編輯｜Panda

2025 年 12 月，OpenAI 聯合多家實驗室發布了一份濕實驗室報告。報告給出了一個令人振奮的核心結論：GPT-5 通過多輪迭代，自主優化了一個分子克隆方案，效率提升了 79 倍。它提出了一種此前從未被報道過的酶組合——RecA 重組酶與噬菌體 T4 的 gp32 蛋白協同作用，讓 DNA 末端配對效率大幅躍升。

但報告里有一個細節卻被很多人忽略了：當研究團隊將這套方案交給機器人系統執行時，機器人產出的菌落絕對數量，比人工執行低了約 10 倍。

這不是方案的問題：GPT-5 的方案經過人工執行驗證，結果完全成立。問題出在「翻譯」這一步：如何把 LLM 輸出的自然語言方案準確地轉化為機器可以確定性執行的指令？

幾乎在同一時間，Ginkgo Bioworks 宣布旗下三大研發服務業務向自主實驗室基礎設施遷移，Lila Sciences 拿著 5.5 億美元融資高調入場，黃仁勛在 CES 2026 宣告物理 AI 的「ChatGPT 時刻」已經到來。整個行業都在奔向同一堵墻：AI 的推理能力已經遙遙領先，但它與物理執行層之間，缺少一座可靠的橋。

而在這場 AI 對生物世界的進擊里，被忽視最久的瓶頸，不是算法，不是數據，而是語言

一個被忽視了幾十年的基礎設施缺口

生物學是一個奇特的領域。它擁有世界上最復雜的研究對象，卻在用最原始的方式記錄和傳遞知識。

一項發表于 Nature、針對 1576 名科學家的調查（Baker, 2016）顯示，超過 75% 的生物學研究者無法重現他人的實驗結果，超過 60% 的生物學研究者甚至無法重現自己此前的實驗。這組數字長期以來被歸因于實驗操作的復雜性或生物系統的隨機性，但實際上，深層原因要樸素得多：信息在傳遞時就已有損失

圖源：Is There a Reproducibility Crisis? Insights from Nature Survey 2016

原因也很直接：生物學實驗至今仍主要依賴自然語言描述，而自然語言天生是模糊的。

舉個例子，即使是發表于頂刊的論文，你也常能讀到類似這樣的描述：「將細胞沉淀重懸于冰冷的 CaCl? 溶液中，冰上孵育，然后取適量鋪板于選擇性培養基上?！?/p>

一段時間、輕輕混勻、冰冷的、適量……這些在實驗室里習以為常的表達，對另一個研究者而言，卻可能對應著完全不同的操作條件。

那些真正決定實驗成敗的細節，往往并不存在于論文正文，而存在于實驗員的經驗、習慣，甚至手感里。

這些難以量化的每一個環節，都是下一次重復這個實驗時可能失敗的地方。這些隱含信息存在于原作者的大腦里，存在于實驗室的口口相傳中，但就是沒有被標準化。

對比來看，半導體行業早在幾十年前就解決了這個問題。芯片設計師用 Verilog 或 VHDL 寫下精確的硬件描述語言，這段代碼可以被編譯器解析、形式化驗證，然后在不同的晶圓廠復現出完全一致的芯片。軟件工程用形式化編程語言和確定性構建系統保證了代碼在不同機器上可以精準重現。

生物學缺少的，正是這樣一種等價物。

「你可以把整個底層想成是一個 CPU，它能夠完成實驗，但在上面需要有一層編譯型的語言——我先去跑一次，看它行不行，行了我再下放到方陣里面執行。」恩和科技 AI 與 Computation 總監 Alex 在接受機器之心采訪時這樣描述他們意識到這個問題的過程，「我們先做的是生物鑄造廠，后來想讓 AI 去驅動整個鑄造廠時，在中間遇到了一個痛點：如果語言模型生成 Protocol，生成 10 次、100 次都不一樣，我怎么能確定這些自然語言能夠在生物實驗室里標準化執行？

這個問題，催生了一門新的語言。

BPL：給生物實驗發明一門標準語言

2026 年 5 月，恩和科技在 bioRxiv 上發布了論文，正式介紹了BPL（Biology Protocol Language，生物協議語言）及其配套管線BPL-COGEN

• 論文標題：Towards Autonomous Biology: Compiler-Verified Protocols as a Foundation for Real-World AI Execution
• 論文地址：https://www.biorxiv.org/content/10.64898/2026.05.05.720956v1

如果把生物學實驗比作軟件工程，那么目前行業的狀態，大概相當于所有程序員都在用自然語言描述代碼邏輯，然后期待另一個人能看懂并手動執行。BPL 要做的就是為生物實驗提供一套等價于編程語言的形式化表達體系

BPL 的架構分為六層，層層遞進，每一層都在消除自然語言固有的某類模糊性。

BPL 架構圖

聲明層（Layer 1）是程序的材料清單。所有試劑、庫存濃度、耗材類型、執行目標（人工操作或機器人），在這里必須以精確的物理屬性聲明。如此一來，就不再有「適量 CaCl?」這樣的模糊描述了，而是必須寫明：固體還是溶液，濃度是多少，用哪種容器。

生物原生類型系統（Layer 2）是 BPL 最具獨創性的設計。它覆蓋 9 個物理基礎維度（體積、質量、溫度、時間、濃度、物質的量、壓力、速度、長度），支持約 40 種實驗室常用單位，并在編譯時進行量綱分析。

這意味著什么？如果有人寫了「向容器中轉移 50 mg 液體」，即把質量單位給了體積參數，編譯器會直接報錯。所有物理常識都能被形式化為語言級別的約束，讓這些錯誤在編譯階段就能被攔截。

這層設計直接呼應了那個典型失敗案例：OpenAI 與 Ginkgo 合作的實驗報告中，GPT-5 曾在細胞無蛋白合成實驗里建議將水的用量設為負值。這是一個物理上不可能的操作。對于這類錯誤，Alex 直接回應說：「BPL 就是干這個事的。這種問題會被卡掉，會被打回來?！?/p>

14 種實驗意圖（Layer 3）是 BPL 與實驗室操作之間的橋梁。恩和科技系統分析了 150 篇發表于 Nature Protocols、JoVE 和機構 SOP 庫的協議，識別出覆蓋分子生物學、生物化學、分析化學 95% 以上操作的 14 個原子操作單元：transfer（轉移）、mix（混合）、incubate（孵育）、run_pcr（PCR 擴增）、centrifuge（離心）、pick_colonies（挑菌）……其中有一個值得單獨說明的意圖，是 manual，即保留人工操作的接口。

Alex 解釋了這個設計的工程考量：「我們考慮到 human in the loop 的情況會發生。我已經有自動化儀器可以完成許多任務，但人類或未來的靈巧手在中間可能也會做一些 validation 等事情——這些事情就可以變成 manual?！惯@是一種務實的工程妥協：某些步驟本質上無法被完全形式化，但 manual 意圖的存在讓它們依然在 BPL 的管理框架之內。

容器狀態引擎（Layer 4）實時追蹤程序運行過程中每一個容器的狀態（當前體積、內容物組成、溫度、物理形態）并在每次操作后自動更新。這個設計來自恩和科技自身多年積累的工程實踐。Alex 說：「我們以前 Cell2Cloud 鑄造廠每一個 96 孔板，每一個 well 都有它的 status，它現在到底是在什么樣的狀態——加了多少，減了多少，狀態全部都有。這些東西需要判斷，所以它最后就形成了 BPL 底層的 entities。這些不是理論設計，是從我們真實代碼庫里面抽象出來的，而且它是好用的?！?/p>

信任模型與合規層（Layer 5）定義了一個三級信任體系：Declared（用戶聲明值）、Calibrated（儀器校準值）、Verified（操作員簽名+哈希鏈審計）。GLP、GMP 和 21 CFR Part 11 的合規注解是 BPL 的原生語言特性，而不是附加的文檔要求。

控制流（Layer 6）支持條件分支、循環迭代、并行執行塊和結構化錯誤恢復，讓 BPL 能夠處理非線性的、響應式的實驗工作流。

在架構圖之外，還有一個貫穿始終的能力：意圖降低層（intent lowering）將高層操作編譯為平臺特定的執行原語。同一份 BPL 源代碼，可以輸出給人類操作員的逐步操作指南，也可以直接生成機器人液體處理工作站的指令文件，還可以進入仿真后端驗證——源代碼不需要任何修改。這就是「硬件無關的可移植性」在工程上的真正實現：協議意圖與執行平臺徹底解耦

值得注意的是，BPL 語法經過了 14 次大版本迭代，以 150 篇公開發表的協議為驗證語料庫，并積累了 1175 個測試用例。因此，BPL 是從真實的實驗室場景中迭代打磨出來的。

BPL-COGEN：LLM × 編譯器，實現閉環自校正

BPL 解決的問題是「協議應該長什么樣」，但下一個問題更現實：讓科學家從頭學一門編程語言并不現實。

所以恩和科技構建了BPL-COGEN：一條將自然語言實驗方案自動轉譯為 BPL 代碼的管線。它的核心機制是一個「生成—驗證—修復」的閉環。

BPL-COGEN 的架構由一個經過專門微調的 30B 參數語言模型 BPL-Nano-30B（基于 Nemotron 架構，以 2714 條精選數據微調而成）和一個確定性編譯器聯合驅動。二者構成了一個持續迭代的反饋系統。

整個管線分五個階段運行。首先是輸入歸一化：原始 SOP 文檔輸入后，系統自動提取結構，并通過雙語別名匹配將文檔中的試劑和設備名稱與本地庫存對應，確保生成的聲明對應實際可用的物理資源。

然后是代碼生成：歸一化文檔、完整的 BPL 語法規范（463 行 Lark PEG 表示法）、章節結構和資源目錄，共同構成發給 BPL-Nano-30B 的提示詞。語法規范逐字包含，而非摘要——因為研究發現，對語法做任何形式的壓縮都會顯著降低模型首次生成時的語法合規率。

接下來，核心來到三關編譯器驗證：每個候選 BPL 程序都必須依次通過解析關（驗證語法合規性）、語義關（檢查單位一致性、類型安全性、狀態連貫性）、規劃/驗證關（將高層意圖降低為有向無環圖形式的執行原語，驗證依賴關系和硬件能力兼容性）。

這三關的背后是一套六級編譯流水線構成的BPL 編譯器架構

具體來說，源代碼首先會經過 Lark PEG 語法解析，生成帶類型信息的抽象語法樹（AST）；隨后進入量綱分析模塊，在 9 個物理基礎維度上完成單位一致性檢查；語義分析階段則負責標識符解析、容器狀態追蹤，以及 Declared→Calibrated→Verified 的信任級別推進；意圖降低層則能將約 15 種高層實驗意圖編譯為約 20 種執行原語；最終由調度引擎生成 DAG（有向無環圖）執行計劃，并根據目標平臺（人工操作、機器人、仿真）分別輸出對應的執行指令。整套編譯器由 9 個 AST 模塊構成，以 1175 個測試用例保障各層的獨立可測試性。這種分層架構意味著：每一類錯誤都會在最早能夠被發現的層級被捕獲，并給出精確的診斷定位

任何一關失敗，編譯器就會輸出一個結構化 JSON 診斷，其中包含錯誤碼、嚴重等級、源碼位置（精確到行號和列號），以及針對性的修復建議。這個診斷作為上下文化的修復提示返回給語言模型，最多循環 3 次，形成診斷驅動修復循環。

這是這套架構最重要的設計選擇。Alex 做了個類比：「它就有點像 Cursor 一樣，自己去跑，跑完了如果不行，就報錯，返回來讓模型再重新生成，如果可以，就進到實驗室?！?/p>

這樣一來，正確性的保障就從單一語言模型轉移到了模型與編譯器的協同系統。LLM 負責語義理解和代碼生成，編譯器負責確定性的物理驗證，兩者各司其職，形成互補。

最終通過所有驗證的程序會輸出五類確定性產物：版本可控的 BPL 源碼、含有依賴關系的 DAG 執行計劃、體積追蹤和單位轉換審計報告、工作流可視化圖、以及逐步容器狀態追蹤記錄。

有效性得到驗證

編譯器能發現什么？在一批基準樣本中，編譯器共發出了 343 條診斷，分布于五類錯誤。

最常見的是量綱不匹配（142 次，41.4%）。論文中展示了一個示例：transfer(from: NaCl, to: Tube50, volume: 50 mg)，也即把質量值給了體積參數。編譯器精確定位到第 11 行第 13 列，提示「請使用 mL、uL 或 nL」，語言模型將其改為 volume: 50 uL，通過。

另外還有容器容量違規（87 次）、未聲明標識符（64 次）、狀態沖突（38 次）以及信任違規（12 次）。

這五類錯誤，在自然語言 SOP 中都是隱形的，通常只能靠實驗失敗事后定位。

修復閉環的效率也很具體：82.3% 的協議在首次嘗試就編譯通過；需要修復的變體中，12.1% 在第一輪診斷后通過，4.2% 在第二輪后通過，累計 98.6% 在兩輪迭代內解決。僅有 1.4% 無法自動修復——通常是源 SOP 本身存在根本性矛盾或深度歧義，必須人工介入。

數字之外，更有力的證明是物理層面的驗證。

案例一：GFP 表達質粒文庫構建。團隊構建了 11 個 GFP 熒光蛋白表達質粒。BPL-COGEN 從同一份 BPL 源程序編譯輸出兩套協議：一套給人類操作員的逐步操作指南，一套給 Biomek i7 液體處理工作站的機器指令文件。源代碼不做任何修改。

結果：PCR 擴增、Gibson Assembly 組裝、細菌轉化、Sanger 測序驗證，人工組和機器人組的構建成功率高度相近。將質粒轉入大腸桿菌后，11 個菌株在 IPTG 誘導下顯示出清晰的熒光梯度，且這個梯度在兩套樣品中高度一致。

其工程意義不在于實驗成功，而在于同一份源碼，在兩種執行模式下產出了可比較的結果。「協議意圖與執行平臺解耦」有了真實的物理佐證。

案例二：HPLC 到 UHPLC 方法遷移。原方法使用傳統 C18 柱，對 5 種脂溶性化合物（視黃醇、視黃醛、視黃酯、番茄紅素、β-胡蘿卜素）進行分析，單次運行時間 32 分鐘。BPL-COGEN 自動調用 2025 版《中國藥典》0512 章節的柱轉換公式，計算出遷移后的方法參數，執行后單次運行時間壓縮到 2.1 分鐘，溶劑消耗減少 95.8%，5 種化合物全部實現基線分離。

值得注意的是，這個過程中 BPL 合規引擎發出了 4 條警告：標記出超出藥典等效閾值的偏差，包括理論板數減少 41%（超過 25% 等效限）、填料類型從全多孔改為核殼等。分析員審閱了全部 4 條警告，評估后做出接受決定，這一判斷也被自動記錄進審計追蹤。這正是合規的正確實現方式：在執行前完成結構化的判斷與記錄，而不是事后貼一份簽名文件。

在 300 篇 Nature Protocols 論文的規?；鶞蕼y試中（其中每篇文章都使用 Claude Opus 4.6、GPT-5.3-codex 和 Gemini-3-pro-preview 各生成多個獨立變體，共 2992 個有效變體），BPL-COGEN 總體保真度得分達到 95.1±8.3。

更值得注意的是結構一致性：295/300 篇論文，在 10 次獨立生成中保持步驟結構完全穩定。那些原本「彌散分布在特征空間中」的不同風格實驗文檔，經過 BPL 處理后，收斂到了一個緊密的「類協議流形（protocol-like manifold）」——不管輸入的原文風格有多不同，輸出都趨向同一種結構化表示。

BPL 之上：SAION AI 如何讓實驗室自己跑起來

BPL 解決的是協議層的問題。但在整個 Physical AI 的架構里，它是執行層的基礎設施，而不是終點。

恩和科技在 BPL 之上構建的是SAION AI，這是一個覆蓋認知、編排、執行全鏈路的生物制造 Physical AI 平臺，于 2026 年 3 月正式發布。

「我們做 AI 的初衷，」恩和科技 AI 產品負責人李政遠（Red）在接受機器之心采訪時說，「是讓 AI 接管我們做實驗到完成科研課題的全過程?？蒲械暮诵囊鼐腿拢核研畔ⅰ⒆鰶Q定、做校驗。AI 在前兩件事上已經做得很不錯了。我們階段二要做的是讓 AI 提供的東西不只停留在虛擬世界，而是能夠進入真實濕實驗室，進入物理世界，做真正的校驗。

SAION AI 的架構分三層，與自動駕駛的「感知—決策—執行」高度同構，恩和科技稱之為「認知—控制—執行（COE）」。

認知層是系統的知識基礎。它整合了恩和科技 Cell2Cloud 生物鑄造廠六年積累的千萬級閉環實驗數據以及百萬級文獻與專利，同時接入 AlphaFold、ProteinMPNN、RFDiffusion、ESMFold 等前沿 AI4Science 模型，覆蓋蛋白結構預測、序列生成、代謝通路分析、酶工程和發酵數據建模，實現從基因到蛋白到代謝到細胞到發酵的多尺度認知。

這「千萬級閉環實驗數據」意味著什么？Alex 給出了一個具體的描述：「我們的數據庫 primary key 是一個菌株 ID，從它出生，從電腦里面設計開始，一直 track 到最后發酵甚至生產結束。每一個 module 都會產生很多數據，比如這個菌株是怎么設計的、DNA 序列是什么、CRISPR 的編輯方式、轉化用了什么 host、培養到分析、發酵過程中的 PH、溫度、溶氧……單一個發酵罐就有 21 萬個數據點，從頭到尾拉下來叫一個閉環?！?/p>

這套數據已積累多年，也是恩和相對于純計算路線的 AI4S 公司最重要的差異化資產

SAION AI 的控制層是系統的決策中樞，核心是 Agent Harness 智能體編排引擎。它以 LLM 推理為核心，將復雜科研目標拆解為結構化任務圖，協調 316 種專業科研工具的動態調用，涵蓋各類生物信息學計算工具、蛋白質預測模型（包括 diffusion model）、序列比對、DNA 設計、primer 設計等。系統內置 Checkpoint 存檔和容錯機制，支持長周期復雜科研流程的穩定運行。

Red 舉了個例子：「同一個問題，我讓 SAION AI 和千問 Max 同時回答：如何用合成生物學方法以低于 200 美元每公斤的生產成本生產尿石素？SAION AI 的信息來自論文和專利，推理更深更全面，計劃明確，可執行性更高。這在兩年前，我們已經做到了這個程度。」

執行層是 BPL 的主場。SAION AI 生成的實驗方案，通過 BPL 轉化為標準化指令，驅動移液工作站、培養與檢測設備執行。實驗數據實時回傳并結構化入庫，形成Design-Build-Test-Learn（DBTL）的真正閉環。

這套閉環不只是架構圖上的箭頭，它已經在真實產業項目中跑通。恩和科技自主開發的 ZeaVida? 精準發酵全反式玉米黃質，就是迄今最具說服力的一個案例：這個項目剛剛獲批美國 FDA GRAS 認證。這是全球首個通過細胞工廠實現規?；a的玉米黃質高濃度晶體產品獲得該認證。

在性能基準上，SAION AI 在科研文獻理解（LitQA+SuppQA）上達到 70.7% 平均準確率，在生物序列分析與設計基準 Seq QA 上以 88.2% 超過斯坦福發布的 Biomni 平臺（81.9%），在基因編輯與克隆場景上以 84.9% 的成績獲得顯著優勢，在科學發現與推理基準 BAIS-SD 上達到 89.6%。在四個主要基準上均以 10 至 20 個百分點的幅度領先 GPT-5.3、Claude Opus 4.6 等通用旗艦模型。

Red 也強調了評估方式的特殊性：「如果你要讓科學家相信你，要求很高，因為科學家容錯率很低。我們的評測是：科學家用了，放到實驗室里跑，跑出來結果挺好，那這就是我們完整的評測。我們不只跑 benchmark，更重要的是，我們有 20 多個項目在跑，每天能產生幾萬的菌株參數，這些都是 AI 產出的設計落到實驗室里做出來的結果——這種規模的內部評估，也在持續進行?！?/p>

在整個系統閉環的層面，Red 用了一個分級模型描述了現階段的進展：「我們可以用類似自動駕駛的分級模式來衡量 AI 科學家的自主程度。目前恩和大概處于 2 級——能夠與部分自動化設備集成，讓 AI 出設計，直接遞交到自動化實驗室執行。我們計劃今年達到 2.5 級，能讓 AI 完全驅動一個完整項目的閉環。明后年的目標是突破 3 級，實現能夠自主做決策、自主 troubleshooting 的 AI 科學家?！?/p>

生物學的工程化紀元

如果給恩和 BPL 要做的事情找個參照，可以是半導體行業里的 EDA（電子設計自動化）。

EDA 出現之前，芯片設計師在紙上手繪邏輯圖。EDA 出現之后，芯片設計變成了一種可形式化驗證的工程活動，并直接催生了 Fabless（無晶圓廠）模式——設計與制造徹底分離，ARM、高通、英偉達都不需要自己建晶圓廠。整個行業進入了可編程化、可規模化的工業軌道。

Alex 作為半導體出身的「跨界者」，對這個類比有著深刻的感受：「半導體廠叫 Foundry，生物制造的核心也叫Biofoundry。兩者在邏輯上高度同構：都是將元件組合，產出特定功能的產品。只是生物系統比半導體更難——因為它是活的，它的第一性原理還在探索中，半導體的邏輯底層是人類發明的、清晰的，但生物本身是我們去發現的，內部運動的參數太不確定了?！?/p>

正因為如此，BPL 要做的事情才格外重要：在一個底層規律本身還不完全清晰的領域，提供一套能把「當前已知」精確表達并執行的語言基礎設施

BPL 正在嘗試構建的是生命科學領域對應的BDA（Biological Design Automation，生物設計自動化）。它試圖解決的問題與 EDA 高度同構：讓生物實驗的「設計意圖」能夠被精確表達、形式化驗證，然后在不同的「制造」環境中忠實復現。

EDA 催生了無晶圓廠模式，而 BPL 可能催生的是 Alex 稱之為「Labless」的模式——實驗設計與物理執行的深度分離。Alex 說：「就相當于我今天在用大模型跑沙盒；我現在要去做實驗，我在一個沙盒里先把 BPL 跑一次，看它能不能在仿真實驗里成功，如果成功了，我再丟去真實實驗室。它是 AI 進入生物物理世界非常重要的基石，類似于半導體的 EDA 和寫代碼的編譯層。寫代碼的人肯定知道這層很重要；而生物的人，也在慢慢意識到這層有多重要。」

關于 BPL 能走多遠，Alex 的判斷是：「BPL 未來開源之后，會有更多的反饋，覆蓋的面會更廣。它是一個面向整個行業的協議，像 HTTP 和 MQTT 這樣的協議。它的左邊是 AI，右邊是真實實驗——物理層面的實驗。」

生命科學正在經歷一場深刻的結構性演進：從一門依賴偶然發現與經驗試錯的探索性學科，穩步邁入可計算、可預測的工程性紀元。

當一門科學真正演變成為工業化的工程體系，它必然呼喚屬于工程本身的底層基建：標準化的表達語言、可驗證的執行流程以及精確可量化的質量控制。

BPL 是這套工程基礎設施的語言層。每一個實驗步驟都能精確表達、編譯驗證，每一次執行失敗都能定位到具體的指令。

正如本文開篇所言，GPT-5 在分子克隆實驗里設計出了效率提升 79 倍的方案，但那 10 倍的執行差距告訴我們：光有大腦還不夠，還需要一套讓大腦與雙手之間的語言真正標準化的基礎設施。

這，正是 BPL 正在做的事。