实验室版“小龙虾”来了！恩和科技发布SAION AI，能自我复盘进化

最近科技圈最火爆的事件，莫过于“你有没有养龙虾”？

这只火遍全网的“龙虾”，是近期在 GitHub 登顶、席卷全球开发者圈的开源 AI 智能体——OpenClaw。因其标志性的红色龙虾 Logo，被网友亲昵地称为“小龙虾”。你可以把它想象成一个住在电脑里的数字员工，你下达指令，它就能自主接管鼠标和键盘：登录后台、填写表单、甚至自动订票等等。

OpenClaw 的爆火，本质上是因为它让 AI 拥有了“执行力”。那如果 AI 能够走出屏幕，进入真实的物理世界去干活呢？

这正是目前科技界最前沿的命题——物理人工智能（Physical AI）。2026 年，黄仁勋在 CES 主题演讲中明确宣告：“物理 AI 的 ChatGPT 时刻已经到来”，即 AI 模型能够真正理解现实世界物理规律、进行推理规划并执行动作，从而驱动机器人、自动驾驶等具身系统在真实环境中感知、决策与行动。

这一趋势兴起的核心驱动包括：技术临界点已至，多模态大模型、世界模型和物理仿真引擎突破大幅缩小 sim-to-real 差距；商业价值转向实体经济万亿级增量，直接作用于制造、物流、医疗等领域，提升生产效率并解决劳动力短缺；数据飞轮加速闭环，海量真实交互数据反哺模型迭代，形成指数级正反馈。

在这种 AI 走出屏幕的大背景下，生物制造作为对物理环境极度敏感、且数据维度极高的典型场景，成为了物理 AI 理想的落地锚点。

近日，生物制造企业恩和科技正式发布了全球首个面向生物制造领域的 Physical AI 平台：SAION AI。

如果说 OpenClaw 是驻扎在电脑里的“数字员工”，那么 SAION AI 就是生物实验室里那个能读懂文献、会操作仪器、还能自主进化的“实验室小龙虾”。它不只是停留在虚拟设计的 AI 智能体或单一执行的实验自动化工具，而是一个包含认知、控制与闭环执行能力，能听懂科研人员的意图、自己设计实验、直接指挥设备做实验、自动复盘进化的 AI 科学家。

为了让这只“实验室小龙虾”足够聪明且听话，恩和科技为 SAION AI 设计了一套由认知层（Cognition Layer）– 控制层（Orchestration Layer）– 闭环执行层（Close-loop Execution Layer）组成的协同进化架构（COE Model）。就像自动驾驶领域的 VLA（视觉-语言-动作）模型。

（来源：恩和科技）

其中，认知层是一套感官系统。其建立在恩和科技自研 Cell2Cloud 生物铸造厂长期积累的数据基础之上，融合千万级真实项目闭环实验数据、百万级文献与专利，并整合 NCBI、UniProt、PubMed 等生物专业数据库。

此外，SAION AI 集成了 AlphaFold、ProteinMPNN、RFDiffusion、ESMFold 等多种 AI4Science 模型，覆盖蛋白结构预测、序列生成、代谢通路分析、酶工程与发酵数据建模等能力。这些能使 SAION AI 贯通基因—蛋白—代谢—细胞—发酵等多尺度进行系统性认知，在庞大设计空间中识别最优研发方向，并为后续科研决策提供跨多尺度上下文数据基础。

控制层是这只“实验室小龙虾”的大脑指挥部。它能把一个复杂的科研大目标，拆解成一个个具体的步骤，并基于企业沉淀的菌株开发与生物制造经验构建 Workflow Skills，形成稳定的科研执行模式。此外，平台里整合了 316 种专业科研工具，知道什么时候该调动哪个模型，什么时候该启动哪台仪器，甚至还加了 Checkpoint（随时存档）和容错机制，支持长时间复杂科研流程稳定运行。

执行层就是这只“实验室小龙虾”的“手和脚”。恩和科技自研了一套生物标准协议语言（BPL），SAION AI 设计好的方案，会直接变成 BPL 代码发送给实验仪器。仪器接到指令，立刻开始加药、培养、检测。数据流实时回传，形成一个完美的闭环，让 AI 在每一场实验中都能自我进化。这一层让 AI 真正“具身”到物理世界，不再是电脑里的想法，而是能亲手做实验、采集数据、自我进化的 AI 科学家。

那么，SAION AI 的真实能力到底有多强？

恩和科技在多项国际生命科学 AI 基准上进行了测试，包括文献理解、生物序列推理、基因工程设计与科学发现等关键科研任务。

（来源：恩和科技）

在科研文献理解测试中，SAION AI 在 LitQA (Lab-Bench) 与 SuppQA (Lab-Bench) 基准测试中达到 70.7% 的平均准确率，显著领先当前主流基座模型（GPT-5.3，Opus 4.6）近 20 个百分点，以及领先科研优化模型 Stella 的公开评测结果（LitQA 65.0%）。

在生物序列分析中，SAION AI 在 SeqQA (Lab-Bench) 基准测试中准确率达到 88.2%，超过斯坦福大学研究团队发布的 Biomni 平台（81.9%），展现出领先的 DNA/RNA/蛋白序列推理与设计能力。

在基因工程与实验设计中，SAION AI 在 Gene Editing (Lab-Bench) 与 Cloning Scenarios (SDE) 基准测试中平均准确率达到 84.9%，达到当前模型中的 SOTA 水平，验证了其在真实分子生物学实验设计中的推理能力。

在科学发现与推理方面，SAION AI 在 BAIS-SD 基准测试中达到 89.6% 的准确率，相比主流基准模型提升约 12 个百分点，体现出其在科研假设理解、科学推理和研究发现任务中的领先能力。

最重磅的是，恩和科技通过全流程真实实验验证了 SAION AI 在物理层面的科研表现。其自主完成了从文献阅读、质粒设计及湿实验组装的全过程任务，且正确率 90%+，证明 SAION AI 不仅在科研理解与推理基准测试中表现出色，也具备在真实实验中独立驱动生物研发的能力。

那么，SAION AI 能给行业带来什么改变？

首先，双源知识驱动科研规划。SAION AI 不仅读过百万量级的公开文献和专利，还记住了恩和科技实验室里真实项目沉淀的千万量级私有实验数据。它还把 AlphaFold、RFdiffusion 这些当下最强的 AI 模型串起来用，能自动组合调用，像搭乐高一样拼出最合适的工具链。然后基于这些海量双源数据，快速在超级大的可能性空间里挑出靠谱路径，直接输出完整、可执行的技术路线、任务规划及方案。

其次，实验任务方案代码化。SAION AI 输出的实验方案，不是写成 Word 文档发给实验员那么简单，而是通过恩和自研的生物标准协议语言（Biology Protocol Language，BPL）精准转化为实验人员可标准化操作的实验工单与设备直接执行的机器指令。不管是哪台机器、哪个操作员，只要运行这段代码，做出来的东西一模一样，保证了实验的绝对精准和可复现性。

第三，资产感知的场景化设计能力。很多 AI 设计方案时天马行空，不管实验室有没有材料。SAION AI 平台在实验设计环节，能自动识别内部库存中已有的、可复用的 DNA 片段、标准质粒及菌株，并主动推荐或自动纳入实验方案。同时，在实验执行过程中能将 DNA 设计、菌株构建、转化、遗传信息传代等结果自动录入数据库，形成可追溯的菌株构建路径和完整的菌株实物状态。

第四，直接驱动并智能调度生物铸造厂。通过 BPL 协议，SAION AI 将实验方案转化为机器指令，一键扔给恩和科技自研的 Cell2Cloud 生物铸造厂执行。这不仅能消除传统生物实验中信息传递带来的损耗和人为错误，还能实时监控实验完成进度。此外，Cell2Cloud 生物铸造厂内的所有实验队列、设备状态与耗材库存，都在 SAION AI 的驱动下实现最优智能调度。

第五，生物制造专属数据智能和知识沉淀。在任务执行过程中，SAION AI 能实时抓取所有数据，自动分析、追踪，支持 AI 做理性决策。同时，沉淀而来的专属数据以结构化、可查询、可调用的状态存为组织数据资产，赋能内部人才培养，最终让整个平台从方案设计到工艺开发都越来越精准。

生物研发的核心是 Design-Build-Test-Learn（DBTL）循环：设计方案——构建实验——测试结果——学习优化——再设计。但传统方式靠人工，每一轮都可能耗时数周到数月，失败率高、成本巨大。

物理 AI 则正在重新定义生物制造，它将行业从试错驱动引向数据驱动。它不再仅仅加速做什么和怎么做的过程，更开创了一个能自我进化的智能化闭环。从研发周期缩短 70% 以上的数字孪生平台，到产量跃升的 AI 自控发酵系统，再到让洁净室产出提升百倍的机器人“大脑”。这些突破共同指向一个趋势：物理 AI 正在将生物制造从高投入、长周期的传统模式，推向可预测、可编程、可自主优化的精准智造新阶段。

（来源：恩和科技）

比如芬兰技术研究中心 VTT 开发“自我驱动的计算实验室”。它将高性能计算上的分子动力学模拟与 AI 相结合，能够自主、大规模地筛选和优化用于生产生物塑料的 PHA 聚合物材料，大大加速了新材料的发现过程；Multiply Labs 开发的机器人集群可将细胞疗法制造成本降低约 74%，同时将洁净室空间内每平方英尺的患者剂量产量提升高达 100 倍，显著提高吞吐量并减少人为污染风险和变异性......

SAION AI 的发布标志着行业正式步入数字认知、智能编排、闭环执行的持续自增强模态，推动生物制造从经验驱动的反复摸索，走向数字与硬件交互感知、迭代跃进的智能工程。

它不是简单的一款新工具，更不是单一的 AI 模型或自动化设备，而是像“实验室小龙虾”一样，实现了“认知—决策—执行—迭代”的完整闭环，真正将 AI 融入生物制造的全流程，成为能够驱动真实科研工作的“AI 科学家”。其能自主设计实验方案，能直接指挥设备动手操作，能自动复盘数据优化模型，将 AI 从辅助思考的配角，推向自主驱动整个研发闭环的核心，让生物研发从传统人主导、经验试错、周期漫长的模式，真正迈入 AI 为主、智能闭环、指数级加速的新时代。

1.https://www.forbes.com/sites/stevenwolfepereira/2026/01/12/how-jensen-huang-won-ces-2026/

2.https://research.csc.fi/2025/10/10/self-driving-computational-laboratory/

运营/排版：何晨龙