当前来源未提供配图
AI进入细胞工厂，资本等的「大结果」快到了？
文 | 刘凌果 编辑 | 海若镜 10月14日，诺贝尔化学奖得主David Baker团队连发两篇《Nature》，宣布AI能从头设计蛋白酶；9月以来，Claude、Gemini 4接连宣称具备发现、设计新酶的能力。 AI4S水温沸腾，以酶为关键工具的昔日顶流“合成生物”，能否复制AI制药的升温路径，借由AI证明自己，重获资本青睐？ “直至今年，大多数企业都没从坑里爬出来。包括当年顶尖VC投的一批公司，甚至估值倒挂。”回顾上一周期，一位投资人感慨。 五年前，合成生物也曾风头无两。但此后，随着一批企业倒在中试和商业化，资本退潮，“以生物造万物”变得模糊而遥远。 进入今年，AI打开新想象，上一轮出清也让一些项目估值回落，部分投资人透露，又开始关注这一赛道。“今年肯定是有回暖的，但不是回到2021年的状态，主要基于AI和‘十五五’政策驱动。”森瑞斯创始人罗小舟告诉36氪。 “既要菌株、代谢通路设计，关键酶的研发能力，又要放大生产经验，还要选品市场规模够大。”英诺科创基金执行董事李英杰将“六边形战士”作为自己的考察标准。 10月12日至13日，2026生物制造大赛前沿技术赛道复赛在京举行。从医药中间体、色素到油脂、材料，项目各异，“AI含量”普遍升高；今年获数亿元级融资的微元合成、天鹜科技、利德健康，也无一例外将部分募资投向AI。 AI正在怎样改变合成生物，又有哪些坑，AI还没填上？ 2026年了，AI能否放大研发优势？ 在酶设计上，AI已开始大展拳脚。 酶是细胞中的催化工具，帮助原料转化为目标产物。设计更稳定、高效的酶，是提高产品得率重要一步。过去，研究人员主要依靠分析、经验和反复试错来“大海捞针”；AI基于对海量蛋白质序列等的学习，则能更快挑出更具潜力的候选酶，大幅缩短筛选时间。 以欣贝莱的乳果糖项目为例，CTO刘华涛介绍，团队通过AI计算平台，从三万多条酶序列中筛选、锁定了一百条进行合成，湿实验验证后，其中约二十条序列表现出催化活性。随后，通过理性设计，AI根据每轮实验数据继续设计突变体。多轮迭代后，表现最好的突变体，活性提高至原来的约5倍，稳定性提升约3倍。AI介入后，用时3个月，实现了野生型酶到工业酶的转变。 “对比盲筛，AI能使研发周期缩短大约80%，”刘华涛总结道。 光找到一种“能干”的酶还不够。在细胞将底物一步一步转化为目标产物的过程中，往往需要多种酶接力配合。如今，AI也被用于优化细胞内多种酶协作的代谢通路。 森瑞斯创始人罗小舟介绍，在角鲨烯项目中，AI综合产量、多个酶表达量等实验数据，推断哪个环节可能“拖了后腿”，再给出具体的调整建议。 不过，研发前端找到更好的酶和菌株，只是第一步。进入工厂，它们还要适应不同的设备和生产条件。 欣贝莱的达泊西汀中间体项目从实验室到工厂放大的过程中，原始工艺在匹配工厂设备的过程中就遇到了瓶颈，由于生产设备转速比较低
