文章核心观点 - 生物智能正从“读懂生命”走向“与生命融合”，成为继数据智能、物理智能之后AI演进的第三条路径，当前仍处蓝海市场但具备高增长弹性 [2][7][11] - 生物智能兴起的背后是AI自身发展的现实需求：高质量数据获取难度上升、计算能耗剧增，而生命系统在能效、学习与环境适应方面展现出的能力为探索新智能范式提供了重要启发 [4] - 需求、技术与资本三条曲线已开始交汇，资本提前卡位的是生物智能从边缘探索走向主流智能架构的可能性 [16] 技术转向：AI为什么开始向生物系统寻找答案 - AI能力扩张沿深层路径展开：数据智能让AI“读懂数据”，物理智能让AI“走进现实”，生物智能则让AI“向生命学习”，借鉴大脑等生物系统运行机制寻找更低能耗、更高效率的计算与交互方式 [7] - 诺贝尔奖表彰的科学突破呈现两条相互促进的研究脉络：AI从生命系统汲取灵感并成为探索生命机制的工具，神经科学进展也在加深对智能生物学基础的理解；2024年诺贝尔物理学奖聚焦人工神经网络与机器学习，化学奖表彰计算蛋白质设计与结构预测，2026年生理学或医学奖投向光遗传学 [3] - 传统计算路径的能耗约束是生物智能受到关注的另一重原因：AI训练与推理计算量指数级暴增，全球数据搬运能耗累加甚至抵得上好几个三峡大坝的发电量，而全球能源供给整体维持缓慢的线性增长 [12] - 能耗困境根植于冯·诺依曼架构的“存算分离”，存储器与处理器之间频繁数据搬运产生巨大能耗与延时；相比之下人脑仅凭极低功耗便展现出卓越高效的感知、处理、学习与推理能力 [13][14] - 生物智能的演进路径：先研究大脑与生命体如何产生认知，再借鉴神经机制研发类脑计算、类脑视觉等新技术，继而通过脑机接口等手段干预神经系统疾病，最终探索人脑、数字孪生脑与云端大模型的深度协同 [15] - 未来基于更高效的脑机接口界面、类脑智能技术乃至个体“数字孪生脑”，实现人脑、孪生脑与云端大模型之间的高效直连与深度协同，让“人在环路中”充分参与，可形成“1+1>2”的人机融合智能 [15] 资本与市场空间 - OpenAI正在寻求最新一轮融资，融资前估值定在1.25万亿美元；2025年10月具身智能企业Figure与英伟达正在洽谈追加约10亿美元投资 [7] - 生物智能领域早期资本已开始落子：澳大利亚公司Cortical Labs于2023年获得维港投资领投的1000万美元融资；美国公司The Biological Computing Co.在2026年完成2500万美元种子轮融资；美国公司Bios Life于2026年完成2500万美元种子轮融资，利用基因组、临床等数据构建持续更新的患者数字孪生用于癌症筛查与监测 [8] - 融资反映不同产业阶段：大模型进入重资本规模化投入期，具身智能开始为量产与场景交付筹资，生物智能仍处技术曲线早段、行业格局尚未形成，资金更多流向技术验证和工程化 [8] - 全球人工智能神经形态计算市场规模预计从2025年的20.4亿美元增长至2030年的92.8亿美元，五年间扩大约4.5倍 [8] - 神经形态计算仅是生物智能众多技术方向之一，从生物数字孪生、类脑芯片、脑机接口到活体细胞计算、器官芯片、生物智能体，潜在应用从低功耗智能终端延伸至疾病研究、药物开发及新型人机交互等领域 [9] - 活体计算、类脑芯片和脑机接口一旦跨过产品验证关口，生物智能有望从早期探索进入产业加速期，并在部分细分场景形成差异化突破和阶段性发展潜力，与数据智能、具身智能两个赛道并行演进、互补融合 [11] 行业实践：生物智能走向产业需跨过的关口 - 生物智能尚需跨过三道关口：学科交叉形成合力、实验室原型走向稳定产品、真实场景需求对接 [17] - 第一道关是学科交叉容易停留在“物理拼接”难以形成持续攻关合力；南京大学在生物智能上布局已达十余年，六年前团队在国际上先一步突破类视网膜视觉传感器与类脑视觉架构，2021年成立类脑智能科技研究中心，2026年在郑海荣院士统筹推动下生物智能研究院正式成立 [18] - 研究院采用交叉研究设计，依托新工科“由理转工、落实在工”的思路，让不同学科围绕共同技术目标协作，推动生物智能研究从单点技术突破走向多学科协同攻关 [19] - 南京大学生物智能研究院聚焦四大研究方向：生物智能基础与大模型（解析生命智能跨尺度机制，构建可解释、可预测、可干预的生命模型）；生物启发的感知与计算（发展仿生感知、感算一体器件与神经形态计算）；生物计算与类器官智能（探索类器官活体计算及湿件—硬件协同）；生物智能体与具身系统（构建“感知—决策—行动”闭环，推进生物智能—硅基智能融合），四条主线沿“基础机制—关键技术—系统集成”逐层推进 [20] - 团队已将包含约10万个神经元连接的果蝇大脑全连接模型应用于无人机系统，在无需传统海量数据训练的情况下于实验室实现逃避危险和避障功能，未来有望催生帮助瘫痪患者行走的智能外骨骼“机甲”及用意念跨空间精准操控实体 [21] - 第二道难关是工程化：“光语芯”是团队试图跨过这道关口的样本，研究者打破传统“先成像、后处理”路径，让感存算在前端深度结合；十余年前缪峰教授团队开启面向生物智能的跨界探索，“光语芯1.0”成果发表于《Nature Sensors》，《Nature Electronics》也发表专文推介 [22][24] - 即将发布的“光语芯2.0”进一步转向面向工程化的架构创新，芯片在传感器端直接实现“光信号输入、词元输出”，让光学信号无需冗杂转换即可直接接入大语言模型，目前已跑通工程化路线，正面向小微特机器人、商业航天等场景开展适配与产业孵化 [25] - 第三道难题是人才与产业协同：研究院采取“以未来产业需求倒推”的思路，新设“生物智能科学与技术”交叉学科方向并启动全球招聘；南京大学此前已与中电海康集团签署全面战略合作协议，推动企业场景理解与生态能力前置嵌入科研 [26] 产业成形：全球产业组织方式比较 - 美国强调科研与资本接力：国立卫生研究院“脑计划”2025财年预算为3.21亿美元，持续支持脑图谱、神经技术工具与跨学科研究，企业端借助风险投资把活体神经元计算等前沿方向推向产品验证 [30] - 欧洲重视跨国协同与公共科研基础设施：欧盟“人脑计划”十年间形成EBRAINS研究基础设施，2024年欧盟委员会又提供3800万欧元支持EBRAINS 2.0发展至2026年，该项目连接16国59家合作机构，沉淀脑数据、脑图谱、模拟工具与神经形态计算平台 [30] - 中国推动科研、政策、资本与区域场景联动：2025年工业和信息化部等七部门发文指出“实现生物智能与机器智能的协同交互，是生命科学和信息科学融合发展的前沿技术”，部署关键技术、产品和标准体系，提出建设产业集聚区、提升中试能力，并推动国家制造业转型升级基金、国家中小企业发展基金等加大投入 [32] - 中国的差异化优势在于依托完整制造业体系和丰富应用场景，把高校源头创新与地方产业组织迅速连接起来 [33] - 南京大学与玄武区共建生物智能研究院是这一路径的具体试验：玄武区党代会提出的五年目标中建设“全方位的智能先行区”被摆到第一条，此前玄武区已汇聚全省约三分之一的备案大模型，并布局数据交易所与具身智能产业，依托本地生物医药、跨境贸易及绿色低碳等应用场景加速向生物智能跃升 [34][35] - 校地协作强调高校前沿探索的自主性、科研团队成果转化的积极性与校地合作的协同性；郑海荣院士主张推动医疗、科研、产业、资本、人才等创新要素深度融合，破解前沿技术从实验室走向产业过程中资源分散、成果转化不畅等难题 [36] - 由工信部批复建设的国家高性能医疗器械创新中心作为医疗器械领域唯一的国家级创新中心参与共建，研究院、徐庄高新区与国创中心分别承担技术策源、成果承载与产业落地支撑 [38] - 技术策源端，南京大学生物智能研究院聚焦前沿科学推进从0到1的原创突破；成果承载端，徐庄高新区计划在江苏国际数据港提供产业空间并配套专项政策与上下游应用场景；产业落地支撑端，国创中心依托国家级平台输出全链条产业服务、导入产业生态资源，覆盖检验检测、注册申报、临床验证到投资孵化等环节 [39][40][41] - 资本与孵化机制被前置到成果转化起点：研究院同步推进生物智能产业基金、创新工坊（南脑智能孵化器）与生物智能科技创新联盟建设，引入技术经理人和专业工程团队，并联动龙头企业、创新公司与投资机构共建智库和路线图 [41] - 2026国际生物智能创新大会上，研究院、生物智能产业基金、创新工坊三大实体同台揭牌，“光语芯2.0”和器官芯片两大项目发布，产业、科研与资本在同一平台实现对接 [41] - 许多前沿生物智能技术经原理验证虽已展现明确优势，但要走向大规模商业化仍须跨过面向真实产业需求的“场景验证”关口，该关口无法由单一主体完成突破，需政产学研医资协同在产业未成形前搭建全链条孵化体系 [43] - 通过持续的研发投入与“沿途下蛋”式的阶段性成果转化，有望在3到5年内推动生物智能产业迎来重要爆发；研究院计划围绕四大研究方向推进工程化与场景验证，孵化相关企业并吸引上下游企业集聚，以南京为基地联动全国及全球的龙头企业、初创企业和产业资本 [44]