以“人工智能+”行动为引领 推动生物制造产业化发展

当前，新一轮科技革命和产业变革加速演进，人工智能正在重塑科学研究模式和产业创新范式。国务院印发的《关于深入实施“人工智能+”行动的意见》提出，加强人工智能与生物制造、量子科技、第六代移动通信（6G）等领域技术协同创新，以新的科研成果支撑场景应用落地，以新的应用需求牵引科技创新突破。持续深化拓展“人工智能+”、前瞻布局生物制造等未来产业，是培育壮大新质生产力、建设现代化产业体系的核心抓手和关键任务。

生物制造兼具技术密集、数据密集和工程密集的多重属性，是人工智能与实体经济深度融合的核心前沿领域。纵观产业发展历程，从传统发酵工艺、现代基因工程，到当下合成生物学与人工智能深度融合，人类对生命系统的开发利用模式实现了根本性革新：彻底摆脱传统经验驱动的发展局限，迈向数据与机理协同驱动的全新阶段，逐步从解析认知生命规律，进阶到工程化设计、重构与利用生命系统的全新维度。人工智能与合成生物学的深度融合，将显著提升人类解析、预判与设计生命系统的综合能力，为生物制造技术迭代升级、产业扩容提质开辟全新路径、拓展广阔空间。

把握此次变革机遇的核心在于，要推动人工智能贯通生物资源数据挖掘、生物元件精准预测与设计、人工智能驱动的DBTL（设计－构建－测试－学习）闭环、虚拟放大与实验验证、发酵过程智能调控、中试及生产数字孪生、产品效能评价全链条，加速推动科技创新成果向现实新质生产力转化。

人工智能引领科研范式变革，拓展生物制造创新边界

生命科学的发展历程，本质上是人类持续深化对生命运行规律的认识、不断提升生命系统工程化利用能力的历史。

早期，人类主要依托经验开展微生物发酵，制作酒、酱、醋、乳制品等食品；伴随微生物学、分子生物学的发展，生命内在规律被逐步揭示，基因工程、蛋白质工程、细胞工程和微生物代谢工程等现代生物技术体系日趋成熟。

步入21世纪，系统生物学实现对DNA、RNA、蛋白质和代谢网络的整体性解析，为生物制造筑牢底层理论基础。在此基础上，合成生物学引入工程化思维，定向构建具备特定功能的细胞工厂，达成目标产物的可控合成，推动生命科学从读取生命信息迈向解析、设计乃至重构生命系统的新阶段。

生命系统具有多尺度、非线性、高度复杂化的典型特征，传统生物研发模式高度依赖人工经验和反复试错，长期面临数据碎片化、设计空间维度高、实验研发成本高昂、工程放大机理复杂等一系列技术瓶颈。人工智能技术的深度赋能，为破解生命系统复杂设计空间搜索难题、大幅降低研发试错成本、突破传统研发范式局限提供了全新路径与核心支撑。

合成生物学下一阶段的核心发展方向，是推动数据驱动模型与机理机制模型的深度融合。一方面，合成生物学依托人工智能技术从海量的多模态生命数据中挖掘潜在规律、生成科学假设；另一方面，通过自动化实验体系对模型假设进行持续验证与动态修正，构建“假设生成－实验验证－模型迭代”的可解释、可迭代的研发体系。其中，GEMs（基因组规模代谢模型）在全基因组尺度整合代谢反应与机理约束，为细胞状态预测和工程设计提供可解释的计算底座。进一步将GEMs与多组学数据、人工智能模型和自动化实验反馈相融合，是通往人工智能虚拟细胞的重要技术路径之一。通过与实验科学深度协同，人工智能正在持续提升生命系统工程化设计的可靠性、精准性与可制造性。

建设智能化公共平台，夯实生物制造产业化底座

推动生物制造技术从实验室创新走向规模化产业应用，既需要高水平基础科研体系支撑，更需要完善概念验证、中试放大、工艺优化和质量评价等全链条工程化基础设施。中试转化是打通创新链与产业链的关键枢纽，是合成生物学、生物制造科技成果落地产业化的必经核心环节。

上海张江依托合成生物学产业创新优势，率先探索人工智能赋能的未来型智能生物制造创新体系，整合自动化实验、高通量筛选、智能算法模型和数字化生产管控等核心能力，系统性打通科学发现、工程验证与产业落地的壁垒，构建产学研深度融合的创新生态。

其中，张江合成生物学公共平台正在探索搭建科学大模型、智能算法体系与自动化实验装备、智能感知执行系统协同联动的闭环研发体系，重塑传统生物研发范式。平台依托科学大模型和专业智能算法承担数据分析、规律挖掘、假设生成、方案优化等认知决策功能，用于分析数据、生成假设和优化方案。自动化设备、机器人和智能感知系统承担实验执行与数据采集功能，并保留专家在关键决策和安全审查中的作用，从而形成“提出假设－开展实验－反馈数据－迭代优化”的人机协同闭环。

该创新模式推动生物研发彻底摆脱传统经验依赖与重复试错模式，全面转向数据驱动与模型赋能的高效迭代新范式，大幅加速DBTL闭环。

在张江自动化菌株构建平台中，通过AI辅助设计和其自动化体系平台可实现每月超过1万个工程菌株的标准化构建；在酶分子定向优化等典型场景中，将传统约2个月的DBTL迭代周期压缩至10天以内，研发效率实现量级提升。

智能化生物制造公共平台兼具科研基础设施与产业服务基础设施双重属性，是支撑新质生产力发展的核心底座。需持续坚持开放共享、专业运营、普惠服务的发展原则，面向高校科研院所、行业龙头企业及广大科技型中小企业，提供低成本、标准化、可复用的菌种设计、工艺开发、中试验证、质量评价等全链条工程化服务。同时，依托平台持续沉淀可复用的高质量生命数据、标准化实验流程和通用工具链，形成数据、技术、标准、服务一体化的产业支撑体系，持续赋能生物制造产业规模化、高端化、智能化发展。

以高价值场景牵引产品验证和产业化落地

天然产物是生命健康产业的核心资源，但传统提取工艺长期受到原料供给、生产周期、制造成本、批次稳定性及生态承载能力等多重条件制约，也成为观察生物制造重塑产品供给模式的典型样本。据数据库和综述文献测算，已报道的天然产物结构数量达数十万种，其中植物来源天然产物占比颇高。但受限于植物体内天然丰度低、分子结构复杂等因素，大量具备潜在功能价值的活性分子始终难以实现规模化与稳定供给。

合成生物学为突破上述资源瓶颈、革新天然产物供给模式提供了关键技术路线。在适配的微生物底盘中重构天然产物合成途径，结合人工智能赋能酶分子设计、代谢网络调控和工艺参数迭代优化，能够推动稀有天然化合物从资源开采型获取模式转向可控稳定的生物制造生产模式。产业化落地阶段，还需同步攻克原料配套、发酵放大、分离纯化、质量控制、成本控制和全生命周期环境效益等一系列工程化难题。

以生合万物（上海）生物科技有限公司的实践为例，该企业依托合成生物学、人工智能和智能制造一体化平台，聚焦天然化合物生物制造，开展稀有人参皂苷、麦角硫因、（S）-雌马酚等高价值活性分子的工程开发和规模化验证工作。

以稀有人参皂苷CK细胞工厂开发为例，研发团队围绕前体物质供给、关键限速酶改造、蛋白质工程和发酵工艺开展持续优化。公开研究文献表明，CK发酵滴度已由早期毫克每升级别提升至5.7 g/L，充分展现出从实验室成果迈向规模化生产的发展潜力。

该案例表明，以往高度依赖天然资源获取的高价值活性物质，依托生物制造技术有望构建更稳定、高效和可持续的供给体系。但实验室性能指标转化为商业化产品，仍需要经受工程放大、批次质量一致性、经济性可行性和安全评价的全链条系统性考验。

从技术突破到产品落地：以应用场景牵引成果转化

生物制造的产业价值，最终落脚于增强产业核心竞争力、扩充高品质供给、推动产业绿色低碳转型，以及服务民生健康福祉。一项技术成果要实现从实验室走向产业和市场，必须系统性回应工艺放大的可行性、产品质量的稳定性、经济成本的可承受性、全链安全保障以及合规准入衔接等现实命题。

生命健康是生物制造开展产业化探索的先行赛道之一。依托人工智能辅助分子设计、高通量智能实验平台和细胞工厂技术，一大批过去难以规模化获取的天然活性分子逐步实现工程化生产，为功能原料和健康产品的创新开辟了全新供给路径。

以人参皂苷CK为代表的稀有人参皂苷，体外研究证实其具备皮肤保湿和修护屏障功能等生物活性，为相关功能原料的开发奠定了科学基础。它的实际产业化应用，仍需建立在完备的安全评价、功效验证与合规产品准入等基础之上。

麦角硫因是具备抗氧化活性的天然功能分子，传统获取方式存在资源供给瓶颈。借助细胞工厂技术可实现其稳定规模化制备，为食品、化妆品等领域的产品研发提供可靠原料来源，相关应用同样需要遵循相应法规和市场准入要求。

领域的另一重要探索。（S）-雌马酚是大豆异黄酮经特定肠道菌群代谢生成的活性物质，能够结合雌激素受体，并对ERβ受体具备相对选择偏好，在女性更年期健康相关研究中备受关注。人体内（S）-雌马酚的生成高度依赖个体肠道菌群，人群间代谢转化能力差异显著，相当比例人群无法高效完成该代谢过程，这也是大豆异黄酮干预效果存在明显个体差异的重要诱因。针对这一痛点，行业企业通过细胞工厂重构并优化生物合成路径，推进（S ）-雌马酚的稳定规模化制备，为降低原料成本、保障供应稳定性创造条件。

该案例的价值不止于单一产品的开发落地，更印证合成生物学可将清晰的科学机理转化为可工程化实施、可规模化放大的生物制造方案，同时凸显人工智能和智能制造在营养健康等领域广阔的应用潜力。

展望未来，伴随人工智能驱动的研发体系持续迭代升级，这套技术范式将从天然活性分子进一步拓展至医药中间体、营养功能原料、生物基材料和绿色化学品等更为宽泛的领域。与此同时，需将安全评估、质量一致性管控、标准体系建设和合规评价贯穿从研发到工艺放大，再到商业化应用的全流程，保障生物制造产业创新行稳致远。

以“人工智能+制造”驱动生物制造全链条创新发展

推动生物制造高质量发展，核心在于打通科技创新和产业创新，将原创科学发现、关键核心技术攻关、中试验证放大、规模生产和市场应用贯通为完整创新链条。技术成果只有经受住工程放大、成本核算、质量管控和市场竞争的多重检验，才能真正走出实验室、落地生产线，转化为现实生产力。

人工智能与合成生物学的融合并非两类技术的简单叠加，而是二者的双向赋能。人工智能赋能复杂生命大数据解析、内在规律挖掘与生物系统理性设计，合成生物学则为模型迭代验证提供真实、连续的实验场景。推动数据、算法模型、湿实验与制造环节的深度协同，有助于构建起从科学发现到工程实现，再到产品落地的智能创新闭环。

面向生物制造的产业化发展需求，我们要持续夯实自主创新、中试转化、企业和场景牵引、标准与安全治理等基础能力，促进创新链、产业链、资金链和人才链深度融合，培育良好产业生态。

一是强化源头技术供给。围绕核心菌种、高性能酶、生物元件、科学数据集、关键软件、智能传感器和专用装备等重点方向开展协同攻关，推进数据驱动模型与机理知识模型融合，持续提升关键核心技术自主可控水平。

二是强化平台和工程转化能力。布局建设开放共享的高质量科学数据集、自动化实验平台和中试验证平台，贯通研发设计、中试放大、生产控制和质量评价，生产过程控制与质量全链条评价，为不同创新主体，特别是科技型中小企业降低试错成本。

三是强化企业主体地位和场景牵引。进一步发挥龙头企业的带动牵引作用，深化产学研用协同创新，围绕医药健康、食品营养、生物基材料、绿色化学品等高价值赛道开展示范验证，以真实产业需求推动相关技术迭代和产品创新。

四是统筹产业发展和安全治理。健全标准、计量、检测评价、知识产权和人才培养体系，把生物安全、数据安全、科技伦理和产品质量管控贯穿研发、转化、生产和应用全流程，实现高质量发展和高水平安全良性互动。

发展生物制造需要坚定不移走自主创新道路，但坚持自主创新不等于闭门创新。我们既要牢牢掌握关键核心技术和产业发展主动权，也要积极参与国际科技合作和国际标准规则制定，在开放合作中持续提升原始创新能力和产业竞争力。

当前，人工智能正在不断拓展生物制造的技术边界和产业空间。要以深化实施“人工智能+”行动为抓手，充分发挥我国完备产业体系、丰富应用场景和人才资源优势，加快构建“创新驱动、平台支撑、企业主体、场景牵引、标准引领、安全可控”的生物制造产业生态，推动这一未来产业加快成为新的经济增长点，为推进新型工业化、建设现代化产业体系、保障人民生命健康、助力绿色低碳发展贡献更大力量。

（作者：赵国屏、周志华，分别系中国科学院院士、中国科学院大学杭州高等研究院生命与健康科学学院首席教授、复旦大学生命科学学院微生物组中心主任；南京农业大学前沿交叉研究院钟山首席教授）