中国生物制造，正在重构数据底座

蒲公英创始人

上海临港产业大学生物医药学院创始院长

这两年，AI+生物医药越来越热。

AI制药、AI蛋白设计、AI筛选、AI预测结构......

行业仿佛一夜之间找到了通往未来的钥匙。

但也面临一个极其冷酷的问题：

驱动这些AI大模型疯狂运转的数据，究竟从哪里来？

互联网领域的AI能够狂飙突进，是因为它背后有整个人类世界几十年来低成本积累的文本、图像和代码海量数据。

但生命科学完全是另一回事。

生物制造面对的是复杂的物理世界，每一个有效数据点，都必须依靠真实的物理实验去一步步敲出来。它成本极高、周期漫长，而且极难标准化。

业内有一句流行了很久但话丑理正的断言：“垃圾数据，只能产出垃圾模型。”

如果底层没有源源不断的高质量、标准化实验数据去喂养，再炫酷的AI算法，也只是镜花水月。

9月21日，在2026深圳国际高性能医疗器械展上，由深圳粒影生物科技有限公司牵头，联合上海思朗科技股份有限公司、深圳先进技术研究院、深圳市光明科学城发展建设有限公司共同打造的Physical AI基础设施暨亿级干-湿实验数据点解决方案在深圳正式面向全球发布。

看到这个发布，我心里的感受非常深刻。

过去十年，中国生物制造的追赶，大部分体现在论文发表量和制造产能的规模膨胀上；而今天，大家终于开始在更深层次的逻辑上求变——去建一套自主可控的数据新基建，从源头上拿回生物制造的行业话语权。

01｜算力易得，但高质量数据极其稀缺

做产业的人都知道，AI+生物制造讲得再响，当下在落地时依然被三重现实硬伤死死卡着脖子：

第一，数据孤岛化。各个实验室、药企和科研院所之间，数据格式、实验标准五花八门，根本无法汇聚成可以用来训练大规模模型的标准化数据集。

第二，数据无闭环：传统手工实验通量低、人为误差大，干实验（计算）和湿实验（验证）经常脱节，模型学到的往往是大量的实验“噪音”，而非真正的物理与生物规律。

第三，数据低质量：设计、构建、测试环节割裂，模型做出的结构或性能预测，无法通过后续实验做到超高通量的快速验证和实时修正。

没有高质量的“数据底座”，AI就无法真正赋能生物制造。

这也正是为什么粒影生物这次把战略重心从“单一产品供给”，直接提维到了“基础设施构建”。正如他们所说：“我们不是在做一个酶、一个抗体或一条生产线，而是在构建生物经济的操作系统。”

02｜D²BTL闭环：数据不再是原料，而是第一性原则

AI走向生物制造，不能生搬硬套互联网数字世界的套路。它必须依赖一套能够持续产出高质量物理数据的Physical AI（物理人工智能）基础设施。

过去合成生物学提的DBTL（设计—构建—测试—学习）循环，背后其实隐性假设了一个前提：你输入的初始数据是靠谱的。

而粒影生物这次提出的D²BTL闭环新范式，本质上是在循环最前端强行加入了一个Data（数据）维度，把数据质量治理从隐式假设变成了显式的第一性原则，构筑了“数据—设计—构建—测试—学习”的完整闭环。

这一字之差，是研发范式的升级。

数据不再是被动输入的“原料”，而是变成了与设计、构建、测试并列的核心枢纽。有了这个闭环，研发团队能做到“设计→合成→验证”24小时极速迭代，AI模型不再依赖零散、滞后的公开发表文献，而是直接由持续产出的高质量实验数据实时驱动。

在这套闭环的背后，是干-湿实验两端非常硬核的协同能力：

1、干实验端（Proteincraft平台）：粒影生物推出了国内首个AI+生物制造公共服务Proteincraft平台，构建起“计算—设计—验证—优化”一站式服务，具备蛋白质三维结构预测、表达前可溶性与稳定性风险预判、全原子分子动力学模拟等能力，模拟速度达到了国际T1水平。

2、湿实验端（CFPS无细胞系统）：粒影生物自研的无细胞蛋白表达系统（CFPS），把蛋白表达周期从传统的两周以上直接压缩到数小时至一天，支持膜蛋白、毒蛋白、大蛋白、纳米抗体等高难度蛋白表达，并能实现2至3个非天然氨基酸同时插入。该系统已经成功表达了GPCR七次跨膜蛋白、刺突蛋白、蛋白转位酶等过去传统表达体系极难攻克的高难度膜蛋白。

03｜四方协同：打通全链条自主可控的底层生态

单打独斗做不成新基建。

这次Physical AI基础设施能够落地，靠的是一套分工极其明确、能力高度互补的四方协同体系：

1、粒影生物（牵头方）：负责Physical AI基础设施的整体架构设计与技术方案输出。依托Proteincraft AI+生物制造公共服务平台、人工智能辅助蛋白质设计平台、高通量结构生物学平台、单B细胞高性能抗体发现平台、生产端菌株改造平台、蛋白原料配对筛选及验证平台六大核心技术平台，提供从序列—结构—功能层面的蛋白改造优化能力，并输出酶工程自动化实验的技术方案。

2、上海思朗科技股份有限公司：提供自主可控的算力支撑。其自主研发的“天穹”科学计算机，打破了美国Anton系列超级计算机长期在蛋白质动态研究领域对中国科学家的禁用限制，目前已在国内规模化部署20台，获得中国信通院全国最高等级算效认证，为粒影生物的分子模拟与AI计算提供100%自主可控的算力底座。

3、深圳先进技术研究院：依托其高通量实验技术平台，与粒影生物联合开发超高通量酶工程自动化实验方法体系，围绕酶工程全流程关键环节，共同设计、验证并优化适用于超高通量自动化的各类实验方案，推动酶工程研发从“手工操作为主”向“自动化、智能化驱动”转型，积累自主可控的核心参数与操作规范。

4、深圳市光明科学城发展建设有限公司：在产业空间布局与生态体系构建上提供坚实承载，联合先进院与粒影生物搭建面向多元用户群体的酶工程高通量实验服务平台，以公共技术服务模式降低行业创新门槛，推动合作成果的高效转化与辐射。

同时，该方案还与深圳合成生物研究重大科技基础设施深度协同，依靠其模块化“智能功能岛”系统实现24小时不间断数据产出，支持96孔、384孔板大规模并行操作，为亿级干-湿实验数据点的持续供给提供了物理硬件保障。

算力自主、数据生产、科研创新到产业落地，整条链条被彻底贯通，构建起了一套不依赖外部、能够自我进化、完全自主可控的创新生态。

04｜“十五五”生物经济，拼的是底层基础设施

放在中国生物医药与生物制造产业升级的视角来看，正值“十五五”规划谋篇布局的关键节点，这次Physical AI基础设施与亿级数据点方案的发布，其意义早已超越了一家公司的技术突破：

第一，它是新质生产力落地的物理底座。

生物制造与人工智能的深度融合是“十五五”规划的重要方向，而高质量物理数据库则是“人工智能+生物”的源头活水。没有数据的自主可控，就没有生物制造的产业安全；没有数据的规模供给，AI赋能就只能浮在表面。

第二，它是产业安全的硬核屏障。

方案实现了从核心原料到终端服务的完整自主知识产权，有效规避了国际巨头的专利封锁与算力禁运。在全球技术博弈加剧的背景下，这种底层能力的自主，决定了中国生物制造在全球价值链中的真实位置。

第三，它正在重塑生物制造的价值链。

过去生物制造的价值高度集中在终端产品上，而“数据新基建”的出现，正在把价值重心向产业链上游大幅转移——谁掌握了高质量的数据，谁就掌握了研发的主动权；谁定义了数据的标准，谁就掌握了产业的规则。

一个产业真正的蜕变，往往不是从某一款爆款产品的诞生开始的，而是从最枯燥、最艰难的底层基础设施建起时发生的。

没有扎实的地基，楼造得再高也是危房；没有高质量的数据底座，AI算法再炫也落不了地。

粒影生物牵头打造的这套“数据新基建”，给行业示范了一条踏踏实实、自主可控的新路。

把数据的生命线握在自己手里，把算力和算法的底座建在自己的土地上。

这不仅是培育新质生产力的核心引擎，更是中国生物经济走向全球竞争舞台中央时，最硬核的底气。

【联合发布单位】

深圳粒影生物科技有限公司（牵头）

上海思朗科技股份有限公司

深圳先进技术研究院

深圳市光明科学城发展建设有限公司