未来产业看上海｜废塑料变水晶瓶，上海这家企业用AI重写蛋白质研发

财联社、《科创板日报》联合上海国投推出策划专题"未来产业看上海"，本篇走进天鹜科技，聚焦AI驱动的全栈式蛋白质研发。

《科创板日报》10月17日讯（记者 史士云）天鹜科技的展厅里摆着一排瓶子，最亮的那几只，原料是矿泉水瓶和旧床单。

它们由一款塑料降解酶（能催化降解塑料的蛋白质）"造"成：废塑料被酶解成对苯二甲酸和乙二醇，再重新聚合成粒子，做成装护肤品、化妆品的水晶瓶。

天鹜科技联合创始人兼首席科学家洪亮叫它"生物水晶"，杂质比石油基原料低约90%，做成的水晶瓶具备极好的透亮度，热变形温度媲美原生材料，完全满足品牌用户使用性能要求。"这些可能是Al做出来的第一款生物材料。"洪亮说道。

在AI for Science（以下简称“AI4S”）蓬勃兴起的当下，这个细节或许比任何模型参数更具说服力。蛋白质是生命健康产业的底层原料：生物医药的抗体、医美的胶原蛋白、体外诊断试剂所用的酶、工业酶制剂乃至动物饲料蛋白，都绕不开它。

但长久以来，蛋白质的研发方式并未有太多的改变，即依靠专家经验搭配高通量筛选，多轮试错迭代，动辄耗时数年，研发成本高昂，命中理想蛋白的概率也很低。

聚焦AI驱动全栈式蛋白质研发的天鹜科技想要改写和颠覆的，正是这套传统路径，其深知，谁能设计出稳定性更好、耐受性更强的蛋白质，谁就握住了下游一长串产业的钥匙。

▌技术破壁：AI4S重塑蛋白研发链路，从算力推演到产业落地

按照惯例，蛋白质工程行业过去走的是一条折线：先看氨基酸序列，再预测三维结构，然后从结构推导蛋白功能。这条路径层层递进，充满断点，中间还要反复实验验证。

成立于2021年的天鹜科技“初生牛犊不怕虎”，做了一件不太一样的事，跨越结构，直接面向产业需求进行功能蛋白的精准设计。

洪亮向《科创板日报》等媒体解释其中的道理：是因为功能数据太少。"功能数据不够，人的分析维度又低，只好先从结构上做理解性的探索"。而当天鹜科技攒下足够多的"序列—功能"对应关系，大模型就能把这条映射直接学下来。

撑起这条路线的根本是数据，先来看看数据的底子如何，第三方榜单会说话。

据《科创板日报》记者在采访中了解，在哈佛大学最新发布的一篇预印本中，研究者把95个专业模型和17个通用大语言模型放进同一批任务中，评估它们在零样本条件下对蛋白质突变体功能表现进行排序的能力。

通用大模型只靠文献和专利训练，精度只能到0.4左右，但天鹜科技的VenusREM模型精度是0.52，是108款模型中的最优解，并设置为通用大模型对标的权威参照。据悉，最新版本模型精度已经提升到0.56。

这组数字也阐释了数据何以构筑壁垒，伴随通用大模型能力持续迭代，仅依靠算法已难以维持长期竞争优势；真正形成差异化竞争力的，是别人拿不到的训练数据。

而这正是天鹜科技的核心优势，截至目前，其已积累数百亿条蛋白质序列数据，其中67亿条蛋白质序列含有功能标签，该套数据集已入选国家高质量数据集首批典型案例，这也成为了天鹜科技能实现蛋白质功能设计的底气所在。

今年4月，天鹜科技推出对话式蛋白质研发智能体 MatwingsVenus™（晓鹜™）。科研人员不必精通编程，也无需深耕结构生物学，只需用自然语言讲清研发目标，智能体就能一站式跑完全流程：从行业调研、标签库检索、模型推演，到蛋白质分子设计、自动化实验验证，落地“设计即验证、验证即迭代”的智能研发模式。

“最初开发MatwingsVenus™（晓鹜™）时，是希望它作为一个工具助手，把用户的语言，翻译成平台的计算语言，再给出用户想要的结果。研究者想做一个酶、一个蛋白，可以在平台上完成全部的流程，再顺着流程接上实验，把试错的时间和钱省下来。”洪亮说道。

这一模式最大的突破，是打通了数字世界与实体实验之间的鸿沟，构建起计算驱动湿实验、湿实验反哺计算的“完整干湿闭环”。AI完成蛋白分子设计后，用户可直接在平台发起实验“下单”，任务无缝流转至天鹜科技搭建的自动化黑灯实验室，由机器人自主完成样品制备、蛋白纯化与功能检测等全套湿实验。

MatwingsVenus™的推出远不止一款研发工具的升级迭代，它将昔日仅头部企业、顶尖科研院所才具备的蛋白质研发硬实力，转化为普通科研人员也能便捷调用的底层基础设施，推动蛋白质研发范式，从少数主体掌控的“大平台驱动模式”，转向人人可上手的“个人可用时代”。

有了模型，接下来是把它变成产品。洪亮用比较通俗的语言拆解了这套流程：“MatwingsVenus™在几亿到几十亿条序列里筛选或者进行改造，并提供系列候选供用户选择进实验室做精准实验；一轮结果好就推进生产，不好就反馈给模型进行再进行一轮设计。通常迭代两到三轮就能完成功能蛋白的设计。”

在更具体的项目中，MatwingsVenus™的可落地研发能力已经得到了验证。

例如，天鹜科技设计的一款针对眼底黄斑病变的融合蛋白药物已获得国家药监局临床批件，覆盖三项适应症，该融合蛋白可靶向VEGF家族中三种与疾病相关的关键配体，并同时阻断其介导的信号通路。相比之下，当前已上市及处于临床三期的同类分子仅能阻断其中两种配体，临床前动物实验显示该融合蛋白药效更优。

值得一提的是，上述融合蛋白的AI设计思路颇具看点：7个改造位点中，3个落在靶点结合界面，其余4个远离结合界面。这些远端突变的作用难以被结构生物学传统经验解释，但AI挖掘出了它们与分子亲和力之间的关联。

▌资本赋能：耐心资本托举底层创新，上海生态孕育科创增量

选择从“难而正确”的AI4S底层技术赛道切入，是天鹜科技的起点，也引来了资本机构的站台。

今年3月，上海国投旗下上海未来产业基金联合领投其超2亿元A+轮；今年7月，天鹜科技完成数亿元A++轮融资，由上海国投先导、国投创新联合领投，上海国投孚腾资本连续两轮跟投，另有多家知名机构跟投。

半年内，上海国投两度出手、接力加注，而起点，正是上海未来产业基金——一支专注投"从0到1"、把前沿底层技术作为核心标的的功能性政府投资母基金。

成立以来，上海国投旗下上海未来产业基金始终重点布局未来信息、未来能源、未来空间、未来健康等六大未来产业，AI4S是其中"非常重要的一个赛道"。

在上海未来产业基金投资部执行总经理蔡金旭看来，AI4S的价值首先体现在科学底层的突破：“它有很强的加速作用，不管是新材料的发现、新能源器件的设计，还是生物制造里的酶和蛋白，底层都是科学研发。AI4S改变的恰恰是科学研发本身的做法，因此能够同时为材料、信息、能源等多个领域的研发提速。”

蔡金旭同时注意到技术变化带来的投资空间：AI4S正从结构预测走向产品设计，科研智能体开始能帮科学家查文献、做规划、分析数据，自动化实验室和干湿闭环也在逐步落地。"每一轮技术变化，都可能带来新的创业机会。"

当前，市场上已涌现出众多AI4S项目，从商业模式来看，大致可分为三类：一是工具平台路线，向药企、材料企业提供模型与算力服务，收取软件或技术服务费；二是聚焦自研管线与产品，将价值内化于自有资产；三是采取平台+产品的混合模式，以平台能力赋能研发，依托产品落地实现变现。

赛道分化之下，究竟什么样的AI4S公司值得下注，是资本研判的重要命题。作为人工智能赋能科学研究的前沿范式，科学智能是上海国投重点布局的前沿方向。对此，上海国投设立科学智能专项基金，构建“基金经理人+赋能经理人”双经理人模式，为科创项目提供全周期陪跑赋能，推动一批硬核创新成果在上海开展首试首用，为夯实上海现代化产业体系战略根基注入AI新动能。

蔡金旭介绍，上海未来产业基金针对AI4S赛道投资主要看四个方面：

数据是评估的第一个维度。模型的差距相对容易追赶，但数据壁垒更难复刻。投资方会考察企业是否拥有稀缺数据资产，比如独家样本来源、自建实验室持续产出的数据。核心在于，数据能否伴随业务推进持续积累，构建增长飞轮，而非一次性获取的静态数据。

AI设计方案的落地，则离不开验证闭环。AI给出的设计方案，最终需要实验加以验证。核心评判标准是“设计—实验—反馈”闭环的周转速度与成本。闭环运转越快，模型迭代效率越高，沉淀的数据体量也越大。因此，赛道本身的验证周期是否可控，同样纳入评估范围。

商业化表现是检验企业价值的硬性指标。机构优先关注企业真实订单与客户复购情况，而非仅停留在合作意向或者演示效果。市场客户愿意为成果付费，是验证技术价值最直观的标准。

最后是团队。AI4S是典型的交叉领域，要求团队兼具科研、AI算法、工程实现以及市场认知能力。其中创始人的商业判断力尤为关键。很多科研人员技术实力突出，但精准定位市场需求、管理好团队，是另一项关键能力。

“如果一个项目主要靠榜单成绩或者单一模型指标来讲故事，数据和落地都比较薄，我们就会比较谨慎。”蔡金旭说道。

拿出上述四条标尺，天鹜科技进入了视野。"我们接触天鹜科技是在2025年，那时AI4S赛道刚刚兴起。"蔡金旭回忆，当时团队就判断算法模型迭代极快，一家公司要站得住，必须尽快在训练数据和商业闭环上形成壁垒，而天鹜科技"恰好在这两件事上都走在前面"。

数据端，天鹜科技的蛋白质序列训练数据达上百亿条量级，其中相当一部分是来自深海、盐湖等极端环境，并带有压强、酸碱度、盐度等环境信息，这让它在工业苛刻场景下的预测能力有了区分度。算法端，其跨越结构生成、直连功能预测的路径，与多数模型形成明显差异。商业端，天鹜科技已在填料蛋白、工业酶等产品上拿到订单，用蔡金旭的话说，这离规模化商业化已非常近。

对早期硬科技企业而言，资金固然关键，却常常不是制约发展的唯一瓶颈。当下，不少深耕硬科技赛道的投资机构，已经跳出单纯财务投资的框架，将投后赋能放在重要位置。目前，上海未来产业基金就在打造“基金+社区”的运作模式，旨在依靠体系化投后服务，切实为初创型企业破解各类卡点。

对于天鹜科技，上海国投依托自身产业与政府资源网络，在实验验证、品牌传播、行业平台共建、算力基础设施对接等方面提供了精准的资源对接与落地支持，补齐企业在产业化路上的资源短板。

蔡金旭表示：“这几件事单拎出来可能都不大，但对一家早期公司来说，每一件都可能帮它省下几个月的时间。”

比如，在产品验证环节，原料上市所需权威检测此前耗时较长，上海未来产业基金协助天鹜科技对接检测资源，打通了产品的上市路径；算力是AI4S企业的核心刚需，也是不少初创企业面临的瓶颈，上海未来产业基金同步为天鹜对接头部云厂商云算力服务，有效缓解了企业的算力供给压力。

而这种打法的底气，来自上海这座城市本身的禀赋，蔡金旭总结了四点优势：

科研源头密集。上海交大、复旦、上海人工智能实验室、临港实验室等机构在AI与科学上"齐步并进"，让企业既能找到AI人才，也能找到科学人才；

产业场景充足。生物医药产业基础雄厚，化工、新材料、集成电路、先进制造企业集聚，AI4S研发成果能够在这里找到落地和变现的市场空间；

AI基础设施扎实。上海一直在持续布局大模型、算力与数据资源，刚好匹配AI4S对AI能力与科学问题双向融合的需求；

完善的资本与生态支撑。例如上海国投体系拥有覆盖早中后期的基金矩阵，能够持续接力支持企业的发展。

站在企业的角度，洪亮也提到，上海的好，好在三件事：人才密度高、资本有勇气，应用场景多。”‘上游有钱、中游有人才、下游有场景’，这也让上海在发展AI生物医药、AI 生物制造领域拥有非常突出的优势。