改原意的編輯：

演講主題：AI驅動的生物制造：構建從發現到生產的智能閉環

演講者：津渡生科聯合創始人兼CTO鄧司偉

各位專家學者，大家好。我是鄧司偉，津渡生科聯合創始人兼CTO。非常高興能在這里分享AI如何賦能生物智造。作為一名長期深耕計算生物學與多組學領域的科研工作者，我今天的報告將圍繞生物智造的三個核心環節展開，即構建一個從研發發現到實驗驗證、再到工業生產的全流程智能閉環。在這一閉環中，AI不僅是研發端發現新事物的“科技大腦”，也是實驗端優化設計的驅動力，更是工業生產中實現自動化工藝與智能化操作的“超級工程師”。

在生物智造的發現階段，科研人員面臨著兩大核心挑戰。首先是文獻情報的爆炸式增長，海量的學術論文、專利以及企業內部信息使得傳統的手工檢索與研讀日益低效；其次是算法模型的井噴，從DNA、RNA、蛋白質建模到代謝分析和發酵模擬，各種專業模型層出不窮，如何判斷模型的適用性、如何部署復雜的計算環境，往往耗費了大量的時間。針對文獻檢索的挑戰，目前行業內的主流解決方案是檢索增強生成技術（RAG）。通過將公有知識與私有知識庫向量化，構建起一個精準的知識映射，AI不僅能顯著降低大模型的“幻覺”現象，提供帶有準確引用（Reference）的檢索結果，更能打破數據孤島，實現團隊內部私有知識的高效協作與共享。

除了精準的情報檢索，如何高效利用海量的模型去解決具體的科學問題，則是研發發現的另一個難點。面對跨越分子、細胞到過程控制的各種模型，科研人員很難掌握每一個模型的參數細節與使用場景。這便引出了當前AI領域的前沿趨勢——科學智能體（Scientific Agent）。正如日常生活中出現的通用智能體產品，科學智能體能夠理解人類的自然語言提問，并在此基礎上完成任務拆解。它會自動識別子任務，從工具箱中調用最匹配的AI模型，并匯總各模型的結果，得出最終結論。科學智能體的出現，讓科研人員無需從頭學習每一個復雜模型的部署與參數調控，通過最自然的語言交互即可驅動前沿算法，極大地降低了科研創新的學習門檻與技術壁壘。

當科學發現完成之后，隨之而來的便是嚴謹的實驗驗證環節。這是一個從假設生成、實驗設計、干濕實驗執行到結果分析形成報告的動態循環。在這個過程中，AI的深度介入正在重塑實驗設計的范式。傳統的實驗流程設計高度依賴人類的經驗，但在記錄實驗細節時，人類往往會因為慣性或疏忽而遺漏一些看似微小實則關鍵的操作環節。相比之下，由AI驅動的實驗設計能夠通過標準化與精確化規避人為錯誤。

AI介入實驗設計的價值在于它能構建起實驗與研發的底層基座。無論是“干實驗”層面的計算機模擬，還是需要進入實驗室操作、配置各類組分的“濕實驗”，AI都能通過自動檢索內外知識庫來輔助提出更具潛力的科學假設，并據此生成精確的實驗流程。這種從機器邏輯出發的設計方案，不僅保證了實驗的可追溯性與一致性，也為后續實驗結果的自動化解讀與報告生成奠定了堅實基礎。

在實驗執行層面，AI的引入極大地解決了科研中長期存在的“信息遺漏”與“可重復性弱”的痛點。人類研究員在記錄實驗時，往往能理解當下操作，但隨著時間推移，微小的操作細節可能被遺忘，這種人為因素導致的信息流失是實驗難以完美復現的主因。而AI能夠完整地記錄并轉化實驗步驟，通過將人類的自然語言指令精確重構為機器可讀的操作代碼，實現對硬件設備的智能化調度。

然而，在追求實驗自動化的過程中，我們必須正視大模型的“幻覺”問題。實驗科學是一門嚴謹的學科，哪怕是一個小數點、一個單位或者一個步驟順序的錯誤，都會引發連鎖反應，導致嚴重的實驗事故。因此，在設計科學智能體時，不能僅僅追求其生成的方案“看起來合理”，而必須通過針對性的完善機制來破除幻覺。這包括對海量實驗流程數據的精準采集、對步驟排序與邏輯糾錯的深度強化設計，以及引入更高維度的專業指標對模型產出進行嚴苛評估。目前，我們的平臺已經可以實現從真人自然語言輸入，到自動生成思考路徑與實驗方案的全過程閉環。

在實驗方案生成后，下一步便是通過自動化系統進行執行。這種軟件與硬件一體化的打通，依托于物聯網系統、各類分析儀器以及機械臂、傳送帶等硬件設施的協同調度。無論是國內還是國外的自動化實驗供應商，都在致力于構建這種“無人實驗室”或“黑燈實驗室（Lights-out Lab）”，并配合數據分析智能體，實現實驗結束后的自動化解讀。

從全球視野來看，AI for Science已成為大國博弈的前沿。近期，美國提出了“創世紀計劃（Science Genesis Project）”，吸引了谷歌、微軟等科技巨頭參與，旨在常規人工智能之外，對科學智能進行戰略規劃；隨后歐洲、英國也相繼發布政府報告跟進這一進程。在這一浪潮下，涌現出了如FutureHouse等典型的科學AI機構，其下設的研發力量正專注于將AI深度融入科學研究。

當視角轉向生產制造環節，如何利用AI賦能生物制造的規模化產出，則體現為“AI設計工程師”角色的構建。以國內極具代表性的生物發酵工藝為例，生產過程中涉及兩類核心數據：一類是由DCS系統和各類探頭自動采集的在線檢測數據，另一類則是需要從發酵罐中取樣化驗、通常存在兩三小時滯后的離線數據。將這些具有天然時間序列屬性的數據輸入AI模型，是目前生物制造最契合的發展方向。

在模型架構的演進上，隨著從早期的RNN、LSTM到如今Transformer架構的突破，以及Spectral、Mamba等更先進架構的應用，我們對發酵過程的預測精度得到了本質提升。這使得自動補料、自動放量、終點預測以及異常預測成為可能。值得注意的是，AI在異常預測方面表現出超越傳統閾值判斷的優越性：傳統的檢測系統僅能在指標超限時發出警報，而AI模型能夠通過對復雜參數的預判，在所有當前指標均顯示正常的情況下，提前預知未來可能發生的異常風險，從而實現真正意義上的生產智能化。

在生產環節中，除了前文提到的提前預警功能，AI還能在工藝優化方面發揮核心作用。這主要依托于強化學習框架中的“決策模型”與“評判模型”。這種邏輯在軍事智能化和機器人領域應用極廣，正如訓練機器人完成行走或舞蹈等復雜動作，決策模型會在每一個時間節點根據系統輸入的實時狀態做出判斷與操作。而評判模型的存在，則是為了衡量決策的優劣：如果該操作最終提升了效價或產量，系統就會獲得“獎勵”反饋；反之則給予“懲罰”。通過這種自動進化的閉環學習，AI能夠驅動發酵工藝向著更高產、更穩定的方向進化。

針對發酵過程中的種子成熟度判斷及轉種時機選擇，目前的領先方案是引入“多模態”架構。這意味著系統可以同時處理多種類型的數據，將發酵液的理化參數等時間序列數據與顯微鏡下的細胞形態照片進行耦合。在技術實現上，我們不再沿用傳統的簡單特征疊加，而是采用更先進的編碼架構，分別對圖片信息和序列信息進行深度特征提取與聯合訓練。這種多模態融合的方式，構成了我們智能化系統框架的核心，配合數據管理、可視化大屏和智能應用，真正實現了生產場景的閉環賦能。

在多肽發酵等典型場景中，誘導劑的加入時機與劑量直接決定了表達效率，通過AI對誘導工藝進行持續優化，可以顯著提升信息的穩定性與生產效能。另一個具有代表性的突破是在拉曼光譜與近紅外光譜的在線應用上。傳統的做法是針對光譜數據制作復雜的標準曲線來解析物質成分，以此實現自動化連續發酵。而現在，可以利用AI直接對光譜圖進行特征編碼，讓模型自動識別高維或抽象的特征，繞過繁瑣的建模環節，實現更高程度的自動化。這不僅能降低生產和研發成本，更能在實驗室階段便實現精準轉化，極大縮短了從實驗到工業化的周期。

回顧從研發發現、實驗驗證到工業生產的三個環節，AI在每一個階段的提效都在重塑生物制造的生產力。在研發階段，它解放了科學家緊跟海量文獻的壓力；在實驗階段，它替代了研究員在實驗室長年累月的體力消耗；在生產階段，它降低了工藝對專家經驗的過度依賴。通過這種全鏈路的賦能，我們正在實現專業經驗的去中心化，構建一個更加高效、智能的科學研究與生產體系。

最后簡單介紹一下我們津渡生科。我們是一家總部位于深圳南山區，目前累計融資近億元，是國家級“揭榜掛帥”入圍單位和深圳市高新技術企業。目前我們在深圳、香港、北京、合肥均設有布局，并建立了約1000平方米的實驗研發中心。我們的創始人團隊為4位牛津大學的校友，背景涵蓋人工智能、生物工程等。我們致力于通過AI技術驅動生物制造的未來，目前已在多個細分領域實現了技術的私有化落地與應用。今天的分享就到這里，謝謝大家。

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。