當(dāng)下的AI技術(shù)熱潮中，數(shù)據(jù)是最炙手可熱的“燃料”。

從通用AI領(lǐng)域的樣本來看，Scale AI、Surge AI、Mercor等新銳，已憑借精細(xì)化標(biāo)注和專家資源，相繼拿下OpenAI、微軟、谷歌、Meta等關(guān)鍵客戶晉升為大模型“賣水人”。

然而在生物制造領(lǐng)域中，數(shù)據(jù)并非一座挖掘后就能投入制造的金礦，現(xiàn)存可供工藝開發(fā)和制造的成熟數(shù)據(jù)極為稀少，無法適應(yīng)傳統(tǒng)的人工智能/機(jī)器學(xué)習(xí) （AI/ML）。

在這里，數(shù)據(jù)更像是新時(shí)代的石油。與石油一樣，數(shù)據(jù)本質(zhì)上是骯臟的，需要投入時(shí)間和金錢來提取價(jià)值，這就是人工智能工具作為數(shù)據(jù)精煉者發(fā)揮作用的地方。

在全球生物工藝的頂級盛會之一，2025波士頓生物工藝峰會（2025 Annual Bioprocessing Summit）上，來自AI制藥、跨國藥企及相關(guān)企業(yè)的嘉賓就圍繞著“Digital Transformation and AI in Bioprocess”展開了討論。

高質(zhì)量數(shù)據(jù) 成為行業(yè)剛需

必須關(guān)注AI背后的數(shù)據(jù)質(zhì)量，這一點(diǎn)在會議上被反復(fù)提及。

國際知名律所Foley Hoag合伙人Colin Zick指出，在生物制造行業(yè)中，人們認(rèn)為AI與其他數(shù)據(jù)工具不同，這種心態(tài)導(dǎo)致許多人覺得過去的通常規(guī)則不適用于AI，這是極其危險(xiǎn)的。

賽諾菲全球 iCMC數(shù)字化轉(zhuǎn)型項(xiàng)目負(fù)責(zé)人Cenk 支持這一說法，一旦人們掌握了數(shù)據(jù)，就直接投入機(jī)器學(xué)習(xí)算法等AI工具中，而不考慮基本原理， 比如基本的統(tǒng)計(jì)學(xué)知識，以及對數(shù)據(jù)和我們正在試圖解決的問題的理解。

同時(shí)他反駁了另一個(gè)流行的神話，即人工智能幾乎適用于所有情況 —— “有時(shí)AI/ML方法不適合一項(xiàng)任務(wù)，簡單的普通流程反而會完成得更好?！?/p>

AI生物制造初創(chuàng)企業(yè)Biocurie的首席執(zhí)行官 Irene Rombel提出了一個(gè)行業(yè)關(guān)注的話題：使用大型語言模型 （LLM） 和合成數(shù)據(jù)來生成缺失數(shù)據(jù)，也就是俗稱的“垃圾進(jìn)，垃圾出”。

AI制藥企業(yè)Cresset首席戰(zhàn)略官 Mark Mackey 等科學(xué)家一直在對人工智能的這種潛在用途敲響警鐘，理由是整個(gè)行業(yè)對生物學(xué)的了解還不夠，無法驗(yàn)證人工智能是否擁有做到這一點(diǎn)所需的所有數(shù)據(jù)。

人工智能是批判性思維的工具，而不是批判性思維的替代品。

Rombel 建議將心態(tài)從收集盡可能多的數(shù)據(jù)轉(zhuǎn)變?yōu)楂@取正確的數(shù)據(jù)，盡管這樣可能會提高成本，因?yàn)閷I(yè)知識和強(qiáng)大的統(tǒng)計(jì)分析同樣重要。

同時(shí)Undey還指出：認(rèn)為機(jī)器學(xué)習(xí)/深度學(xué)習(xí)模型需要數(shù)百萬個(gè)數(shù)據(jù)點(diǎn)是一個(gè)常見的誤區(qū)。

AI生物制造模型的真正決定因素還是數(shù)據(jù)的質(zhì)量，目前他們已經(jīng)開發(fā)出了不少計(jì)算方法，甚至能夠處理數(shù)據(jù)相當(dāng)有限的數(shù)據(jù)集。

哪些企業(yè)深耕于此？

使用AI不是目標(biāo)；在有意義的地方使用它來解決正確的問題更為關(guān)鍵。

為了實(shí)現(xiàn)這一目標(biāo)，生物制造行業(yè)需要整合生物基因編輯、代謝通路設(shè)計(jì)、工業(yè)發(fā)酵優(yōu)化等全流程數(shù)據(jù)，才能為生物醫(yī)藥等各領(lǐng)域提供高質(zhì)量數(shù)據(jù)集支持。

目前AI的表現(xiàn)情況仍直接取決于人類給予它學(xué)習(xí)的數(shù)據(jù)，現(xiàn)階段對AI應(yīng)用來說，最重要的還是由實(shí)驗(yàn)人員產(chǎn)生足夠的數(shù)據(jù)。

在產(chǎn)業(yè)界，木頭姐重倉的TempusAI，就是一家深耕AI醫(yī)療數(shù)據(jù)的公司，核心投資邏輯在于，其擁有目前世界上最大、最全面的癌癥患者分子數(shù)據(jù)庫，包含250PB多模態(tài)數(shù)據(jù)。

合成生物龍頭Ginkgo Bioworks也有一項(xiàng)名為Ginkgo Datapoints的數(shù)據(jù)服務(wù)，提出了LDaas（Lab Data as a Service，實(shí)驗(yàn)數(shù)據(jù)即服務(wù)）的概念，并與Google Cloud合作開發(fā)生物工程AI模型。

AI醫(yī)療領(lǐng)域的Owkin則圍繞藥企和醫(yī)院構(gòu)建了一個(gè)聯(lián)邦研究生態(tài)系統(tǒng)，依托7000例患者數(shù)據(jù)打造了目前腫瘤學(xué)領(lǐng)域規(guī)模最大的空間組學(xué)數(shù)據(jù)庫MOSAIC。