編者按

當(dāng) AI 正在重構(gòu)科研與產(chǎn)業(yè)的底層邏輯，AI for Science 早已不是紙上概念。4月28日，未來(lái)光錐聯(lián)合北京中關(guān)村學(xué)院AI商學(xué)院，共同推出「AI for Science 創(chuàng)變者說(shuō)：學(xué)界 × 產(chǎn)業(yè)先鋒對(duì)話系列沙龍」。首期活動(dòng)邀請(qǐng)了3 位一線嘉賓。智源深瀾創(chuàng)始人兼CEO王承志分享了團(tuán)隊(duì)在自動(dòng)化蛋白質(zhì)連續(xù)定向進(jìn)化平臺(tái)研發(fā)上的硬核實(shí)踐和對(duì)AI4S現(xiàn)在和未來(lái)的思考。

AI正在改寫(xiě)科學(xué)研究的底層邏輯——從幫科學(xué)家分析數(shù)據(jù)的“輔助工具”，到能自主設(shè)計(jì)、執(zhí)行、迭代實(shí)驗(yàn)的“科研智能體”，AI for Science的3.0時(shí)代，已經(jīng)從概念走進(jìn)現(xiàn)實(shí)。

AI4S的三個(gè)階段：從“顯微鏡插件”到“自主科研智能體”

在王承志看來(lái)，AI4S的演進(jìn)可分為三個(gè)階段：

1.0階段：輔助工具，AI只是科學(xué)家手里的“顯微鏡增強(qiáng)插件”，核心做實(shí)驗(yàn)數(shù)據(jù)后處理、濕實(shí)驗(yàn)分析，只幫復(fù)盤(pán)，不幫設(shè)計(jì)。

2.0階段：導(dǎo)航式設(shè)計(jì)引擎，生成式AI入場(chǎng)后，AI從“后視鏡”變成“導(dǎo)航儀”——實(shí)驗(yàn)結(jié)果能反饋給模型更新參數(shù)，形成干濕閉環(huán)，這也是當(dāng)下行業(yè)的主流階段。

3.0階段：自主科研，AI自主完成“設(shè)計(jì)實(shí)驗(yàn)→執(zhí)行實(shí)驗(yàn)→分析結(jié)果→迭代優(yōu)化”全閉環(huán)，人類只需定方向、提問(wèn)題，剩下的全交給AI智能體。

智源深瀾從創(chuàng)立之初，瞄準(zhǔn)的就是真正釋放生產(chǎn)力的3.0目標(biāo)。

硬核落地：把蛋白質(zhì)進(jìn)化做成全自動(dòng)工作流

要實(shí)現(xiàn)AI4S 3.0，團(tuán)隊(duì)選擇從蛋白質(zhì)這個(gè)生物分子的核心對(duì)象切入，目標(biāo)是：讓蛋白質(zhì)連續(xù)定向進(jìn)化，變成完全無(wú)需人工干預(yù)的自主工作流。

王承志團(tuán)隊(duì)打造的自動(dòng)化平臺(tái)，核心是一個(gè)“物理世界的AI智能體”（而非數(shù)字世界的聊天機(jī)器人）：

• 每輪實(shí)驗(yàn)數(shù)據(jù)出來(lái)后，系統(tǒng)自動(dòng)分析結(jié)果、設(shè)計(jì)下一輪實(shí)驗(yàn)；

• 把實(shí)驗(yàn)設(shè)計(jì)轉(zhuǎn)化為機(jī)器人可執(zhí)行的指令，驅(qū)動(dòng)設(shè)備完成實(shí)驗(yàn)；

• 連續(xù)運(yùn)行1個(gè)月無(wú)人工干預(yù)，自動(dòng)完成培養(yǎng)、傳代、檢測(cè)、篩選；

• 防污染設(shè)計(jì)拉滿（HEPA過(guò)濾、UV滅菌等），全程無(wú)交叉污染；

• 能動(dòng)態(tài)調(diào)整實(shí)驗(yàn)策略，自動(dòng)處理設(shè)備故障、生長(zhǎng)異常等問(wèn)題。

自主實(shí)驗(yàn)室實(shí)現(xiàn)從設(shè)計(jì)、執(zhí)行到反饋的全流程

這套平臺(tái)被《Nature Chemical Engineering》評(píng)價(jià)為令人震撼，不僅登上封面，還配發(fā)專題評(píng)論，定義為“全球首個(gè)工業(yè)級(jí)、可編程、自動(dòng)化的蛋白質(zhì)連續(xù)定向進(jìn)化平臺(tái)”。

Shen et al. Nature Chem Engineering 2025

案例1：用“生物邏輯門(mén)”篩選精準(zhǔn)轉(zhuǎn)運(yùn)的蛋白變體

多重耐藥外排泵LmrA是個(gè)難題——它會(huì)無(wú)差別轉(zhuǎn)運(yùn)底物，既轉(zhuǎn)目標(biāo)物質(zhì)，也轉(zhuǎn)非目標(biāo)物質(zhì)。要篩選出“只轉(zhuǎn)目標(biāo)、不轉(zhuǎn)非目標(biāo)”的變體，需要二維篩選：A=1（轉(zhuǎn)目標(biāo)）且B=0（不轉(zhuǎn)非目標(biāo)）。

團(tuán)隊(duì)設(shè)計(jì)了NIMPLY生物邏輯門(mén)遺傳線路，結(jié)合自動(dòng)化平臺(tái)連續(xù)運(yùn)行1個(gè)月，成功進(jìn)化出符合要求的LmrA變體——原本看似無(wú)解的多目標(biāo)篩選，被自動(dòng)化+AI的組合高效攻克。

團(tuán)隊(duì)設(shè)計(jì)的生物邏輯門(mén)電路

案例2：融合出5倍活性的mRNA疫苗關(guān)鍵酶

mRNA疫苗生產(chǎn)有個(gè)痛點(diǎn)：成本高、損耗大，原因之一是工藝要分兩步走：先靠T7 RNA聚合酶轉(zhuǎn)錄RNA，再用另一個(gè)加帽酶給RNA加上 5' 端的帽子，中間還要純化，損耗非常嚴(yán)重。

客戶提出的需求是：把兩個(gè)酶融合成一個(gè)兼具雙活性的新酶。聽(tīng)上去合理，但難點(diǎn)在于，簡(jiǎn)單融合會(huì)讓兩個(gè)酶的活性全消失，只能從零進(jìn)化。

團(tuán)隊(duì)把這個(gè)挑戰(zhàn)交給自動(dòng)化平臺(tái)，挑戰(zhàn)非常成功：

• 連續(xù)運(yùn)行1個(gè)多月無(wú)污染；

• 自主記錄、分析、迭代實(shí)驗(yàn)；

• 幾乎沒(méi)有人參與；

• 最終進(jìn)化出CapT7融合酶，不僅兼具雙活性，轉(zhuǎn)錄活性還比原始T7酶提升5倍！

短期內(nèi)AI4S還不是“客戶云端點(diǎn)鼠標(biāo)就能做實(shí)驗(yàn)”的狀態(tài)——需要大量工程師維護(hù)復(fù)雜的自動(dòng)化設(shè)施，AI4S公司更像“工程+科學(xué)”的混合體。

但隨著自動(dòng)化實(shí)驗(yàn)通量越來(lái)越大，整套體系會(huì)越來(lái)越復(fù)雜，我們的長(zhǎng)期目標(biāo)是把科研環(huán)節(jié)變成可交易的token——科學(xué)家設(shè)計(jì)新分子，能馬上拿到測(cè)試結(jié)果。

我們離AI4S 3.0還有多遠(yuǎn)

雖然我們的長(zhǎng)期目標(biāo)是要實(shí)現(xiàn)“自主科研”的，可自我迭代的AI4S 3.0系統(tǒng)，但當(dāng)前還有很多問(wèn)題需要解決。一些典型的問(wèn)題例如：

為什么AI模型在科學(xué)領(lǐng)域的幻覺(jué)比通用大模型更隱蔽、更危險(xiǎn)？

AI模型在通用領(lǐng)域，通常靠常識(shí)就能看穿。但在科學(xué)領(lǐng)域卻完全不同，因?yàn)樗坏雌饋?lái)是對(duì)的，而且看起來(lái)很專業(yè)，通常都帶著令人信服的置信指標(biāo)。最危險(xiǎn)的是，科學(xué)AI的幻覺(jué)往往位于"合理但錯(cuò)誤"的 sweet spot——不是胡說(shuō)八道，而是那種"差一點(diǎn)點(diǎn)就完美了"的精致錯(cuò)誤。

這類錯(cuò)誤常如果被下游研究者當(dāng)作起點(diǎn)，會(huì)污染整個(gè)研究鏈路，造成錯(cuò)誤的級(jí)聯(lián)放大。對(duì)于自主實(shí)驗(yàn)室來(lái)說(shuō)，因?yàn)楦偃藶榻槿耄糜X(jué)會(huì)更容易在錯(cuò)誤的道路上浪費(fèi)大量資源甚至造成嚴(yán)重后果。

為什么AI預(yù)測(cè)很快，實(shí)驗(yàn)驗(yàn)證卻排隊(duì)排到“下輩子”？

AI的產(chǎn)出是指數(shù)級(jí)增長(zhǎng)的，實(shí)驗(yàn)的產(chǎn)能是線性甚至恒定的。AlphaFold在幾分鐘鐘內(nèi)預(yù)測(cè)出蛋白質(zhì)結(jié)構(gòu)，但實(shí)驗(yàn)的驗(yàn)證常常需要數(shù)月甚至數(shù)年。因此生成式AI和當(dāng)前的實(shí)驗(yàn)范式構(gòu)成了行業(yè)的根本矛盾。

我們?cè)谏厦娴陌咐校ㄟ^(guò)一些生物學(xué)體系的設(shè)計(jì)，極大降低了實(shí)驗(yàn)通量的需求，例如自主進(jìn)化體系可以把起始樣本減少數(shù)萬(wàn)倍，這本質(zhì)上是用生物體系的自動(dòng)化來(lái)替代物理實(shí)驗(yàn)的自動(dòng)化。

另一方面，較少人工干預(yù)的自動(dòng)化實(shí)驗(yàn)室能在一定程度上減輕實(shí)驗(yàn)的壓力。因?yàn)樽灾飨到y(tǒng)可擴(kuò)展性極強(qiáng)，不依賴于有經(jīng)驗(yàn)的實(shí)驗(yàn)人員。在數(shù)據(jù)成為AI時(shí)代最重要的資產(chǎn)時(shí)，未來(lái)誰(shuí)擁有最大化的自動(dòng)化實(shí)驗(yàn)產(chǎn)能，誰(shuí)就能掌握行業(yè)主導(dǎo)權(quán)。

為什么絕大多數(shù)開(kāi)源科學(xué)代碼只能被閱讀，卻永遠(yuǎn)無(wú)法直接運(yùn)行？

學(xué)術(shù)界的開(kāi)源代碼在很多時(shí)候并不會(huì)考慮工程化的問(wèn)題，很多代碼環(huán)境依賴死鎖、無(wú)測(cè)試無(wú)文檔、不關(guān)心異常處理、日志、模塊化等等。這和工業(yè)界的可穩(wěn)定復(fù)現(xiàn)的要求完全不同。

這三個(gè)問(wèn)題本質(zhì)上指向同一個(gè)命題：AI在科學(xué)領(lǐng)域不是加速了發(fā)現(xiàn)，而是加速了"猜測(cè)"的產(chǎn)出。它生產(chǎn)假說(shuō)的速度遠(yuǎn)超人類驗(yàn)證假說(shuō)的能力。當(dāng)猜測(cè)的庫(kù)存積壓到實(shí)驗(yàn)驗(yàn)證無(wú)法消化的程度，整個(gè)系統(tǒng)的瓶頸就不再是想象力，而是物理世界的執(zhí)行帶寬。只有當(dāng)物理世界的執(zhí)行帶寬和AI的生成能力對(duì)齊時(shí)，AI4S 3.0才能真正到來(lái)。

當(dāng)AI自主做科研，我們?cè)摼枋裁矗?/strong>

AI自主科研帶來(lái)科學(xué)發(fā)現(xiàn)爆炸式增長(zhǎng)的同時(shí)，也有三個(gè)值得深思的問(wèn)題：

理論膨脹成新瓶頸

AI 具備強(qiáng)大的算力與學(xué)習(xí)能力，可以無(wú)限地生成新的科學(xué)理論與假設(shè)。但理論再先進(jìn)，最終都需要物理實(shí)驗(yàn)來(lái)驗(yàn)證；實(shí)驗(yàn)受限于時(shí)間周期、特殊材料制備、能源消耗等現(xiàn)實(shí)條件。這兩者之間的差距，會(huì)催生一個(gè)新現(xiàn)象——理論膨脹。

這種“理論膨脹”不僅是研究效率的錯(cuò)位，更可能引發(fā)一場(chǎng)科學(xué)界的“選擇困境”。當(dāng) AI 在一個(gè)下午就能推演出數(shù)以萬(wàn)計(jì)具有邏輯自洽性的新材料結(jié)構(gòu)或亞原子粒子模型時(shí)，人類科學(xué)家將面臨前所未有的篩選壓力：在資源有限的現(xiàn)實(shí)世界中，究竟哪一個(gè)假說(shuō)才值得耗費(fèi)十年的時(shí)間和數(shù)十億的經(jīng)費(fèi)去建造對(duì)撞機(jī)或?qū)嶒?yàn)室？

科學(xué)探索的重心正在從“如何發(fā)現(xiàn)”轉(zhuǎn)向“如何篩選”，若驗(yàn)證速度跟不上推演速度，人類的知識(shí)庫(kù)將充斥著大量處于“量子疊加態(tài)”的待定理論——它們?cè)跀?shù)學(xué)上完美無(wú)瑕，在現(xiàn)實(shí)中卻遲遲無(wú)法落地。

科研勞動(dòng)的商品化

當(dāng)AI能完成科研全鏈條，科研會(huì)從“精英智力活動(dòng)”變成“可量化、可交易的商品”——就像云計(jì)算一樣，變成一種可批量購(gòu)買(mǎi)的計(jì)算服務(wù)。普通人也能低成本做科研（比如有人用Claude做基因測(cè)序、自己設(shè)計(jì)mRNA疫苗治寵物）。

再往前推，做科研可能不再是 scientist 這個(gè)群體的專屬，而是變成 token、變成商品。這種轉(zhuǎn)變可能會(huì)導(dǎo)致傳統(tǒng)的學(xué)術(shù)職業(yè)路徑發(fā)生根本性萎縮——我們將不得不重新思考科研人員的角色定位。

科研加速的不均等性

AI自主科研高度依賴算力、數(shù)據(jù)、自主實(shí)驗(yàn)室——擁有這些資源的機(jī)構(gòu)/國(guó)家，會(huì)在科學(xué)競(jìng)爭(zhēng)中占據(jù)絕對(duì)主導(dǎo)，小國(guó)家、獨(dú)立研究者可能被邊緣化，形成“發(fā)現(xiàn)壟斷”。這會(huì)加劇全球科研領(lǐng)域的不平等。

未來(lái)科學(xué)發(fā)現(xiàn)的競(jìng)爭(zhēng)，可能不再屬于最聰明的人，而是取決于誰(shuí)有最大算力、誰(shuí)有最多自主實(shí)驗(yàn)室、誰(shuí)有最完整的數(shù)據(jù)飛輪。

現(xiàn)在的AI已經(jīng)能自主通關(guān)游戲。它會(huì)自己嘗試、自己失敗、最后用人類完全理解不了的方式通關(guān)。當(dāng)年 Google 之所以以 4 億美元收購(gòu) DeepMind，就是因?yàn)榭吹剿麄兡苡?AI 把游戲玩得非常好。后來(lái)DeepMind的表現(xiàn)完全證實(shí)了這一點(diǎn)，當(dāng)AI能從自主嘗試中學(xué)會(huì)一切，人類的經(jīng)驗(yàn)將逐漸被邊緣化。

那么，以后 AI 自主發(fā)現(xiàn)科學(xué)的路徑，會(huì)不會(huì)也用我們這些科學(xué)家完全無(wú)法理解的方式去重新發(fā)現(xiàn)科學(xué)？

AI4S的3.0時(shí)代，已經(jīng)在路上。當(dāng)機(jī)器能自主做科研，科學(xué)的邊界，又會(huì)被推向哪里？

作者簡(jiǎn)介

王承志，智源深瀾創(chuàng)始人兼CEO，曾任鎂伽科技首席科學(xué)家，于2024年創(chuàng)立智源深瀾，專注于數(shù)據(jù)驅(qū)動(dòng)的生物分子設(shè)計(jì)與制造。公司打造了全球首個(gè)工業(yè)級(jí)、可編程的自動(dòng)化蛋白質(zhì)連續(xù)定向進(jìn)化平臺(tái)，實(shí)現(xiàn)了科研全流程的 AI 自主閉環(huán)，相關(guān)成果登上《Nature Chemical Engineering》封面，推動(dòng)AI for Science從2.0“導(dǎo)航式設(shè)計(jì)引擎”向3.0“科學(xué)智能自主平臺(tái)”演進(jìn)。

想要了解更多AI for Science創(chuàng)業(yè)項(xiàng)目？有BP想要投送？或者想來(lái)分享你的真知灼見(jiàn)？添加果殼硬科技企業(yè)微信，私信溝通。

未來(lái)光錐

部分已投項(xiàng)目

華天航空動(dòng)力

丨天璇新材料

關(guān)注話題

閉門(mén)活動(dòng)