产学研携手“头脑风暴”：AI如何破解“经验黑箱”、参与量子纠错

“菌种发酵车间里的‘老师傅’经验，能传给‘AI工程师’吗？”

“量子计算机系统非常‘脆弱’，极易受外界环境噪声的干扰，如何让它在高噪声背景下维持逻辑比特的保真度？”

科学智能作为科技创新的关键变量，正深刻重塑科研范式、赋能产业升级。

2月3日，一场持续145分钟的科学智能“百团百项”工程产研共创沙龙在上海举行。

科学智能“百团百项”工程沙龙现场 本文图均为 上海仪电（集团）有限公司 供图

活动中领域科学家、AI科学家、工程师、基金经理人与产业方围坐在一起，围绕化工物质、光刻胶、生物制造AI应用模型、生物制造AI4S创新驱动、量子计算、固态电池等六个方向的产业真实需求，讨论AI从科研走向产业的“现实卡点”。

破解生物发酵的“经验黑箱”

在生物制药行业，发酵是一个极其复杂且敏感的工艺。微生物在不同的生长阶段状态变化复杂，温度、压力、营养供给等变量相互耦合，稍有偏差就可能影响最终产量。

AI+生物制造（人工智能应用模型）组

上海锐康生物技术研发有限公司总经理赵华透露，目前的发酵优化仍高度依赖“老师傅经验”。一个发酵罐往往涉及上百个调控变量，操作人员需要24小时值守，定时人工投料，工艺判断缺乏实时可视化与系统预测能力。

“整个过程像一个黑箱，”赵华说，“我们积累了大量生产数据，但还没有形成真正可用的智能控制系统。”

赵华希望能够通过AI预测微生物生长曲线，提前判断在哪一个时间节点可能出现问题，实现提前干预和精准调控。

此外，数据也是一大问题。赵华称，生产端在种基培养、发酵过程等环节积累了大量数据，但尚未被充分利用，能否将这些历史数据和工厂的实时数据整合，实现对发酵过程的智能控制？

上海科学智能研究院主任研究员郭昕指出，目前无论在企业实践还是在学术研究中，对于特定菌种代谢通路的认知仍然是局部的，尤其在与高产、高稳定性相关的关键调控路径上，还存在大量未知空间，这也是AI介入的重要研究方向。

目前科研人员已经有了一些研究成果。上海交通大学集成电路学院人工智能与微结构实验室李金金教授介绍了团队研发的“AI工程师”－工业智能引擎 ManuDrive。

通过车间里的数百个传感器，AI系统像“电子哨兵”一样盯着氧气浓度、pH值等100多个指标。更神奇的是，它还有一副“时间的望远镜”：发酵进行到第20小时，它就能预测出第150小时的结果，并提前写好操作方案。

“这就像给生产过程装上了智能大脑和时间的望远镜，能够实时给出最佳的工艺调控方案，提前看到未来生产过程，实时生成最优的工艺方案，大幅提升产量。”李金金说。

据了解，ManuDrive平台将生物制造、材料加工、建筑设计、能源管理、污水处理、高炉模型等跨域调控规则与物理机理，拆解为127个可复用的智能模块（数量仍在增加），并能依据不同场景与功能实现跨领域复用。

研发团队称，ManuDrive 是人工智能生物发酵工程师，能破解“经验黑箱”，提升生物发酵产量，还能精准预测并调控发酵的过程。李金金表示，相关技术已在前期探索中完成可行性验证，并在上海“百团百项”项目体系下持续推进产业结合。

上海科学智能研究院副院长、上海创智学院数字基础设施部部长程远表示，针对生物制造领域原料转化率低的问题，提出通过优化品种和反应条件，利用AI技术探索合成生物代谢路径，以提升产能。上海多个团队在AI应用方面已有积累，未来将加强技术力量，推动中国在合成生物产业上的领先地位。

产学研一起头脑风暴破解前沿问题

和破解生物发酵的“经验黑箱”一样，这场持续145分钟的讨论，集中在一个现实问题上：AI4S能否真正进入工业流程，成为企业研发体系的一部分。

AI+量子计算小组讨论的核心问题是系统的稳定性。上海创智学院全时导师、上海交通大学教授严骏驰表示量子计算现正处于从“实验室原理演示”向“实用化算力转化”的关键过渡期。然而，量子系统对环境极度敏感，外界微小噪声都会让计算状态迅速失真。随着量子芯片规模扩大，校准和纠错产生的数据呈指数级增长，已经超过人工工程师能够处理的范围。

AI+量子计算小组

沙龙讨论小组认为，如何在高噪声背景下维持逻辑比特的保真度是亟待解决的科学难题。在AI可行性分析上，沙龙提出的方向简单来理解即“让AI参与量子纠错”。即通过神经网络识别物理比特错误、强化学习动态调整控制参数，让系统在高噪声环境下维持可靠运行。研究人员认为，AI与量子计算的交叉（QAI）正在成为量子产业化的关键支撑技术之一。

以量子神经网络为代表的前沿架构在处理高维数据特征提取方面展现了巨大的潜力。目前，相关理论已在量子优越性研究及特定应用场景中涌现出大量研究成果，证明了 AI 辅助量子系统在处理复杂科学计算问题上的技术可行性与广泛应用前景。

在生物制造AI4S创新驱动小组上，上海人工智能实验室AI for Science中心青年研究员薛东雨指出当前AI能力受限于数据缺失和标准不一，小组讨论上提出共同开发数据标准，开源以吸引更多贡献，逐步建立AI友好的数据标准体系，从而更好地解决复杂问题。

AI+生物制造（AI4S创新驱动）

在AI+化工物质小组，上海创智学院全时导师、华东师范大学教授朱通提出利用AI优化超临界二氧化碳在岩石孔隙中的流动路径，通过分子级配方设计提升二氧化碳回收效率，并兼顾清洁采油需求。小组评估认为，该方向在技术路径上具备可行性，具有潜在产业应用价值。

AI+化工物质小组

AI+光刻胶小组聚焦国产替代难题。上海人工智能实验室科学家李玉强指出，光刻胶产业链长、反馈周期慢、工艺稳定性要求极高，标准化数据缺失是制约AI应用的重要因素。讨论提出，通过自动化与标准化流程建设，为AI模型提供可训练的数据体系，是推动产业升级的关键前提。

AI+光刻胶小组

AI+固态电池小组围绕材料密度、机械性能与制造成本展开讨论。上海科学智能研究院曹风雷表示，企业已在实际生产中积累大量工艺数据，AI模型在部分环节已显示出优化潜力。未来计划构建针对固态锂电池的多尺度模型体系，将实验数据、仿真数据与制造数据整合，用于实际工艺决策支持。

AI+固态电池小组

用社区凝聚科研与产业

为加快推动以人工智能引领科研范式变革，推进科学智能（AI for Science）的发展，上海市经济和信息化委员会在2025年启动实施了科学智能“百团百项”专项工程，以高价值项目为抓手，力争在两年内支持不少于100个团队、100个项目，推动AI人才、领域科学家和工程团队跨组织、跨领域协作，培育一批“既懂科学、又懂AI、还有产业思维”的青年科学家，形成一批前沿原创性成果。

澎湃科技（www.thepaper.cn）获悉，这场产研沙龙在上海市经济和信息化委员会指导下，由上海仪电（集团）有限公司主办，上海市先导产业促进中心、上海仪电旗下上海埃迪希科技服务有限公司承办。

据上海仪电智算解决方案负责人王丽忱介绍，上海仪电正在牵头承建科学智能开放社区，以统一门户整合一站式科研工具、高质量开源模型库、智能体开发平台以及万卡级公共算力在内的关键资源与服务，为全球科学家提供开放、协同、高效的科研创新平台，降低AI与科研融合的门槛，加速从基础研究到产业应用的转化周期。

上海仪电智算行业拓展总监高磊介绍，此次沙龙与会者打破行业壁垒，围绕“百团百项”专项工程中“产业出题、科学家答题、人工智能解题”的跨领域协同模式，聚焦产业真实需求，共同定义前沿科学问题，探讨AI解决的路径可行性，凝练出具有战略价值的关键科学问题提案。未来，科学智能开放社区将持续举办系列化、主题化的产研共创活动，并依托其平台能力，为活动中涌现的优质项目提供从概念验证到试点应用的全链条支持。

澎湃新闻记者 喻琰