天鹜科技：中国AI蛋白质设计的突围

蛋白质是生命功能的执行者。从催化代谢的酶，到抵御病原的抗体，再到支撑细胞的骨架，生命活动的几乎每一个瞬间都由它们精确驱动。

“读懂”并改写蛋白质几乎等于掌握了调控生命功能的钥匙，而AI正在加速这个过程。通过深度学习，机器能从海量数据中洞悉蛋白质序列、结构和功能之间的联系，将研发转变为先计算、再验证的高效流程，甚至能根据人类需要创造大自然中不存在的蛋白质。

蛋白质工程被视为AI赋能生命科学关键领域，成为头部AI公司的必争之地。今年9月，AI巨头Anthropic发起的全球蛋白质设计竞赛，计划对 5000个AI蛋白质设计进行湿实验验证。但这场比赛并没有向中国团队开放。

在得知这一消息后，一群年轻的科学家们坐不住了。“大家都很生气。”上海交通大学特聘教授、天鹜科技创始人兼首席科学家洪亮说。于是，他们迅速集结了上海交通大学、清华大学、北京大学、香港大学等九所顶尖高校和三大国家实验室，组织了一场名为“长江杯”的AI蛋白质设计挑战赛，向全球团队开放，并免费提供高达7000个蛋白质的免费湿实验验证。

虽然在AI蛋白质工程至今相对短暂的历史上，明星团队和产品大多来自国外，但像天鹜科技这样的中国团队也正不断在模型能力、工程化和商业化等各个维度做出创新和突破，成为AI赋能生命科学进程中不可忽视的力量。

从关注结构到关注功能

蛋白质约由20种氨基酸组成。这些氨基酸连接成丰富多样的序列，再折叠成特定的三维结构，最终成为具有特定功能的蛋白质。

序列和结构可能都包含蛋白质功能的重要信息。长久以来，科学家先测定蛋白质的氨基酸序列，再用X射线晶体学等技术解析出结构，最后将这些特征跟功能对应起来。

即便已经积累了不少数据，通过序列预测结构乃至进一步预测功能仍然是一件非常困难的事。2020年，AlphaFold横空出世，带来了第一次范式革命——它能以前所未有的精度从序列预测结构，从而缩短了验证的时间。

“以前我们都是‘马后炮’，用计算为别人的实验结果做解释；而AlphaFold却能‘马前炮’，提前指导实验，大大降低试错成本。”洪亮曾在一次采访中提到。

当时，AI蛋白质科研面前摆着三条路：一是AlphaFold代表的结构预测，二是计算机从头设计蛋白质。洪亮曾提到，蛋白质从头设计这个方向创新性强，但落地困难，“跟着做了半年，发现做出的蛋白质都没有功能”。

后来洪亮创办天鹜科技，走的是第三个更“接地气”的方向：通过调整现有蛋白质序列，优化其性能的蛋白质工程。要做到这一点，仅预测结构是不够的——AI模型要能够准确地预测功能，使科学家能够知道需要对序列或者结构做出怎样的调整。

“人类总结的特征往往是低维的，就像只看到树丛后面的两只耳朵来判断是什么动物。”洪亮说。2022年，他和团队开始利用海量的蛋白质序列数据来训练蛋白质AI模型。与人类不同，大模型数以亿计的参数尽管难以解释，却形成了对蛋白质的高维描述。

如果AI模型能够凭借序列和功能信息预测出结构差异，那么是否可以直接凭借序列信息，让AI预测功能？这看似“放弃”了结构层面的信息，但洪亮认为这恰恰是大模型的长处。

“以前之所以绕不开结构，是因为功能数据太少了，人的分析维度又太低。”他解释道，“我们只好把高维的序列信息降维到相对固定的三维结构上，再去理解诸如抗体抗原互相作用的原理。但现在，我们有了海量的功能标签数据，可以直接用大模型去学习从序列到功能的映射。”

洪亮提到，训练语言模型是做“完形填空”，遮住一句话的后半段让模型去填。训练蛋白质模型也是一样，将一条数百个氨基酸组成的序列随机“挖掉”一部分，让模型填回来。为了完成任务，模型必须学会氨基酸之间超越三维距离的复杂关联。

“我们不把它具象成一个三维结构，而是看成一个段落，从字、词、句、段落的层面去做阅读理解，用AI直接读懂‘生命代码’。”洪亮说。

洪亮指出，这种方法训练出的模型难以用传统的结构生物学来解释，但预测效果却出奇地好。这不是否定结构在生物学理解上的价值，而是在AI工程实践中发现的一条更高效的路径。

天鹜科技积累了数量庞大的高质量功能标签数据，其中有很多来自高温、高压、极酸、极碱等环境中生存的生物。这些独特的训练数据大大提升了模型的性能。

目前，天鹜科技开发的能够根据蛋白质序列信息预测功能的模型VenusREM，模型预测精度已经走到了国际前沿。洪亮提到，今年7月，VenusREM在哈佛大学 PG-LLM 预印本评测中，以 ρ=0.523 的成绩在 95 个专业模型和 13 个通用大模型中位列第一，并被设为所有蛋白质设计大模型对标的权威行业参照。

多个领域落地应用

凭借独到的AI大模型，天鹜的计算能力正在转化为现实世界的产业价值。洪亮提到，目前天鹜设计的蛋白质已在多个领域落地应用，包括创新药、填料蛋白、工业酶等。

天鹜科技AI Lab技术科学家谭扬告诉记者，AI蛋白质设计主要有两种做法：一是“替换”，通过改变个别氨基酸，在不改变蛋白质长度的前提下筛选出更优性能的产物；二是“生成”，像生成文字一样，一个一个氨基酸地“吐”出一条自然界不存在的全新蛋白质。

通过大模型对功能的“理解”，研发者可以设计出符合需求的蛋白质。以塑料降解为例，天鹜开发的PET降解酶，能将废弃的矿泉水瓶、涤纶衣物高效分解为对苯二甲酸和乙二醇两种极其纯净的单体原料，再重新聚合成全新的塑料粒子，整个过程无污染。这些原料用途广泛，可以制造汽车安全气囊、跑鞋的超弹性鞋底、装化妆品的水晶瓶，甚至成为3D打印材料。

“天鹜的商业模式是‘平台技术+底层产品’。”天鹜科技的投资人、上海未来产业基金执行部执行经理蔡金旭总结道。他们既对外提供自动化解决方案来验证平台的泛化能力，又通过孵化一系列底层产品，来证明其技术的产业和商业价值。这种“双轮驱动”的商业模式，让AI的价值真正落地到了生产场景和产品之中。

“傻瓜式”蛋白质研发

当AI在蛋白质设计的单点任务上日趋成熟，一个新的瓶颈出现了。“很多研发并非一个任务就能解决所有事情。”谭扬指出，一个完整的蛋白设计流程，可能涉及骨架设计、序列设计、结构预测等多个模型的组合，中间环节分散，信息损耗严重。行业需要一个平台，将这些环节串联起来。

为此，天鹜科技开发了MatwingsVenus®（晓鹜®），一个对话式的干湿结合蛋白质设计智能体，它是天鹜科技核心技术能力的入口。“你可以把它想象成一个超级研究员。”洪亮介绍，用户只需用自然语言提出需求，比如“我想要一个在酸性环境下活性更高的酶”，“晓鹜®”便能自动检索文献、专利和市场数据，确定研发方向，然后调用其背后的蛋白质大模型进行设计。

“晓鹜®”的另一端连接着自动化实验室，用户设计出的序列，可以直接下单给自动化实验室进行合成与测试。

在AI for Science（“AI4S”，人工智能驱动的科学研究）描绘的愿景中，智能体能够自主规划设计实验，再指挥无人实验室中的机器人进行快速验证，形成高效科研闭环。谭扬坦言，目前自动化实验还处于发展阶段，不同厂商的设备接口标准不一，给AI的统一调度带来巨大挑战。

尽管挑战重重，其产业意义却同样深远。“当科学的本质逻辑和技能变成AI和机械臂的标准动作时，每个人要做的就是提需求。”洪亮说。一个不懂蛋白质工程的创业者，也能通过与智能体对话，打磨出自己的产品。这将激发无数团队的创新活力。

AI4S的上海时刻

蔡金旭认为，独家的数据壁垒、干湿结合的实验闭环、兼具AI与科学背景的复合型团队，以及清晰的商业化路径，让天鹜从众多AI4S项目中脱颖而出，获得“耐心资本”的支持。

“我们帮忙对接政府部门加速产品审批，对接主流媒体扩大影响力，协助承办‘长江杯’大赛，也帮忙对接云厂商获取算力资源。”蔡金旭说，“这些看起来都是小事，但每一件都是企业运行中的真正难点。”

丰富的算力、雄厚的生物医药产业基础和完整的资本生态，共同构成了上海AI4S发展的优势。而这场“竞赛”的最终决胜点在于人才。

“百团百项”是上海市经济和信息化委员会从去年开始，每年组织的科学智能发展专项工程。申报项目团队成员必须由AI科学家、领域科学家、工程师三类人才共同组成，同时要求项目负责人原则上由不高于40岁的青年科学家担任。缺乏跨界人才的项目无法进入支持序列。

相关文件明确提出，专项的目标之一是“培育一批既懂科学、又懂AI、还有产业思维的青年科学家”。在这样的顶层设计之下，越来越多的年轻人才正在上海聚集。

作为天鹜AI Lab技术科学家，谭扬是2000年生人，计算机专业。团队其余成员也大都是“98后”，计算机专业占1/4，物理、化学、生物、药学、文科都有，招人不分专业，“最重要的是聪明。”洪亮说。他对聪明的定义是“定义问题、解决问题的能力，接受新事物、运用新技术的速度和效率”。

“‘00后’从读大学起就在用AI，就像我们吃饭喝水一样。”洪亮说，“产业竞争最后依靠的就是他们的主观能动性以及获取资源的效率。”

谭扬表示，面对AI for Science日新月异的发展，如果年轻人能够加入好的平台，一定要参与最前沿竞争，与顶尖团队比拼成果，“回报将无比丰厚”。

坐标上海，立足中国，但年轻人放眼世界与未来。谭扬相信，在AI加持下，绝大部分疾病可能在10年左右找到很好的治疗方案。由于数据丰富，AI蛋白酶设计会先突破，而随着数据扩张和投入增加，AI药物设计也终将迎来“智能涌现”的时刻。

洪亮为公司设想了一个愿景：就像芯片公司一样，希望有一天，在全球生物领域能出现“天鹜Inside”的标志，让天鹜科技的人工智能成为驱动生物创新的核心引擎。