最近科技圈最火爆的事件，莫過于“你有沒有養(yǎng)龍蝦”？

這只火遍全網(wǎng)的“龍蝦”，是近期在 GitHub 登頂、席卷全球開發(fā)者圈的開源 AI 智能體——OpenClaw。因其標(biāo)志性的紅色龍蝦 Logo，被網(wǎng)友親昵地稱為“小龍蝦”。你可以把它想象成一個住在電腦里的數(shù)字員工，你下達(dá)指令，它就能自主接管鼠標(biāo)和鍵盤：登錄后臺、填寫表單、甚至自動訂票等等。

OpenClaw 的爆火，本質(zhì)上是因?yàn)樗?AI 擁有了“執(zhí)行力”。那如果 AI 能夠走出屏幕，進(jìn)入真實(shí)的物理世界去干活呢？

這正是目前科技界最前沿的命題——物理人工智能（Physical AI）。2026 年，黃仁勛在 CES 主題演講中明確宣告：“物理 AI 的 ChatGPT 時刻已經(jīng)到來”，即 AI 模型能夠真正理解現(xiàn)實(shí)世界物理規(guī)律、進(jìn)行推理規(guī)劃并執(zhí)行動作，從而驅(qū)動機(jī)器人、自動駕駛等具身系統(tǒng)在真實(shí)環(huán)境中感知、決策與行動。

這一趨勢興起的核心驅(qū)動包括：技術(shù)臨界點(diǎn)已至，多模態(tài)大模型、世界模型和物理仿真引擎突破大幅縮小 sim-to-real 差距；商業(yè)價值轉(zhuǎn)向?qū)嶓w經(jīng)濟(jì)萬億級增量，直接作用于制造、物流、醫(yī)療等領(lǐng)域，提升生產(chǎn)效率并解決勞動力短缺；數(shù)據(jù)飛輪加速閉環(huán)，海量真實(shí)交互數(shù)據(jù)反哺模型迭代，形成指數(shù)級正反饋。

在這種 AI 走出屏幕的大背景下，生物制造作為對物理環(huán)境極度敏感、且數(shù)據(jù)維度極高的典型場景，成為了物理 AI 理想的落地錨點(diǎn)。

近日，生物制造企業(yè)恩和科技正式發(fā)布了全球首個面向生物制造領(lǐng)域的 Physical AI 平臺：SAION AI。

如果說 OpenClaw 是駐扎在電腦里的“數(shù)字員工”，那么 SAION AI 就是生物實(shí)驗(yàn)室里那個能讀懂文獻(xiàn)、會操作儀器、還能自主進(jìn)化的“實(shí)驗(yàn)室小龍蝦”。它不只是停留在虛擬設(shè)計(jì)的 AI 智能體或單一執(zhí)行的實(shí)驗(yàn)自動化工具，而是一個包含認(rèn)知、控制與閉環(huán)執(zhí)行能力，能聽懂科研人員的意圖、自己設(shè)計(jì)實(shí)驗(yàn)、直接指揮設(shè)備做實(shí)驗(yàn)、自動復(fù)盤進(jìn)化的 AI 科學(xué)家。

為了讓這只“實(shí)驗(yàn)室小龍蝦”足夠聰明且聽話，恩和科技為 SAION AI 設(shè)計(jì)了一套由認(rèn)知層（Cognition Layer）– 控制層（Orchestration Layer）– 閉環(huán)執(zhí)行層（Close-loop Execution Layer）組成的協(xié)同進(jìn)化架構(gòu)（COE Model）。就像自動駕駛領(lǐng)域的 VLA（視覺-語言-動作）模型。

（來源：恩和科技）

其中，認(rèn)知層是一套感官系統(tǒng)。其建立在恩和科技自研 Cell2Cloud 生物鑄造廠長期積累的數(shù)據(jù)基礎(chǔ)之上，融合千萬級真實(shí)項(xiàng)目閉環(huán)實(shí)驗(yàn)數(shù)據(jù)、百萬級文獻(xiàn)與專利，并整合 NCBI、UniProt、PubMed 等生物專業(yè)數(shù)據(jù)庫。

此外，SAION AI 集成了 AlphaFold、ProteinMPNN、RFDiffusion、ESMFold 等多種 AI4Science 模型，覆蓋蛋白結(jié)構(gòu)預(yù)測、序列生成、代謝通路分析、酶工程與發(fā)酵數(shù)據(jù)建模等能力。這些能使 SAION AI 貫通基因—蛋白—代謝—細(xì)胞—發(fā)酵等多尺度進(jìn)行系統(tǒng)性認(rèn)知，在龐大設(shè)計(jì)空間中識別最優(yōu)研發(fā)方向，并為后續(xù)科研決策提供跨多尺度上下文數(shù)據(jù)基礎(chǔ)。

控制層是這只“實(shí)驗(yàn)室小龍蝦”的大腦指揮部。它能把一個復(fù)雜的科研大目標(biāo)，拆解成一個個具體的步驟，并基于企業(yè)沉淀的菌株開發(fā)與生物制造經(jīng)驗(yàn)構(gòu)建 Workflow Skills，形成穩(wěn)定的科研執(zhí)行模式。此外，平臺里整合了 316 種專業(yè)科研工具，知道什么時候該調(diào)動哪個模型，什么時候該啟動哪臺儀器，甚至還加了 Checkpoint（隨時存檔）和容錯機(jī)制，支持長時間復(fù)雜科研流程穩(wěn)定運(yùn)行。

執(zhí)行層就是這只“實(shí)驗(yàn)室小龍蝦”的“手和腳”。恩和科技自研了一套生物標(biāo)準(zhǔn)協(xié)議語言（BPL），SAION AI 設(shè)計(jì)好的方案，會直接變成 BPL 代碼發(fā)送給實(shí)驗(yàn)儀器。儀器接到指令，立刻開始加藥、培養(yǎng)、檢測。數(shù)據(jù)流實(shí)時回傳，形成一個完美的閉環(huán)，讓 AI 在每一場實(shí)驗(yàn)中都能自我進(jìn)化。這一層讓 AI 真正“具身”到物理世界，不再是電腦里的想法，而是能親手做實(shí)驗(yàn)、采集數(shù)據(jù)、自我進(jìn)化的 AI 科學(xué)家。

那么，SAION AI 的真實(shí)能力到底有多強(qiáng)？

恩和科技在多項(xiàng)國際生命科學(xué) AI 基準(zhǔn)上進(jìn)行了測試，包括文獻(xiàn)理解、生物序列推理、基因工程設(shè)計(jì)與科學(xué)發(fā)現(xiàn)等關(guān)鍵科研任務(wù)。

（來源：恩和科技）

在科研文獻(xiàn)理解測試中，SAION AI 在 LitQA (Lab-Bench) 與 SuppQA (Lab-Bench) 基準(zhǔn)測試中達(dá)到 70.7% 的平均準(zhǔn)確率，顯著領(lǐng)先當(dāng)前主流基座模型（GPT-5.3，Opus 4.6）近 20 個百分點(diǎn)，以及領(lǐng)先科研優(yōu)化模型 Stella 的公開評測結(jié)果（LitQA 65.0%）。

在生物序列分析中，SAION AI 在 SeqQA (Lab-Bench) 基準(zhǔn)測試中準(zhǔn)確率達(dá)到 88.2%，超過斯坦福大學(xué)研究團(tuán)隊(duì)發(fā)布的 Biomni 平臺（81.9%），展現(xiàn)出領(lǐng)先的 DNA/RNA/蛋白序列推理與設(shè)計(jì)能力。

在基因工程與實(shí)驗(yàn)設(shè)計(jì)中，SAION AI 在 Gene Editing (Lab-Bench) 與 Cloning Scenarios (SDE) 基準(zhǔn)測試中平均準(zhǔn)確率達(dá)到 84.9%，達(dá)到當(dāng)前模型中的 SOTA 水平，驗(yàn)證了其在真實(shí)分子生物學(xué)實(shí)驗(yàn)設(shè)計(jì)中的推理能力。

在科學(xué)發(fā)現(xiàn)與推理方面，SAION AI 在 BAIS-SD 基準(zhǔn)測試中達(dá)到 89.6% 的準(zhǔn)確率，相比主流基準(zhǔn)模型提升約 12 個百分點(diǎn)，體現(xiàn)出其在科研假設(shè)理解、科學(xué)推理和研究發(fā)現(xiàn)任務(wù)中的領(lǐng)先能力。

最重磅的是，恩和科技通過全流程真實(shí)實(shí)驗(yàn)驗(yàn)證了 SAION AI 在物理層面的科研表現(xiàn)。其自主完成了從文獻(xiàn)閱讀、質(zhì)粒設(shè)計(jì)及濕實(shí)驗(yàn)組裝的全過程任務(wù)，且正確率 90%+，證明 SAION AI 不僅在科研理解與推理基準(zhǔn)測試中表現(xiàn)出色，也具備在真實(shí)實(shí)驗(yàn)中獨(dú)立驅(qū)動生物研發(fā)的能力。

那么，SAION AI 能給行業(yè)帶來什么改變？

首先，雙源知識驅(qū)動科研規(guī)劃。SAION AI 不僅讀過百萬量級的公開文獻(xiàn)和專利，還記住了恩和科技實(shí)驗(yàn)室里真實(shí)項(xiàng)目沉淀的千萬量級私有實(shí)驗(yàn)數(shù)據(jù)。它還把 AlphaFold、RFdiffusion 這些當(dāng)下最強(qiáng)的 AI 模型串起來用，能自動組合調(diào)用，像搭樂高一樣拼出最合適的工具鏈。然后基于這些海量雙源數(shù)據(jù)，快速在超級大的可能性空間里挑出靠譜路徑，直接輸出完整、可執(zhí)行的技術(shù)路線、任務(wù)規(guī)劃及方案。

其次，實(shí)驗(yàn)任務(wù)方案代碼化。SAION AI 輸出的實(shí)驗(yàn)方案，不是寫成 Word 文檔發(fā)給實(shí)驗(yàn)員那么簡單，而是通過恩和自研的生物標(biāo)準(zhǔn)協(xié)議語言（Biology Protocol Language，BPL）精準(zhǔn)轉(zhuǎn)化為實(shí)驗(yàn)人員可標(biāo)準(zhǔn)化操作的實(shí)驗(yàn)工單與設(shè)備直接執(zhí)行的機(jī)器指令。不管是哪臺機(jī)器、哪個操作員，只要運(yùn)行這段代碼，做出來的東西一模一樣，保證了實(shí)驗(yàn)的絕對精準(zhǔn)和可復(fù)現(xiàn)性。

第三，資產(chǎn)感知的場景化設(shè)計(jì)能力。很多 AI 設(shè)計(jì)方案時天馬行空，不管實(shí)驗(yàn)室有沒有材料。SAION AI 平臺在實(shí)驗(yàn)設(shè)計(jì)環(huán)節(jié)，能自動識別內(nèi)部庫存中已有的、可復(fù)用的 DNA 片段、標(biāo)準(zhǔn)質(zhì)粒及菌株，并主動推薦或自動納入實(shí)驗(yàn)方案。同時，在實(shí)驗(yàn)執(zhí)行過程中能將 DNA 設(shè)計(jì)、菌株構(gòu)建、轉(zhuǎn)化、遺傳信息傳代等結(jié)果自動錄入數(shù)據(jù)庫，形成可追溯的菌株構(gòu)建路徑和完整的菌株實(shí)物狀態(tài)。

第四，直接驅(qū)動并智能調(diào)度生物鑄造廠。通過 BPL 協(xié)議，SAION AI 將實(shí)驗(yàn)方案轉(zhuǎn)化為機(jī)器指令，一鍵扔給恩和科技自研的 Cell2Cloud 生物鑄造廠執(zhí)行。這不僅能消除傳統(tǒng)生物實(shí)驗(yàn)中信息傳遞帶來的損耗和人為錯誤，還能實(shí)時監(jiān)控實(shí)驗(yàn)完成進(jìn)度。此外，Cell2Cloud 生物鑄造廠內(nèi)的所有實(shí)驗(yàn)隊(duì)列、設(shè)備狀態(tài)與耗材庫存，都在 SAION AI 的驅(qū)動下實(shí)現(xiàn)最優(yōu)智能調(diào)度。

第五，生物制造專屬數(shù)據(jù)智能和知識沉淀。在任務(wù)執(zhí)行過程中，SAION AI 能實(shí)時抓取所有數(shù)據(jù)，自動分析、追蹤，支持 AI 做理性決策。同時，沉淀而來的專屬數(shù)據(jù)以結(jié)構(gòu)化、可查詢、可調(diào)用的狀態(tài)存為組織數(shù)據(jù)資產(chǎn)，賦能內(nèi)部人才培養(yǎng)，最終讓整個平臺從方案設(shè)計(jì)到工藝開發(fā)都越來越精準(zhǔn)。

生物研發(fā)的核心是 Design-Build-Test-Learn（DBTL）循環(huán)：設(shè)計(jì)方案——構(gòu)建實(shí)驗(yàn)——測試結(jié)果——學(xué)習(xí)優(yōu)化——再設(shè)計(jì)。但傳統(tǒng)方式靠人工，每一輪都可能耗時數(shù)周到數(shù)月，失敗率高、成本巨大。

物理 AI 則正在重新定義生物制造，它將行業(yè)從試錯驅(qū)動引向數(shù)據(jù)驅(qū)動。它不再僅僅加速做什么和怎么做的過程，更開創(chuàng)了一個能自我進(jìn)化的智能化閉環(huán)。從研發(fā)周期縮短 70% 以上的數(shù)字孿生平臺，到產(chǎn)量躍升的 AI 自控發(fā)酵系統(tǒng)，再到讓潔凈室產(chǎn)出提升百倍的機(jī)器人“大腦”。這些突破共同指向一個趨勢：物理 AI 正在將生物制造從高投入、長周期的傳統(tǒng)模式，推向可預(yù)測、可編程、可自主優(yōu)化的精準(zhǔn)智造新階段。

（來源：恩和科技）

比如芬蘭技術(shù)研究中心 VTT 開發(fā)“自我驅(qū)動的計(jì)算實(shí)驗(yàn)室”。它將高性能計(jì)算上的分子動力學(xué)模擬與 AI 相結(jié)合，能夠自主、大規(guī)模地篩選和優(yōu)化用于生產(chǎn)生物塑料的 PHA 聚合物材料，大大加速了新材料的發(fā)現(xiàn)過程；Multiply Labs 開發(fā)的機(jī)器人集群可將細(xì)胞療法制造成本降低約 74%，同時將潔凈室空間內(nèi)每平方英尺的患者劑量產(chǎn)量提升高達(dá) 100 倍，顯著提高吞吐量并減少人為污染風(fēng)險和變異性......

SAION AI 的發(fā)布標(biāo)志著行業(yè)正式步入數(shù)字認(rèn)知、智能編排、閉環(huán)執(zhí)行的持續(xù)自增強(qiáng)模態(tài)，推動生物制造從經(jīng)驗(yàn)驅(qū)動的反復(fù)摸索，走向數(shù)字與硬件交互感知、迭代躍進(jìn)的智能工程。

它不是簡單的一款新工具，更不是單一的 AI 模型或自動化設(shè)備，而是像“實(shí)驗(yàn)室小龍蝦”一樣，實(shí)現(xiàn)了“認(rèn)知—決策—執(zhí)行—迭代”的完整閉環(huán)，真正將 AI 融入生物制造的全流程，成為能夠驅(qū)動真實(shí)科研工作的“AI 科學(xué)家”。其能自主設(shè)計(jì)實(shí)驗(yàn)方案，能直接指揮設(shè)備動手操作，能自動復(fù)盤數(shù)據(jù)優(yōu)化模型，將 AI 從輔助思考的配角，推向自主驅(qū)動整個研發(fā)閉環(huán)的核心，讓生物研發(fā)從傳統(tǒng)人主導(dǎo)、經(jīng)驗(yàn)試錯、周期漫長的模式，真正邁入 AI 為主、智能閉環(huán)、指數(shù)級加速的新時代。

1.https://www.forbes.com/sites/stevenwolfepereira/2026/01/12/how-jensen-huang-won-ces-2026/

2.https://research.csc.fi/2025/10/10/self-driving-computational-laboratory/

運(yùn)營/排版：何晨龍