在AI重塑萬物的時代，科研與產(chǎn)業(yè)的邊界正被不斷打破。

在微觀世界中，蛋白質(zhì)設(shè)計這一領(lǐng)域，曾因序列組合數(shù)量龐大，其難度被喻為“大海撈針”。這一領(lǐng)域曾需要消耗大量的人力和時間，因為要培養(yǎng)一個獨立改造蛋白質(zhì)的專家，需要5年；而成功改造出一個蛋白質(zhì)的試錯時間，還需要5年。

如今因AI，蛋白質(zhì)設(shè)計迎來了顛覆性轉(zhuǎn)折。

天鶩科技創(chuàng)始人及CTO劉灝在2021年與導(dǎo)師共同創(chuàng)業(yè)，帶著對日常細節(jié)的洞察，帶領(lǐng)團隊用AI大模型打破蛋白質(zhì)設(shè)計困局。他們構(gòu)建包含90億條蛋白質(zhì)序列的數(shù)據(jù)集，用AI讓蛋白質(zhì)設(shè)計擺脫路徑依賴，并大幅減少試錯，甚至實現(xiàn)多指標(biāo)同時優(yōu)化；他們與金賽藥業(yè)合作設(shè)計的耐堿單域抗體，為企業(yè)年省千萬元成本……讓AI蛋白質(zhì)設(shè)計正從實驗室走向生產(chǎn)線。

在創(chuàng)業(yè)邦2025新青年創(chuàng)投大會，劉灝分享了AI讓蛋白質(zhì)設(shè)計觸手可及的過程。以下是劉灝的演講實錄，由創(chuàng)業(yè)邦整理

從洗衣液中的酶談起：蛋白質(zhì)應(yīng)用的日常與行業(yè)痛點

收到邀請函時，主辦方希望我做個有特色的自我介紹，這可把我難住了，我需要找一個特色的身份標(biāo)簽。但我不像在場梅花創(chuàng)投的吳世春總，有很鮮明的身份標(biāo)簽，他不僅是創(chuàng)投圈里最會講脫口秀的，而且是脫口秀圈里最會投資的。而我只是個普通的技術(shù)人員——從2010年考入交大起，我從本科到博士后都在生物信息學(xué)領(lǐng)域深耕，這是個結(jié)合計算機科學(xué)、物理學(xué)、化學(xué)來解決生物學(xué)問題的交叉學(xué)科。

2021年，我和博士后合作導(dǎo)師洪亮教授一起創(chuàng)辦了上海天鶩科技，我的身份標(biāo)簽無非是“博士”“科技創(chuàng)業(yè)者”，實在普通。直到準(zhǔn)備PPT時，看到剛滿六個月、已經(jīng)會滿地爬的女兒，我才找到比較有特色的標(biāo)簽：“奶爸”。

當(dāng)了奶爸后，生活里多了很多寶寶專用品，比如說“寶寶專用洗衣液”，出于學(xué)生物的職業(yè)本能，買回來后我第一時間看配料表添加了什么，發(fā)現(xiàn)了很熟悉的成分——酶。上面列了四種酶：蛋白酶、淀粉酶、纖維素酶、甘露聚糖酶。大家可能知道，酶是生物體內(nèi)發(fā)揮催化功能的蛋白質(zhì)，那洗衣液里為什么要加酶呢？這里給大家做個簡單科普。

普通洗衣液主要靠表面活性劑這種化學(xué)成分去除汗?jié)n、灰塵等普通污漬，但面對一些特殊污漬就不夠了。蛋白酶能分解蛋白質(zhì)，剛好可以去除奶漬、蛋漬；淀粉酶能分解淀粉，對米粉、面條的殘留很有效；甘露聚糖酶能分解多聚糖，能清除冰淇淋、蛋黃醬的痕跡。加了這些酶，洗滌效果會好很多。

事實上，國內(nèi)很多品牌——比如立白、藍月亮、雕牌，無論是洗衣粉、洗衣液還是洗衣凝珠，都有添加酶的產(chǎn)品。大家平時可能沒注意，回去可以看看配料表；在日本，酶還被稱為“酵素”。

但酶在洗衣用品中存在一個不太理想的現(xiàn)實。以蛋白酶為例，無論是固體洗滌劑還是液體洗滌劑，80%-90%的酶制劑都由國際頭部企業(yè)供應(yīng)。國內(nèi)企業(yè)很難生產(chǎn)出滿足下游廠商需求的產(chǎn)品，剩下10%-15%的份額，很多還是因為供應(yīng)鏈穩(wěn)定性需求才被加入的。

我和相關(guān)專家溝通后，又做了深入研究，發(fā)現(xiàn)兩個關(guān)鍵原因。一是起步時間：1963年，國際頭部企業(yè)就已將酶應(yīng)用于洗衣粉，而我國直到1960年左右才第一次開發(fā)出合成洗衣粉，差距明顯。二是專利壁壘：這家頭部企業(yè)自創(chuàng)立以來，僅在蛋白酶上就擁有2078項全球?qū)＠?，這意味著我們想研發(fā)出突破專利壁壘、性能達標(biāo)的產(chǎn)品，難度極大。

其實不止洗滌劑領(lǐng)域，在農(nóng)業(yè)、食品、環(huán)保、醫(yī)藥、美容、體外診斷、生物能源等眾多領(lǐng)域，大量蛋白質(zhì)或酶產(chǎn)品的市場份額都被國際頭部公司占據(jù)，國內(nèi)企業(yè)的份額很小。這背后，既有起步晚的歷史原因，也有專利壁壘的現(xiàn)實阻礙，而更核心的，是蛋白質(zhì)設(shè)計技術(shù)的瓶頸。

蛋白質(zhì)設(shè)計的挑戰(zhàn)：從“大海撈針”到AI大模型的突破

為什么蛋白質(zhì)設(shè)計這么難？這要從蛋白質(zhì)的本質(zhì)說起。蛋白質(zhì)是生命活動的主要承擔(dān)者，在生物體內(nèi)發(fā)揮著各種關(guān)鍵功能。我們所說的“蛋白質(zhì)設(shè)計”，就是通過優(yōu)化或改造天然蛋白質(zhì)的性能，讓它滿足工業(yè)、醫(yī)療等特定場景的需求。比如，人體內(nèi)的蛋白質(zhì)在37℃時活性最佳，但工業(yè)生產(chǎn)中可能需要它在更高溫度下工作，這就需要改造。

但這種改造的難度，堪比“大海撈針”。蛋白質(zhì)由20種天然氨基酸組成，就像串手串的珠子，不同的排列組合會形成不同的蛋白質(zhì)。我們統(tǒng)計過蛋白質(zhì)數(shù)據(jù)庫里的平均長度，約為361個氨基酸。僅改變其中1個氨基酸，就有6859種可能；改變2個，可能性飆升到2300多萬；改變3個，更是達到533億種。如果要窮盡所有可能性，哪怕把地球上的原子都用來做實驗，也遠遠不夠——因為總的可能性是20的361次方，這是個天文數(shù)字。

過去，科學(xué)家們一直在探索蛋白質(zhì)設(shè)計的方法，從1978年到2025年，這一領(lǐng)域甚至出現(xiàn)了多位諾貝爾獎獲得者。但傳統(tǒng)方法始終跳不出專家經(jīng)驗和大量試錯。給大家一個直觀感受：我的博士同學(xué)花了5年時間，才成功改造出一個蛋白質(zhì)；而培養(yǎng)一位能獨立改造蛋白質(zhì)的專家，同樣需要5年。為什么這么耗時？因為生物學(xué)是實驗科學(xué)，改完氨基酸序列后，必須通過實驗驗證蛋白質(zhì)性能是變好還是變壞，試錯成本極高。

我們一直在想：能不能改變這種模式？能不能減少試錯次數(shù)，只做少量實驗？答案就在今天的主題——AI大模型。AI大模型能學(xué)習(xí)海量的蛋白質(zhì)序列，這是單個專家難以企及的；而且它能覆蓋不同領(lǐng)域，打破專家的知識局限。

要做AI大模型，離不開算力、算法和數(shù)據(jù)，我們先從數(shù)據(jù)入手。我們構(gòu)建了蛋白質(zhì)序列數(shù)據(jù)集，包含90億條序列，比之前公開的數(shù)據(jù)庫還多4倍。有了這些數(shù)據(jù)，再結(jié)合優(yōu)化的算法和充足的算力，我們的模型精度在國際權(quán)威榜單上排名前二。對AI領(lǐng)域來說，“刷榜”很常見，但在生物學(xué)領(lǐng)域，模型必須能落地產(chǎn)業(yè)化才有意義。

我們的模型最核心的突破，就是擺脫了對專家經(jīng)驗的依賴，大幅減少了試錯次數(shù)。比如在胰腺炎檢測原材料的工具酶改造案例中，進行酶設(shè)計的是一位物理學(xué)博士，他此前沒有生物學(xué)背景，也沒看任何相關(guān)文獻，只是把客戶提供的序列輸入AI大模型，就成功改造出了符合要求的酶。這在傳統(tǒng)模式下是難以想象的——過去，一個專家可能要花5年才能完成類似的改造。

更重要的是，AI大模型能實現(xiàn)多指標(biāo)優(yōu)化。傳統(tǒng)方法往往只能針對單個性能指標(biāo)，比如耐熱性，進行改造，而AI模型可以同時優(yōu)化多個指標(biāo)，比如既提高耐熱性，又增強催化效率，這讓蛋白質(zhì)能更好地適應(yīng)復(fù)雜的工業(yè)場景。

從實驗室到生產(chǎn)線：AI蛋白質(zhì)設(shè)計的產(chǎn)業(yè)化實踐

光說技術(shù)突破不夠，關(guān)鍵要看產(chǎn)業(yè)化成果。這里我分享幾個我們的合作案例，看看AI蛋白質(zhì)設(shè)計到底能解決什么問題。

第一個案例是和金賽藥業(yè)的合作。金賽藥業(yè)是國內(nèi)生長激素龍頭企業(yè)，年銷售額近百億。在生長激素的純化過程中，需要用到一種蛋白質(zhì)，但純化工藝要在極強的堿性條件下進行——pH值高達13-14，相當(dāng)于把一只蝦放進去，15分鐘就會像煮過一樣變紅。在這種環(huán)境下，蛋白質(zhì)很容易失活，需要頻繁更換，成本很高。

我們用AI大模型對這種蛋白質(zhì)進行改造，僅花了4個月就將其耐堿性能提高了4倍，使用壽命延長了100%。僅此一項，金賽藥業(yè)一年就能節(jié)省一千多萬元。更重要的是，這種蛋白質(zhì)已經(jīng)完成了多個批次的5000升放大生產(chǎn)，成為全球首個實現(xiàn)工業(yè)化生產(chǎn)的大模型設(shè)計蛋白質(zhì)，真正從實驗室走到了生產(chǎn)線。

第二個案例是胰腺炎檢測原材料的生產(chǎn)。胰腺炎檢測需要一種叫“麥芽七糖苷”的原材料，過去一直依賴進口，價格高達幾十萬每公斤。我們和合作方一起，用生物法酶催化生成這種原材料——通過AI模型改造催化用的酶，大幅提升了它的性能?，F(xiàn)在，這種原材料的成本降到了幾萬每公斤，不僅打破了進口依賴，還大大降低了檢測成本。

除了這兩個案例，我們的AI大模型還在多個領(lǐng)域落地應(yīng)用。因為模型學(xué)習(xí)了90億條不同領(lǐng)域的蛋白質(zhì)序列，所以不像傳統(tǒng)專家那樣局限于某一細分領(lǐng)域，它能在創(chuàng)新藥、工業(yè)酶制劑、合成生物學(xué)、體外診斷等多個領(lǐng)域發(fā)揮作用，目前已經(jīng)有了不少成功案例。

我們的平臺，本質(zhì)上就是通過AI技術(shù)實現(xiàn)對不同類型蛋白質(zhì)的多維度改造，讓它們能適應(yīng)不同的應(yīng)用場景。

最后介紹一下我們公司：天鶩科技成立于2021年，是上海交通大學(xué)的成果轉(zhuǎn)化項目，主營業(yè)務(wù)就是AI蛋白質(zhì)設(shè)計——用AI設(shè)計蛋白質(zhì)，再通過實驗驗證，最終應(yīng)用到各個領(lǐng)域。目前我們已經(jīng)完成三輪融資，還拿到了工信部“創(chuàng)客中國”AIGC專題賽全國一等獎，這個獎項是我們和不同AIGC賽道的企業(yè)PK獲勝才拿到的，對我們來說是很大的肯定。