文章核心观点 - AI在科学研究中展现出强大潜力，但难以直接执行生物实验，核心瓶颈在于缺乏一套能让AI理解的、统一的生物实验语言[1][3][4][11] - 恩和科技开发了生物学协议语言及代码生成工具，旨在解决生物实验标准化与自动化难题，推动AI从实验设计者转变为执行者[16][49][53] - 恩和科技基于其核心技术构建了Physical AI平台，实现了从实验设计到执行的完整闭环，显著提升了生物制造的研发效率与可重复性[77][82][83] AI在生物制造领域面临的挑战 - 执行精度与标准化缺失：生物实验操作（如移液、记录温度）精度要求极高，且天然难以标准化，不同人员、设备、记录方式导致经验难以沉淀和流程难以复制[5][6][21][23][24] - 自然语言描述的模糊性：当前实验方案依赖自然语言描述（如“加入5毫升试剂”），存在大量模糊表达，导致机器执行时产生歧义，无法精确操作[29][32][33] - 现有解决方案的局限性：过往的标准化方案（如BioCoder、Autoprotocol）存在表达能力有限、绑定特定设备或使用门槛过高的问题，且缺乏自动生成能力和高执行精度[39][40][41] - 实验复现困难：即使是发表在《Nature》、《Science》上的顶刊论文，其实验过程也因缺少统一表达方式而难以被他人复现[45][46] 恩和科技的解决方案：BPL与BPL-COGEN - 开发统一实验语言：公司开发了Biology Protocol Language，这是一种类似于Python之于编程的、标准化且可编译的生物实验描述语言，旨在将实验方案转化为设备可执行的标准化代码[16][50][52][54] - 实现实验“仿真”与预校验：BPL作为可编译语言，能在实验开始前进行软件层面的“仿真”，检查单位、试剂、容器容量及步骤逻辑冲突，提前在数字世界解决试错成本[55][56][57][58] - 提供代码自动生成工具：公司开发了BPL-COGEN工具，可将“完成PCR实验”等自然语言指令自动翻译并生成标准化BPL代码，并通过“发现错误-自动修复”循环进行校验[16][59][60][61] - 验证生成方案的精准度：团队从《Nature Protocols》选取30篇经典方案构建Benchmark测试集，采用大模型评审+编译器校验模式进行评估[64][65][66] - 同一实验重复生成10次代码，98.3%的结果完全一致[67] - 综合得分达95.1分，其中方案有效性得分高达98.7分[68] - 验证编译与修复能力：在基准测试中，编译器累计检出343项问题，模型首轮生成代码编译通过率为82.3%，经最多三轮自动修复后整体通过率提升至98.6%[73][74] - 进行湿实验验证：团队通过两个湿实验验证了方案的可行性，其中液相色谱实验将原本32分钟的分析流程自动转换为2.1分钟的超高效方案，且分离效果一致[69][70][71][72] 产业化落地：SAION AI平台与效率提升 - 发布Physical AI平台：基于BPL语言，公司发布了全球首个面向生物制造领域的Physical AI平台——SAION AI，定位为“AI科学家”[77][78] - 实现端到端科研闭环：该平台能理解用户需求（如“开发高活性蛋白酶菌株”），自动检索文献、生成详细实验方案，并通过BPL语言驱动自动化设备完成所有湿实验环节，实验数据自动回流用于优化下一轮设计，全程无需人工干预[80][81][82][83] - 显著提升研发效率：以菌株工程为例，传统模式下单个项目一年约完成500个菌株实验，而在SAION AI加持下，单个项目同期可落地30万组实验，单日工作量远超过去一整年[91][92][93] 公司背景与核心能力 - 公司成立与定位：恩和科技成立于2019年，是一家中国生物制造公司，致力于AI驱动的生物制造[16][47][94] - 构建核心数据基础设施：公司同步建设了由Physical AI驱动的“生物铸造厂”Cell2Cloud，该系统持续产生千万级真实实验数据，连接百万级文献与专利知识，构建了行业少有的数据飞轮，为BPL语言和SAION AI的认知能力提供基础[94][95][96][97] - 技术架构三层组成：SAION AI平台由认知层（理解问题与生成方案）、控制层（BPL编译与任务编排）和执行层（驱动实验设备）组成[98] - 创始人背景：创始人兼CEO崔好拥有哈佛医学院与MIT联合培养的博士学位，曾在《Science》等顶刊发表论文，并拥有多项合成生物学与自动化实验相关发明专利[101][102] - 获得资本与产业认可：公司在2021年完成1亿美元B轮融资，投资方包括红杉中国、百度、美团、巴斯夫等头部机构与产业资本[105] - 已实现商业合作：公司技术已转化为面向食品、营养健康等领域的解决方案，并与新和成、SYENSQO、伊利、BASF、珀莱雅、百雀羚等企业建立合作[106] 方案的行业意义与类比 - 定位为生物制造的“EDA”：BPL语言的意义超越提高实验效率，它类似于半导体产业的EDA工具，是将生物实验转化为可描述、可验证、可仿真的数字资产的底层基础设施，对产业规模化至关重要[107][111][115][116] - 重构生物制造生产方式：Physical AI（通过BPL连接“身体”Cell2Cloud与“大脑”SAION AI）正在重构生物制造的生产方式，推动产业从依赖人工经验走向标准化、工程化[107][113][114]