这届生物计算大会，既理想又现实

"我们成为我们所看到的东西，我们塑造工具，此后工具又塑造我们。"

随着2024年诺贝尔物理学奖、化学奖相继花落人工智能，AI在推动科学研究和技术创新的关键作用获得权威肯定，为这一领域的从业人员带来莫大的鼓舞。

尤其是，诺贝尔化学奖颁发给了在计算蛋白质设计和蛋白质结构预测领域做出突出贡献的三位科学家，印证了AI在生物学中的强大能力，也预示着IT+BT广阔的发展前景。

与此同时，积极打造生物制造这一新增长引擎也已进入改革的顶层设计和总体规划，在中国以及全球范围内，生物经济的浪潮席卷而来。

而在期待之外，AI赋能生命科学，还有更多现实的问题有待求解。

选择哪些应用场景并进行适配？如何平衡质量、效率和成本？怎样确保工具安全可靠负责任？……这些都是摆在面前的核心挑战。

头顶星辰大海，脚下艰苦跋涉，成为行业中每个从业者的生动写照。

在10月27日播禾创新&百图生科联合主办的第三届中国生物计算大会上，这一感受就更加真切，千余位国内外生命科学和AI领域的杰出学者、行业专家和企业领袖聚焦“真问题”进行坦诚讨论和深入剖析。

我们也遇到了许多熟悉的面孔，与此前不同的是，他们的眼神中，多了一分成熟和坚定。

正应了本届大会“AI解码生命，塑造价值”的主题，前半句话是理想，后半句话是现实，大会集合各方智慧，努力构建两者之间的桥梁。

中国IT+BT领域当下走到了哪一步？未来又将如何发展？在苏州金鸡湖畔，我们看到了这些问题的答案。

今年的诺贝尔奖像一个风向标，预示着科研范式的变革。

AI for Science，极大加速和扩展科学研究的效率和能力边界，为基础性、交叉性、复杂性问题带来有效方案。

尤其是在生命科学领域，以Alphafold为代表的革命性工具的出现，以及多模态生物数据的指数级增长，共同构成了AI for Life Science两个关键推动力。

“双引擎”驱动之下，AI计算正在向生物学更加广阔、深入的领域探索，众多突破性成果正在涌现。

大会主论坛环节，中国科学院院士、上海交通大学王宽诚讲席教授、新基石研究员樊春海，以《核酸信息材料：从分子机器到信息存储》为题，展示了核酸分子机器在生物计算中的应用。

图：中国科学院院士、上海交通大学王宽诚讲席教授、新基石研究员樊春海线上分享

他提到，DNA不仅作为生命信息的载体，还可以被编程来形成具有特定尺寸、形状和力学特性的纳米框架材料，用于疾病治疗和诊断。

此外，他还讨论了DNA在存储信息方面的潜力，并分享了这一领域的最新进展。

最后，樊春海教授表示，信息技术和生物技术的融合将开启新的研究领域和应用，这种交叉可能会在未来带来革命性的变化。

美国医学与生物工程院院士、深圳理工大学计算机科学与控制工程院院长潘毅教授围绕AI大模型展开了深入阐述，提出了AI发展的 “六驾马车”：大数据、优算法、强算力、赋知识、可解释和低能耗。

图：深圳理工大学计算机科学与控制工程院院长、讲席教授、美国医学与生物工程院院士潘毅

在他看来，知识驱动尤为关键，包括放什么知识、放在哪里以及怎么放等问题，并以自闭症问答系统和AI制药为例展示具体应用。

今年已有85岁高龄的华东理工大学教授、原国家生化工程技术研究中心(上海)主任张嗣良则结合自己60多年的科研经历，述说着生物过程与AI技术的深度融合。

图：华东理工大学教授、原国家生化工程技术研究中心(上海)主任张嗣良

在他看来，生物过程中存在两大基本问题：生命科学具有难以置信的不可预知性和环境条件对细胞生理特性的影响，为了解决两大难题，需要综合运用信息技术、人工智能和工程科学的知识。

张嗣良教授特别强调，通用大模型虽然能够处理大量数据，但在实际应用中往往缺乏针对性，针对每个客户都有其独特的业务数据流程与个性化需求，需要将通用大模型转化为垂直行业大模型。

张教授最后指出，不能忽视大模型的“幻觉”缺陷，要加强思维链路当中的推理步骤，以改变大模型的缺乏推理的能力。

复旦大学智能医学研究院(筹)常务副院长、国际健康科学信息学研究院(IAHSI)院士刘雷教授提到了AI引发的生物医学研究范式的变革，重点介绍了大模型在疾病诊疗方向的应用。

图：复旦大学智能医学研究院常务副院长，国际健康科学信息学研究院(IAHSI)院士刘雷

他表示，生物医学研究需要更加严谨、更加专业的大模型，生物医学大模型需要高质量语料和多模态数据，而大模型的微调与知识图谱的推理结合，更好地给大模型提供一个可解释性。

刘雷教授最后认为，在专业生物学的大模型基座上开发针对不同场景的智能体，将可能是未来的大趋势。

德勤中国理事会成员、德勤中国咨询业务企业技术与绩效事业群总裁周令坤则从企业视角论述AI的重要作用：预计未来五年内，AI将为全球前十大生物制药企业带来50到70亿美金的价值。而针对这一趋势，生物科技企业可以从治理结构、战略激活、生态协同三个维度做好准备。

作为行业的领先企业，百图生科也带来了他们的最新成果，相较于上一版本，xTrimo V3基础大模型进行了全面升级，实现了包含DNA、RNA、蛋白质、细胞、小分子、生物支持文本和生物视觉7个模态的全覆盖，总参数规模达到了2100亿，是当前全球规模最大的生命科学AI基础模型。

百图生科联合创始人、CEO刘维表示，下一步，公司将在药物研发和生物制造进一步拓展，系统性地推出解决方案。而针对生命科学更多的领域，百图生科也将致力于提供AI模型能力平台，并建造重点实验室组织产学研各方协同攻关突破。

作为新质生产力的典型代表，生物制造近年来成为各方关注的热点。

今年的《政府工作报告》中，“生物制造”被列为新增长引擎之一。地方层面，北京、上海、安徽、浙江、广东、四川等20多个省市也已经出台生物制造的相关政策措施。

据统计，我国先进生物制造产业规模已达上万亿元，生物制药、生物材料、生物能源、生物化工、新型食品制造等重点领域展现出广阔的发展潜力和空间。

不过，目前生物制造发展还面临一些关键瓶颈，包括规模化生产工程挑战，生产成本相对较高，产品质量和一致性控制难提升等。

而AI的出现，为生物制造带来强大的技术手段，两者的深度融合助推行业智能化发展，为上述痛点带来创新、高效的解决方案。

中国科学院深圳先进技术研究院合成生物化学研究中心主任、国家生物制造产业创新中心CTO罗小舟发表《聚焦基于数据和人工智能的合成细胞底盘创制》的主题演讲，介绍了AI如何赋能合成生物研究。

图：中国科学院深圳先进技术研究院合成生物化学研究中心主任罗小舟

在他看来，蛋白质是最基础、最核心的生命分子，围绕蛋白质功能预测、蛋白质改造设计和菌株与酶的优化这三个问题，他和团队积极运用AI工具，达成多项突破性成果。

此外，罗小舟团队还通过自动化设施和泛基因组分析，提升已知天然产物产量、激活新的天然产物并发现新的活性抗生素，为菌株改造和生产提供广泛策略并实现商业化。

“合成生物学这里面将来的研发范式一定是数据模型驱动，现在也要把AI加进来。”中国科学院天津工业生物技术研究所生物设计中心主任马红武表示。

图：中国科学院天津工业生物技术研究所生物设计中心主任马红武

他和团队开发了工具ECRECer，极大地提高了预测精度，不仅能发现酶的未知催化功能，还构建出更完整的细胞模型。

在讨论中，百图生科生物制造首席主任专家罗朝晖深入分析了AI在生物制造中的不同侧重：

• AI for efficiency主要助力传统生物制造企业提高研发与生产效率，通过与酶改造、菌株优化、发酵工艺优化等结合，充分发挥酶与微生物的最大潜能

• AI for science 助力前沿探索，通过大量文献与专利收集分析、代谢通路设计等，为生产高价值产品构建合适的细胞工厂载体

针对生物制造产业的现状，微构工厂副总裁欧阳鹏飞博士认为，我国在传统发酵方面有一定优势，每个行业、产品应用场景都有龙头代表，但在菌种开发等原始创新上与欧美存在差距。

罗小舟进一步表示，底盘菌株创制与优化是企业的核心竞争力，而在这一过程中，科研机构与企业的合作至关重要。

他表示，学术界与工业界面临着不同的挑战。学术界的底盘菌株往往在纯葡萄糖等理想条件下研发，而工业界则需要考虑廉价碳源、氮源以及发酵压力等实际情况。

为了解决这些问题，双方需要双向互通，学术界要更加贴近工业实际，企业则要开放数据和经验，双方共同攻克难题。

人工智能浪潮下，生命科学的工具平台发挥着越来越关键的作用。

一方面，大规模、高质量、多模态数据在生命科学领域极为稀缺，作为重要的数据来源，先进的工具平台为AI的发展提供了源源不竭的动力。

另一方面，人工智能也促进了生命科学工具平台的智能化发展，AI在数据分析、辅助决策和自动化处理等方面也展现出强大的能力。

如何拥抱AI带来的变革，成为行业当下的热门议题。

Alamar创始人兼CEO罗宇龄博士指出，相较于基因组学，蛋白组学具有丰度高、应用场景广、特异性强等优势，然而也面临着不小挑战。公司开发的技术平台能够实现世界最灵敏的蛋白检测，并在中枢神经系统疾病检测等方面表现出色。

图：Alamar创始人兼CEO罗宇龄博士

申基生物联合创始人肖潇介绍了公司利用AI进行 mRNA 上游原料开发的工作，包括通过计算机辅助平台开发新型帽类似物及利用AI技术对酶进行定向进化以提高产品性能等。

若生科技Noah.Al创始人、CEO王轶楠博士介绍了公司基于AI智能体打造的医学知识引擎产品，该产品提供医学搜索引擎、推荐系统和工作流程自动化等功能，旨在解决生物医药领域处理复杂信息的痛点。

中国科学院苏州生物医学工程技术研究所研究员、广东奥素液芯微纳科技有限公司创始人马汉彬博士介绍了其团队开发的AI +高通量数字微流控平台，该平台可将复杂实验流程浓缩至生物芯片上，解决了实验室自动化中的一些问题，在单细胞蛋白质组学等多个领域有重要应用场景。

中国科学院过程所生物药制备与递送重点实验室副主任袁野介绍了其在AI驱动的 RNA 药物研发及递送方面的工作，包括利用 AI 和高通量技术解决靶点发现、核酸序列设计和核酸递送等关键问题，并展示了在这些方面的研究成果和未来探索方向。

在“AI+创新平台”分论坛的圆桌论坛上，五位来自不同领域的资深专家坦诚交流，分别从开发者、临床机构和医药企业的多元视角出发，为我们呈现了一场精彩的思维碰撞。

在被问及对前沿创新平台的期待，中国医学科学院系统医学研究院、苏州系统医学研究所吴爱平研究员从不同角度进行了阐述：作为开发者，他深知与公卫系统合作时，用户的需求往往与实验室中的设想不完全一致，他们更看重稳定性、易用性和便捷性。而作为使用者，他期望有高通量、高质量数据产生的平台，以及能够进行高通量验证的系统。

如何选择创新平台？苏大附一院HLA高分辨确认分型实验室主任、江苏省血液研究所血液室副主任何军强调了价值观的相同，金赛药业首席信息官和数字研究院院长鲜翾则补充了公司战略、技术靠谱度和场景契合度等标准。

在面对困难客户时，Alamar Biosciences大中华区总经理韦利峰和若生科技Noah.Al创始人、CEO王轶楠博士有着不同的应对策略。

韦利峰认为首先要反思自己的工作是否做到位，是否充分沟通了产品的优势和技术特点，如果是因为沟通不充分导致客户没有选择好的技术，那对双方都是损失。

王轶楠则强调坦诚沟通，明确能交付的和不能做到的，要让客户清楚了解公司的能力范围，能做到的明确承诺，做不到的也要诚实说明原因。

在论及如何让前沿创新平台真正落地时，播禾创新中心总经理乐晓桐表示：“这个过程离不开各方的通力合作，只有不断地反馈和迭代，才能打磨出真正的好产品。”

在场嘉宾纷纷赞同这一观点，并从不同视角展开讨论。

作为使用技术的一方，何军认为要对技术进行充分评估，确保其符合需求，同时也希望为合作方提供高效平台和丰富资源，实现双方共赢。

作为提供技术的一方，王轶楠则强调要重视用户反馈，“用户反馈是最好的收获”，通过收集不同用户的反馈，作为下一代产品的基石。

创新平台的可持续发展，离不开各方的通力合作，在共同价值观的基础上，以开诚布公的态度进行充分沟通，双方优势互补、相互赋能、一同迭代，最终实现商业闭环，让生态滚动起来。

韦利峰表示首先要定义公司是做什么的，在这个基础上去组织合作。

王轶楠认为要重视共同需求，花功夫了解用户需求，找出最通用、可标准化、可扩展的需求。

AI作为本世纪作为革命性的技术之一，应用在生物医药领域，有着无比确定的未来。

“全球范围内，有AI参与的管线已经占到总数的40%左右。”波士顿咨询公司（BCG）合伙人刘宇婷博士给出的最新数据显示，AI制药的浪潮远比许多人想象中来得更加迅猛。

图：”波士顿咨询公司（BCG）合伙人刘宇婷博士

40%这一数字已经足够惊人，但这仅仅只是开始。

跨国药企集体面临专利悬崖，这一背景下，利用AI去提高内生研发效率，成为MNC们的共识。

“我们在与跨国药企合作的过程中发现，它们很早就意识到AI一定是未来的方向，而且是一定需要去建设的能力。”刘宇婷表示。

然而聚焦当下，2024年AI制药加速分化，好消息和坏消息交织而来。

在Xaira Therapeutics获得10亿美金种子轮融资的当天，BenevolentAI宣布裁员，并关闭在美国的办事处。

AI制药在批量制造高价BD的同时，更多的初创企业却面临着越来越艰难的生存环境。

天差地别的境遇，折射出市场逻辑的变化，抛开表面的光环，AI如何在药物研发真正落地，成为萦绕在行业人士心头的“灵魂之问”。

大会现场，多位行业大咖齐聚一堂，围绕“AI在药物研发过程中的需求与落地难点”这一主题，带来深刻的见解与思考。

“肯定是数据的问题，数据肯定是现在AI发展最大的一个瓶颈。”腾迈医药联合创始人、CEO何骑指出。

复宏汉霖信息技术部总经理朱峰同意这一观点，他认为阻碍企业应用AI的因素中，“数据质量占60%-70%以上”。

而数据之外，AI制药在算法、模型层面也有很长一段路要走。

在百度智能云泛科技业务部总经理张玮看来，现有的大语言模型并不足以解决药物研发中的问题，而是需要有专业背景的团队来建立具备相当泛化能力的大模型，降低在单个子场景下开发的难度和成本，可能才是解决之道。

百图生科生物医药行业解决方案主任专家贺照人博士进一步补充算法可解释性的问题，他以Moderna和OpenAI的合作举例，指出当下生命科学的很多领域无法直接用模型做准确预测，需要补上参照对象、逻辑链来提升性能。

最后，针对未来发展方向，在座专家们纷纷分享了自己的想法。

何骑表示，合成数据将是个机会，可以部分解决数据匮乏问题，加上湿实验的数据反馈，有机会在未来两年实现大模型快速设计具有特定性质的药物分子。

艾博生物高级副总裁陈荣华则指出，AI工具、平台公司在拓展制药企业客户时，要多做客户教育工作，让药企意识到AI的重要价值；而药企则要制定清晰的AI战略，明确下一步方向，降低试错成本。

君实生物副总经理马骏表示2025年将在数据增强上发力，通过数据增强给到模型更多的选项，在这个基础上实现数据闭环。“我知道很难，但我们就是要往这个方向进。”

自2021年起，生物计算大会已经举办了三届，成为中国以及世界BT&IT领域的标杆盛会。

而每一届大会，参与者的演讲发言、讨论交流乃至精神面貌，都准确且生动地反映了行业发展情况，成为重要的观察窗口。

从首次定义生物计算，到技术进化，再到如今从看到应用不断涌现，正如播禾创新中心总经理乐晓桐所言：“中国生物计算大会本身就是一个见证交叉技术不断延伸、创新场景不断涌现、合作伙伴不断扩大的生态大会。”

过去三年，市场经历了一轮烈火烹油到回归现实的周期，面对理想与现实的落差，变得是，各方不断调整方式方法谋求技术落地的最优解；不变的是，每个从业人员拥抱时代浪潮时的热情和心中对未来发展的信心。

寒冬之下，守望的力量更显得弥足珍贵。面对广袤的生命科学“无人区”，每个勇敢跋涉的“探险者”，更应该携手相助，共同开拓前进的道路。

这一过程中，需要搭建起开放的创新生态、推动产学研各主体协同发展，这也是生物计算大会创立的初衷。

我们坚信，在不久的将来，当我们再次相聚于苏州的时候，将会有更多的从业者以他们的智慧、勇气和毅力，打通理想与现实之间那看似难以跨越的桥梁。

—The End—