The Children's Hospital of Philadelphia

环球视野，深度视角 各位亲爱的股东，大家早上好中午好晚上好！ 我们继续GenomeWeb 25周年纪念特辑。 本文翻译自GenomeWeb，一切版权属于GenomeWeb。 本人只是对翻译进行了校对，并增加了部分补充资料，欢迎大家去GenomeWeb翻阅原文。 #01 背景 本次访谈对话 CRISPR 先驱 Jennifer Doudna。 她是加州大学伯克利分校化学系与分子细胞生物学系教授，2012 年与 Emmanuelle Charpentier 共同开发出 CRISPR 基因编辑技术，并因此荣获 2020 年诺贝尔化学奖。 2015 年，她在加州创立创新基因组学研究所（Innovative Genomics Institute，IGI），至今担任该机构理事会主席。 她同时联合创办了 Azalea Therapeutics、Intellia Therapeutics、Mammoth Biosciences 与 Scribe Therapeutics 等多家生物技术公司。 #02 CRISPR的惊人成就 Jessica Kim Cohen（GenomeWeb，下同）： 近年来，CRISPR 在患者治疗方面取得重大突破：FDA 批准了首个用于治疗镰状细胞病的 CRISPR 疗法；今年早些时候，全球首例婴儿接受了个体化 CRISPR 碱基编辑治疗。 当年发现 CRISPR-Cas9 可用于基因组编辑时，你是否预见到今天？你曾设想过 2025 年的 CRISPR 医疗图景吗？ Jennifer Doudna： CRISPR 领域、尤其是治疗方向的进展之快，令人惊叹。我当年无法预测这一切，但一直心怀希望。技术落地的时间很难预判——潜力虽在，却常因种种因素被延迟。CRISPR 的非凡之处在于，众多不同背景的人迅速加入：基础科学家、临床医生、监管机构、患者组织、基金会……多方合力，才使进展如此迅速。 Jessica Kim Cohen： 回望过去 25 年，你认为医学上最重要的基因组学突破是什么？ Jennifer Doudna： 得追溯到 1995 年首个细菌全基因组序列的发表。那时我还是年轻教员，它开启了我们利用基因组数据的纪元。然而，仅有序列远远不够，必须读懂其编码——不只是蛋白质，还有 RNA 等各类分子，以及它们之间的相互作用，才让我们今天能用 CRISPR“重写”基因组。测序、解读、改写，三力合一，意义非凡。 Jessica Kim Cohen： 你创办 IGI，联合伯克利、旧金山、戴维斯三所加大分校，以基因组工程促进人类与地球健康。目前最令你兴奋的项目是什么？ Jennifer Doudna： 我们关注“大医疗”——人类与地球健康并重。最激动人心的是“微生物组编辑”。TED“大胆计划”资助的团队，正用 CRISPR 在完整微生物组（人肠道、牛瘤胃、土壤等）中精准改造特定菌种或通路。例如，让产甲烷的瘤胃微生物转而增产奶肉、零甲烷排放——既减排又增效。 Jessica Kim Cohen： IGI 研究人员参与了今年首例个体化 CRISPR 治疗婴儿 KJ 的案例。这种“N-of-1”疗法多久才能普及？行业还需突破哪些瓶颈？ Jennifer Doudna： 能为费城儿童医院团队提供支持，我们倍感荣幸。要让更多罕见遗传病患者受益，两大障碍最突出： 第一，可及性——如何让更多地区具备相应临床能力； 第二，成本——如何降低制备与检测费用、缩短周期。既要技术降本，也要与监管合作，建立安全且高效的审批路径。 #03 补充背景：基因编辑婴KJ案例率 故事的主角是一个名叫KJ的婴儿，她罹患一种氨甲酰磷酸合成酶1缺乏症（Carbamoyl Phosphate Synthetase 1 Deficiency，CPS1D）的遗传病。 患儿体内缺乏代谢氨的关键酶，导致血液中氨积聚引发全身中毒，严重时会毒害脑组织，甚至导致死亡。 对于这种罕见病，传统治疗方法有限，患者通常需要严格限制天然蛋白质摄入，并可能需要等待肝脏移植。 2024年8月，KJ出生后不久，费城儿童医院和宾夕法尼亚大学的研究团队开始为他量身定制基因编辑疗法。他们利用CRISPR基因编辑技术，开发出一种腺嘌呤碱基编辑器，并将其以mRNA的形式包裹在纳米脂质体中（LNP），通过静脉注射的方式给药。 2025年2月，KJ出生六个半月时，研究团队向美国食品药品监督管理局（FDA）申请加急审查，一周后获得批准。 经过治疗，KJ的病情明显改善。他的氨水平和其他代谢指标恢复正常，用药量大幅减少，且能够正常进食。 随后，在2025年7月8日，CZI宣布将与IGI（Innovative Genomics Institute）共同成立一个新的研发中心，该中心旨在利用CRISPR基因编辑技术，为患有罕见遗传病的儿童开发个性化疗法。 #04 纠纷与争议 Jessica Kim Cohen： CRISPR-Cas9 专利之争备受关注，这对生物技术界意味着什么？是否改变了你对科学发现的看法？ Jennifer Doudna： 身处实验室，我看到的现实是：诉讼并未拖慢研究，尤其在非营利领域影响甚微。专利制度的初衷，是为漫长商业化过程中的投资者提供回报保障；而在高校与非营利机构，我们仍可全力前行。 Jessica Kim Cohen： 你设想 25 年后的精准医疗会是什么模样？ Jennifer Doudna： 预测 25 年太难，但我希望 CRISPR 能成为某些疾病的常规治疗手段。婴儿 KJ 与 FDA 批准的 Casgevy 已让公众看到“可能”——不再需要想象， 势头正在积聚。 Jessica Kim Cohen： 有人担忧基因编辑会加剧对遗传病与残疾的污名化，或使“高价疗法”仅服务于富人。行业该如何应对？ Jennifer Doudna： 让 CRISPR 惠及所有有需要的人，是艰巨但必须的目标。IGI 十年前的核心原则就是“公立大学的研究应让所有人受益”。这一愿景持续激励着我和团队。 Jessica Kim Cohen： 随着基因编辑走向临床，除了遗传学专家，还需要哪些力量共同参与？ Jennifer Doudna： 多年来，我们与生物伦理学家密切合作，他们思考人类与社会的未来。科学家需要这些“圈外”但懂科学的伙伴，帮我们看清强大技术的风险与责任——正如当下 AI 领域所面临的。跨学科、多视角，是确保技术负责任应用的必经之路。 #05 补充背景：专利纠纷 虽然Jennifer Doudna和Emmanuelle Charpentier获得了2020年诺贝尔化学奖，但是关于CRISPR的专利的纠纷从未停歇。 2012年5月25日，加州大学伯克利分校的Jennifer Doudna、瑞典于默奥大学的Emmanuelle Charpentier及其团队(简称CVC)提交了第一个临时专利申请。 2012年6月，Doudna和Charpentier团队在《科学》杂志发表了CRISPR-Cas9基因编辑技术论文。 但是，这一论文存在一个致命的缺陷，也是造成后续纠纷不止的基础：没有解决哺乳动物细胞的基因编辑问题。 2012年12月12日，哈佛和麻省理工的Broad研究所提交了专门针对CRISPR-Cas9在真核细胞(如哺乳动物和人类细胞)中应用的专利申请。 随后，张锋这边用了“亿点点”超能力，首先拿到了专利（记住一个人：George Church）。 再往后，这漫长的纠纷就开始了。 值得注意的是，国内这边也很精彩。 2024年1月5日，国家知识产权局宣告了对CVC关键专利的无效宣告请求审查决定书（562593号），维持了CVC专利的有效性。 但是... 2025年9月18日，北京知识产权法院就涉及CRISPR/Cas9基因编辑技术的发明专利权无效行政纠纷案作出一审判决，撤销国家知识产权局此前作出的第562593号无效宣告请求审查决定，并判令国家知识产权局重新作出决定。 嘿嘿，我觉得这官司可太好了，解决了学法律的朋友们就业问题。 END 各位股东看了么？赞了么？转发了么？别忘了点赞。谢谢！ 所有内容均不作为投资建议，信息均来自公开资料，星球更新更快。 扫码加入星球！ 循因缉药Elite PS:风里雨里，老编等你~ 近期原创: 大厂再次无缘100M单细胞大项目，Qiagen赢麻 CEO直聘！销售总监40K！14薪！ 电音DJ+约翰霍普金斯博士+蛋白组学=数千万种子轮融资 BillionToOne：丰收日 求购！家里的闲置MGISEQ-2000转一转？ 单细胞+空间生物学+A.I.=拿下诺华17.55亿美元大单！ 相关资料： 注1：https://www.genomeweb.com/genetic-research/qa-jennifer-doudna-reflects-long-path-making-crispr-gene-edited-therapies-more 注2：https://michael7924.substack.com/p/beijing-ip-court-sends-cvcs-crispr

摘要 人工智能、材料科学 / 能源科学与生物科学的三重交叉融合正在开启科学研究和产业发展的新纪元。本综述系统分析了 2023-2025 年间该交叉领域的重大突破，包括 Google DeepMind 的 GNoME 模型发现 38.4 万种热力学稳定晶体材料、Microsoft MatterGen 开创生成式材料设计新范式、以及 AI 驱动的基因编辑蛋白设计等里程碑进展。在技术平台方面，MIT 的 CRESt 系统、Agile BioFoundry 自动化推荐工具、CRISPR-GPT 智能设计平台等代表性技术正在重塑研发模式。产业应用涵盖新能源材料（固态电池、生物燃料电池）、生物基化学品（可降解塑料、生物燃料）和精准医疗（基因治疗、药物递送）三大领域，涌现出 SES AI、BASF、CRISPR Therapeutics 等标杆企业。投资热度持续升温，2024 年合成生物学领域融资 122 亿美元，AI 材料科学市场规模达 85 亿美元。然而，该领域仍面临数据质量、伦理规范、跨学科人才短缺等挑战。未来发展趋势指向多尺度融合模型、全自动化研发体系和可持续生物制造，预计将在解决人类能源危机、环境挑战和健康问题方面发挥关键作用。 引言 人类社会正面临着前所未有的多重挑战：气候变化威胁着地球的可持续发展，能源危机推动着新型储能技术的迫切需求，而人口增长和老龄化则对医疗健康提出了更高要求。在这一背景下，人工智能、材料科学 / 能源科学与生物科学的交叉融合正在成为解决这些重大挑战的关键路径。 传统的科学研究范式在面对复杂的跨学科问题时显得力不从心。材料科学的 "炒菜式" 试错方法耗时耗力，生物系统的复杂性使得预测和设计极其困难，而能源技术的突破往往受制于材料性能的瓶颈。然而，随着深度学习、大数据分析和自动化技术的快速发展，AI 正在为这三大领域的融合提供前所未有的机遇。 近年来，这一交叉领域的研究呈现出爆发式增长态势。根据 CAS 内容收集的数据显示，2015-2025 年间，涉及 AI、材料科学和生命科学的期刊文章和专利超过 31 万篇，自 2020 年以来，AI 相关出版物在学术和工业领域都出现了激增。这种增长不仅体现在数量上，更重要的是在质量和影响力方面取得了突破性进展。 本综述旨在全面梳理 2023-2025 年间 AI + 材料科学 / 能源科学 + 生物科学交叉领域的最新研究进展，深入分析代表性技术平台和方法，系统总结产业应用案例，评估投资热点与创业机会，并探讨面临的挑战与未来发展趋势。通过这一综述，我们期望为科研人员、产业界人士和投资决策者提供该领域发展的全景图，推动更多创新成果的产生和转化。一、2023-2025 年重大研究进展1.1 AI 驱动的材料科学突破 2023 年 11 月，Google DeepMind 在材料科学领域实现了历史性突破。他们发布了名为Graph Networks for Materials Exploration (GNoME)的 AI 模型，通过结合高通量量子力学第一性原理计算，发现了超过384,781 种热力学稳定的晶体材料，这相当于 "近 800 年的知识积累"。这一成就标志着材料发现从传统的试错模式向 AI 驱动的理性设计转变。 GNoME 的技术创新在于其能够在更广泛的化学空间中进行探索。分析显示，在 GNoME 发现的化合物中，92.2% 来自人类尚未探索的元素组合，仅有 7.8%（30,345 种材料）可以在现有的 Materials Project 数据库中找到。这意味着人类已知的材料可能只是冰山一角，而 AI 正在帮助我们探索材料世界的 "新大陆"。 紧随 Google 之后，Microsoft 在 2023 年 12 月发布了MatterGen 生成式 AI 模型，开创了材料设计的新范式。与传统的筛选方法不同，MatterGen 能够根据目标性能直接生成新材料结构。该模型的工作原理类似于文本到图像的 AI 模型，研究人员只需提供所需材料性能的 "提示"，MatterGen 就能生成具有指定性能的新材料结构。2024 年 1 月，Microsoft 与美国能源部太平洋西北国家实验室合作，利用 AI 和高性能计算从 3200 万种无机材料中筛选出了新型固态电解质，成功实现了从理论预测到实验验证的闭环。 2024 年，AI 材料设计领域继续涌现重要突破。Meta 发布了开源的 OMat24 数据集，包含 1.1 亿个 DFT 计算结果，几乎覆盖了元素周期表的所有元素。这一数据集的发布为 AI 模型训练提供了前所未有的数据基础，有望进一步加速材料发现进程。日本东北大学联合 MIT 开发的GNNOpt 模型基于 944 种材料数据，成功识别出 246 种太阳能转换效率超过 32% 的材料，以及 296 种具有高量子权重的量子材料。 中国科学家在该领域也取得了重要进展。北京科技大学利用机器学习合成了 24 种耐火高熵合金，突破了 1200°C 的高温性能极限，室温延展性极佳。清华大学徐勇、段文晖团队发布了神经网络密度泛函框架，打开了物质电子结构预测的黑箱，为材料设计提供了新的理论工具。上海交通大学团队开发的半监督学习方法 PBCT 将锂电池寿命预测精度提升了 20%，通过提取无标签数据中的隐藏信息显著改善了预测性能。1.2 AI 与生物科学融合的创新成果 AI 在生物科学领域的应用正在带来革命性变化，特别是在蛋白质设计、基因编辑和合成生物学方面取得了突破性进展。 在蛋白质设计方面，2025 年 11 月，南京大学的研究成果发表在《Nature Chemistry》期刊上，题为 "通过最大化氢键计算设计超稳定蛋白质"。该研究建立了一个高效、理性的蛋白质设计新范式，通过计算优化蛋白质的氢键网络来提高其稳定性。这一突破不仅在基础科学研究中具有重要意义，也为开发更稳定的生物催化剂和药物提供了新途径。 基因编辑领域的 AI 应用同样令人瞩目。2025 年，Integra Therapeutics 与西班牙基因组调控中心（CRG）合作，在《Nature Biotechnology》上发表了全球首创的研究成果：使用生成式 AI 设计出比天然蛋白质更高效的基因编辑蛋白质。研究团队首先通过计算生物勘探筛选了超过 31,000 个真核基因组，发现了 13,000 个新的 PiggyBac 转座酶序列。随后，他们使用蛋白质大语言模型（pLLM）生成全新的序列，这些 AI 设计的变体不仅优化了现有转座酶的性能，还与先进的基因编辑技术（如 FiCAT 平台）兼容。 CRISPR 技术与 AI 的结合也取得了重要进展。2025 年 5 月，《细胞》杂志发表了西班牙基因组调控中心团队的研究，他们利用生成式 AI 设计出一种合成 DNA 序列，可作为 "基因开关" 控制哺乳动物特定细胞中的基因表达。研究团队训练 AI 模型预测合适的 DNA 字母组合（A、T、C、G），以实现特定细胞类型中的基因表达模式。为验证其有效性，他们让 AI 设计激活荧光蛋白基因的 DNA 序列，并将其插入小鼠血细胞基因组的随机位置，成功实现了预期的基因表达模式。 合成生物学领域的 AI 应用呈现出爆发式增长。2024 年 1 月，ACS Synthetic Biology 发布了 "AI for Synthetic Biology" 特刊，展示了 AI 在合成生物学各个环节的广泛应用。其中，O'Neill 等人开发的信号肽元件工具包通过 ML 辅助的载体设计，使中国仓鼠卵巢细胞中生物制药蛋白的产量提高了 2-10 倍。Khamwachirapithak 等人应用 ML 优化酿酒酵母在常温和高温下的生物乙醇生产，在 30°C 下实现了 63% 的产量提升，在 40°C 下通过 ML 辅助工作流程额外提高了 7%。 AI 在酶工程方面也展现出巨大潜力。研究人员开发了一个 ML 引导的无细胞表达平台，该平台整合了无细胞 DNA 组装、无细胞基因表达和功能分析，能够快速绘制蛋白质序列空间的适应度景观并优化酶的多种化学反应。通过评估 1217 个酶变体在 10,953 个独特反应中的底物偏好性，研究团队建立了增强岭回归 ML 模型，用于预测能够合成 9 种小分子药物的酰胺合成酶变体。ML 预测的酶变体相对于亲本酶表现出 1.6 到 42 倍的活性提升。1.3 材料 - 生物 - 能源系统的交叉创新 材料科学、生物科学和能源科学的三重融合正在产生一系列突破性创新，特别是在生物燃料电池、生物光伏和智能生物材料等领域。 在生物燃料电池技术方面，美国能源部劳伦斯伯克利国家实验室的科学家成功将光系统 I 蛋白与铂纳米颗粒结合，制造出生物混合催化剂。在这些催化剂中，光系统 I 捕获的光能可以驱动氢气的产生。这一创新将生物光合作用系统与人工材料相结合，为可持续制氢提供了新的技术路径。 微生物燃料电池技术也取得了重要进展。爱荷华州立大学的研究团队使用AI 驱动的蛋白质工程工具设计专门的微生物酶，这些酶能够以农业植物废料和木质生物质中的木质素为食。酶 - 木质素反应释放的电子流可用作生物电池的电源。这一技术不仅为生物质能源利用提供了新途径，还为解决农业废料处理问题提供了可持续方案。 2025 年，科学家们在开发AI 驱动的可持续生物反应器系统方面取得了重要进展。研究人员开发了 S.A.B.E.R（可持续 AI 自动化生物反应器）系统，该系统使用基于随机森林的 AI 模型动态调节三个专用泵：一个用于清洁水摄入，一个用于富营养废物注入，一个用于去除营养耗尽的藻类水。这些实时测量数据输入到 AI 模型中，实现了对生物反应器的智能控制。 在生物材料领域，研究人员继续探索能够封装药物并以受控方式释放药物的纳米材料，以及用于组织工程的可生物降解聚合物和水凝胶。德累斯顿工业大学利用叶片的准分形木质纤维素结构，制造出可生物降解的聚合物薄膜，这一成果有助于研发可生物降解的电路板。 AI 在生物材料设计中的应用也取得了重要突破。研究表明，AI 设计的锂流电池新型固态电解质离子电导率提升了三倍，有效解决了铝制金问题。在生物医用材料方面，GNN 预测的抗菌肽序列被成功合成，制成的可降解手术缝合线使材料感染率降低了 80%。 生物光伏技术作为另一个重要交叉领域正在快速发展。研究人员正在开发基于生物系统的光伏器件，这些器件能够利用生物分子的光电转换特性。这种技术不仅具有环境友好的优势，还可能在柔性电子、可穿戴设备等领域找到独特应用。二、代表性技术平台与方法2.1 AI 驱动的材料设计平台 AI 驱动的材料设计平台正在彻底改变材料研发的范式，从传统的 "炒菜式" 试错转向 "按图索骥" 的精准设计。 Microsoft 的 MatterGen 和 MatterSim 平台代表了生成式 AI 在材料设计领域的最新成就。MatterGen 作为一个生成式 AI 模型，其工作原理类似于文本到图像和文本到视频的 AI 模型。研究人员只需提供指定所需材料性能的 "提示"，MatterGen 就能生成具有指定性能的新材料结构。MatterSim 则遵循科学发现的第五范式，显著加速材料性能模拟的速度。这两个模型形成了一个强大的飞轮效应，同时加速新材料的模拟和搜索。该平台的创新之处在于其能够处理复杂的多目标优化问题，可以同时考虑化学、机械、电子或磁性等多种性能约束。 MIT 开发的 CRESt（Copilot for Real-world Experimental Scientists）系统代表了 AI 辅助实验设计的新方向。该系统整合了来自多样化来源的信息，包括文献见解、化学成分、微观结构图像等，并使用机器人设备进行高通量材料测试。系统的一个关键创新是其自然语言交互界面，研究人员可以用自然语言与系统对话，无需编程，系统会在整个过程中做出自己的观察和假设。摄像头和视觉语言模型还使系统能够监控实验、检测问题并建议纠正措施。在一个成功案例中，CRESt 系统开发了一种用于直接甲酸燃料电池的电极材料，在三个月内探索了 900 多种化学组成，发现了一种由八种元素制成的催化剂材料，与纯钯相比，每美元功率密度提高了 9.3 倍。 Matlantis 原子级材料设计平台展示了 AI 在原子尺度模拟方面的强大能力。该平台融合了材料科学和 AI 技术，能够进行高精度和快速的原子级模拟。Matlantis 可以模拟化学和结构最复杂的材料，对元素组成或排列没有限制。作为一个在实验之前运行的原子级材料设计工具，Matlantis 正在改变材料研究的方式。该平台的优势在于其能够处理传统计算方法难以解决的复杂材料系统，为新材料的理性设计提供了强大工具。 中国在 AI 材料设计平台方面也取得了重要进展。清华大学开发的Uni-MOF 模型能够有效识别 63 万个三维空间构型，预测金属有机框架（MOF）的吸附能力。该模型基于 Transformer 架构，在 MOF 材料的气体吸附预测方面达到了高精度。上海 AI 实验室发布的ChemLLM覆盖 700 万问答数据，专业能力比肩 GPT-4，为化学和材料科学研究提供了强大的语言模型支持。2.2 微生物工程与能源系统结合平台 微生物工程与能源系统的结合正在催生一系列创新平台，这些平台利用 AI 和自动化技术实现了微生物能源系统的智能化设计和优化。 美国能源部 Agile BioFoundry是该领域的标杆平台之一。其开发的 ** 自动化推荐工具（ART）** 是一个通用的机器学习工具，已成功用于指导合成生物学研究。ART 已被用于从蛋白质组学数据预测可再生生物燃料前体柠檬烯的生产，预测产生特定啤酒口味的蛋白质，推荐提高色氨酸生产率的启动子，以及设计培养基等多个应用场景。该平台的特点是能够处理小规模数据集（最少仅需 27 个实例），满足不确定性量化需求，并支持递归的设计 - 构建 - 测试 - 学习循环。 Agile BioFoundry 还开发了动力学学习方法和调控深度学习方法。动力学学习方法能够从时间序列多组学数据中预测代谢途径动力学，而调控深度学习方法则将微生物的自然信息处理和环境感知能力与调控网络的预测计算设计相结合，使微生物成为完全可编程的生物系统，能够执行其他方式难以实现的生物过程。 ** 伊利诺伊州生物铸造厂（iBioFAB）** 代表了生物制造自动化的最新水平。iBioFAB 旨在通过将人工智能 / 机器学习与自动化相结合来加速生物工程过程。该平台的核心是一个沿着 5 米长轨道运行的机械臂，能够在平台上安装的 40 多台仪器之间转移微孔板。这种高度自动化的系统大大提高了实验效率，减少了人为错误，并能够处理大规模的并行实验。 美国能源部太平洋西北国家实验室（PNNL）在 2025 年 12 月启动了厌氧微生物表型分析平台（AMP²）。PNNL 科学家认为 AMP² 将成为世界上最大的厌氧微生物实验自主能力科学系统。该平台的启动标志着厌氧微生物研究进入了全自动化时代，有望在生物燃料生产、废物处理和环境修复等领域产生重大影响。 上海交通大学李金金教授团队成功研发了全球首套 **"基于时间维度的 AI 工业自控系统"——ManuDrive**。该系统将时间变量引入人工智能模型，实时分析微生物的生长状态，实现对复杂发酵过程的动态预测与精准调控。这一创新为生物制造过程的智能化控制提供了新的技术路径。2.3 合成生物学与 AI 结合平台 合成生物学与 AI 的结合正在产生一系列革命性平台，这些平台通过自动化、智能化和高通量技术，大幅加速了生物系统的设计和优化。 丹麦技术大学的 BRIGHT BioFoundry是一个动态的、技术驱动的研究中心，致力于加速生物技术创新，特别专注于微生物细胞工厂和新型食品系统的设计和开发。该平台整合了设计、构建、测试和学习的全流程自动化，能够快速迭代优化生物系统。 澳大利亚生物铸造厂被形容为合成生物学研发的 "一站式商店"。该平台应用工程学的四个核心步骤到生物学：设计、构建、测试和学习。这种工程化的方法使得生物系统的开发更加系统化和可预测。 浙江大学的 iBioFoundry 合成生物学自动化科学装置是中国在该领域的重要创新。该装置在中央软件控制下通过轨道式机械臂整合了包括自动化移液操作、生物样品存储、细胞培养和生化测试等各种实验设备，实现了合成生物学研究中从样本智能存取、DNA 元件组装、细胞筛选及培养到产物检测的全流程自动化操作。这种高度集成的自动化系统不仅提高了实验效率，还确保了实验的可重复性和标准化。 在 AI 辅助设计工具方面，研究人员开发了多种创新平台。例如，用于优化简并密码子库的DeCOIL 软件工具，用于 ML 基础蛋白质工程，能够产生高适应性和高多样性的蛋白质变体。研究人员在免疫球蛋白结合蛋白 GB1 的 B1 结构域和色氨酸合酶 β 亚基的适应度景观上展示了该工具的实用性。 Nucleic Transformer是另一个重要的 AI 架构创新，这是一个基于自注意力和卷积的可解释模型架构，在大肠杆菌启动子分类、病毒基因组识别、增强子分类和染色质谱预测等多个模型任务中展示了其效用。这种可解释的 AI 模型为生物系统的理解和设计提供了新的洞察。2.4 基因编辑与材料科学结合平台 基因编辑与材料科学的结合正在产生一系列创新平台，这些平台专注于开发更安全、更高效的基因编辑工具递送系统。 在递送技术方面，西北大学的化学家开发了一种名为脂质纳米颗粒球形核酸（LNP-SNAs）的新型纳米结构。这些微小结构携带全套 CRISPR 编辑工具 ——Cas9 酶、引导 RNA 和 DNA 修复模板 —— 包裹在密集的保护性 DNA 外壳中。在各种人类和动物细胞类型的实验室测试中，LNP-SNAs 进入细胞的效率比用于 COVID-19 疫苗的标准脂质颗粒递送系统高三倍，毒性大大降低，基因编辑效率提高了三倍。新的纳米结构还使精确 DNA 修复的成功率比现有方法提高了 60% 以上。 CRISPR Therapeutics建立了专有的脂质纳米颗粒（LNP）平台，用于将 CRISPR/Cas9 递送到肝脏。该公司的技术已经进入临床应用阶段，在 2023 年底获得 FDA 批准用于镰状细胞病的治疗，2024 年初获得 β- 地中海贫血的批准。这标志着基因编辑技术从实验室研究向临床应用的重大转变。 在 AI 辅助基因编辑设计方面，斯坦福大学医学院的研究人员开发了CRISPR-GPT 人工智能工具，作为基因编辑的 "副驾驶"，帮助研究人员（即使是不熟悉基因编辑的人员）生成设计、分析数据和排除设计缺陷。该系统实现了自动化基因编辑实验的设计，为研究人员提供智能化方案，在确保编辑精准性的同时，降低了实验操作的复杂性，提高了研究可重复性。 CRISPR-GPT 的技术架构具有创新性。该团队将 CRISPR-GPT 设计为一个多智能体系统，包含四个核心组件：用于任务分解的 LLM 规划器、实现复杂工作流程的任务执行器、用于自然对话的用户代理和集成外部生物信息学软件的工具提供者。系统提供 Meta、Auto、Q&A 三种模式，分别支持新手引导式操作、专家自定义工作流和实时答疑。 其他重要的基因编辑平台还包括基于工程化金属有机框架（MOF）的 CRISPR/Cas9 靶向递送平台，这些平台旨在增强基因编辑的精度和效率。基于小细胞外囊泡（sEVs）的基因递送平台，如模块化安全外泌体平台，能够有效递送 RNA 和核糖核蛋白（RNP）复合物到预期的细胞内靶点。三、产业应用案例3.1 新能源材料产业应用 新能源材料领域正在经历 AI 驱动的深刻变革，从电池材料到太阳能转换材料，AI 技术正在重新定义产业发展格局。 在固态电池材料方面，SES AI 公司取得了突破性进展。2025 年 1 月，SES AI 与两家全球大型 OEM 企业签订了千万美元级合同，将 "AI for Science" 技术应用于汽车领域的锂金属电池和锂离子电池的新型电解液材料开发。这一合作不仅应用于锂金属电池 B 样品的研发，还首次应用于已实现商业化进程的成熟锂离子电池。SES AI 推出的全球首款采用其 AI for Science 解决方案 ——SES AI"分子宇宙" 研发的电解液新材料制造的电池，已应用于无人机和人形机器人等领域。 Factorial Energy在固态电池电解质设计方面展现了 AI 的强大能力。该公司的科学工程和 AI 驱动工具开发了最新的电解质配方，使电池能够在 - 30°C 至 45°C（-22°F 至 113°F）的温度范围内运行。这种宽温度范围内的稳定性能对于电动汽车的实际应用至关重要，解决了传统电池在极端温度下性能下降的问题。 ** 辉能科技（ProLogium）** 在固态电池产业化方面取得了里程碑式成就。2023 年，辉能完成了世界上第一条 660 毫米宽、GWh 级别的卷对卷固态电池生产线，这是可扩展制造的重要里程碑。2025 年，辉能再次引领行业，推出了世界上第一款全无机电解质电池，计划在年底前开始试生产并将下一代电池投入生产。这些成就标志着固态电池技术正在从实验室走向大规模产业化。 在硅负极电池材料领域，市场前景广阔。根据预测，硅负极电池市场将从 2025 年的 8.134 亿美元增长到 2034 年的 315 亿美元。这种爆发式增长主要得益于硅负极材料能够显著提高电池的能量密度，满足电动汽车和储能系统对高能量密度电池的需求。 生物燃料电池技术也在快速发展。美国能源部劳伦斯伯克利国家实验室成功开发的光系统 I - 铂纳米颗粒生物混合催化剂，为可持续制氢提供了新途径。爱荷华州立大学开发的 AI 驱动微生物酶系统能够利用木质素产生电能，为生物质能源利用开辟了新方向。3.2 生物基化学品产业应用 生物基化学品产业正在通过 AI 技术实现智能化转型，从传统的化学合成向可持续的生物制造转变。 BASF 与奥地利格拉茨大学的合作代表了生物催化领域的重要突破。他们共同开发了一个全新的计算机辅助模型，能够改善酶的性能，并使新的生物催化生产过程能够更快地从实验室扩大到工业制造。该模型通过回归分析方法，只需进行少量初步实验室测试（如确定酶的展开曲线），就能够计算出反应温度和溶剂浓度的最佳组合，从而实现酶性能的优化。这一创新大大减少了开发新生物催化工艺所需的时间和资源，提高了生物催化的可持续性。 象生科技在 AI 催化与微反应技术方面取得了重要进展。该公司通过微流控高通量实验结合模拟挖掘 "活性位点结构 - 反应能垒" 的关联规律，构建了 "催化剂结构 - 性能" 预测模型。通过在微米甚至纳米尺度上精确控制反应条件，显著提升了催化剂的活性和选择性，降低了成本和材料浪费。该技术已成功实现生物基高性能材料的量产，并完成了两轮数千万元天使 + 轮融资。 在生物燃料和可再生化学品生产方面，AI 算法被广泛用于识别具有特殊催化性能的新型酶，用于特定的生物燃料和可再生化学品应用。通过酶优化技术，研究人员能够微调现有酶以最大化其效率、稳定性和特异性，使其适应独特的生产过程。在途径设计方面，AI 帮助设计和优化代谢途径，以提高目标产品的产量。 **New Wave Biotech 与英国工艺创新中心（CPI）** 的合作展示了 "混合 AI" 技术在解决脂质提取挑战中的应用。该合作结合了机理建模和机器学习来预测提取过程性能，实现了更快、更可靠的放大和过程优化。这种混合方法充分利用了机理模型的物理约束和机器学习的数据驱动优势，为生物基化学品的工业化生产提供了新的技术路径。 在可降解塑料领域，莫纳什大学化学学院的研究人员开发了一种革命性的方法，使用人工智能和实时自动化生产可生物降解的乙烯基共聚物。该研究由 Tanja Junkers 教授领导，发表在《Chemical Science》期刊上，引入了一种通用技术，可以改变塑料的制造方式和降解方式。该创新的核心是自由基开环聚合（RROP）过程，通过机器人合成方法结合贝叶斯优化和实时 FTIR 监测，能够在整个反应过程中精确控制单体进料比例。3.3 精准医疗产品产业应用 精准医疗领域正在经历 AI 驱动的革命，从基因治疗到药物递送系统，AI 技术正在为个性化医疗提供强大工具。 在基因治疗方面，CRISPR 技术的临床应用取得了重大突破。2023 年底，FDA 批准了 Casgevy（CTX001）用于镰状细胞病的治疗，2024 年初又批准了其用于 β- 地中海贫血的治疗。这是 CRISPR 基因编辑技术首次获得 FDA 批准用于治疗遗传疾病，标志着基因治疗从概念走向现实。 Genethon 公司的 Duchenne 肌营养不良症（DMD）基因治疗（GNT0004）在 2024 年 11 月的美国基因与细胞治疗学会（ASGCT）会议上公布了积极的 1/2/3 期试验初步结果。基于这些结果，Genethon 预计将于 2025 年第二季度在欧洲启动关键试验，随后在美国启动。这一进展表明，基因治疗在治疗罕见病方面具有巨大潜力。 2025 年 5 月，费城儿童医院和宾夕法尼亚大学的临床医生成功对一名诊断为 CPS1 缺陷（一种罕见的遗传性疾病，损害肝脏的氨清除）的新生儿进行了个性化的 CRISPR 治疗。这是 CRISPR 技术在新生儿基因治疗中的首次成功应用，为治疗其他遗传性疾病开辟了新途径。 在药物递送系统方面，脂质纳米颗粒（LNP）技术取得了重要进展。CRISPR Therapeutics 建立的专有 LNP 平台用于将 CRISPR/Cas9 递送到肝脏，已经在临床试验中显示出良好的安全性和有效性。西北大学开发的 LNP-SNAs 系统在基因编辑效率方面比传统 LNP 系统提高了三倍，同时毒性大大降低。 CAR-T 细胞疗法领域也在快速发展。2025 年，多家公司在 CAR-T 技术方面取得重要进展，特别是在克服实体瘤治疗挑战方面。AI 技术被用于优化 CAR-T 细胞的设计，提高其靶向特异性和治疗效果。 在AI 药物研发方面，Xaira Therapeutics 在 2024 年完成了 10 亿美元的融资，创下了该领域的融资纪录。该公司专注于 AI 驱动的药物发现平台，利用机器学习技术加速新药的发现和开发过程。 在个性化医疗领域，AI 技术正在实现真正的个体化治疗。通过分析患者的基因组、蛋白质组、代谢组等多组学数据，AI 能够预测患者对特定药物的反应，优化治疗方案。例如，在肿瘤治疗中，AI 可以根据肿瘤的基因突变谱推荐最适合的靶向治疗药物。四、投资热点与创业机会4.1 投融资概况与趋势 AI + 材料科学 / 能源科学 + 生物科学交叉领域的投资活动在 2024 年呈现出强劲的复苏态势，投资规模和质量都达到了新的高度。 根据 SynBioBeta 发布的《2025 年投资者报告》，2024 年合成生物学领域投资呈现显著复苏态势。第四季度融资额达到 43 亿美元，环比增长 59.2%（第三季度为 18 亿美元），同比增长 153%。全年融资总额达到 122 亿美元，超过 2023 年的 107 亿美元，增长 14%。这种增长主要由新资本入场（如气候科技基金）和新公司涌入（自 2018 年以来约有 150 家新企业进入该领域）推动。 值得注意的是，投资模式正在发生重要转变。单笔交易额上升，交易数量下降，这意味着资金更集中到头部企业，"大鱼吃小鱼" 的局面已经开启。美国依然是合成生物学领域的全球领导者，占据了全球投资的绝大多数份额。但中国、欧洲等地区的份额正在逐步提升，反映了技术应用的全球需求。 在AI 材料科学市场方面，2024 年市场规模达到85 亿美元，显示出巨大的商业潜力。这一市场的快速增长主要得益于 AI 技术在材料发现、设计和优化方面的广泛应用，特别是在电池材料、半导体材料和新能源材料等领域。 生成式 AI（GenAI）领域的投资也创下历史新高。2024 年，GenAI 领域的平均融资轮规模飙升至 4.07 亿美元，相比 2023 年的 1.33 亿美元和 2022 年的 3300 万美元呈现爆发式增长。这种增长主要由基础设施投资的兴趣推动，反映了投资者对 AI 技术长期价值的认可。 从地域分布来看，美国在 AI 和生物技术投资方面继续保持主导地位。2024 年，尽管全球风险投资普遍下降，但美国在 AI 和硬件领域经历了强劲的投资活动，这主要由专门从事机器人和先进材料的公司获得的大量融资推动。 中国在 AI 投资方面也表现活跃。中国持续关注技术发展，其两家 "AI 老虎" 公司 ——Moonshot AI 和智谱 AI 分别筹集了 10 亿美元和 8 亿美元。这些投资反映了中国在 AI 技术领域的雄心和实力。 英国的生物技术融资在 2025 年前三季度表现强劲，风险投资总额达到 14.1 亿英镑，已经超过了 2023 年全年的融资额。这表明欧洲在生物技术创新方面正在加速追赶美国。4.2 创业公司类型与商业模式 该交叉领域涌现出了多样化的创业公司类型，每种类型都基于独特的技术优势和商业模式。 AI 驱动的蛋白质设计公司正在成为投资热点。Profluent 公司凭借其在蛋白质设计与 CRISPR 系统领域的颠覆性成果，成功获得 1.06 亿美元（约 7.5 亿元人民币）融资，使其总融资额超过 1.5 亿美元。该公司的技术能够利用 AI 设计具有特定功能的蛋白质，在酶工程、生物制药和基因治疗等领域具有广泛应用前景。 合成生物学平台公司专注于构建自动化的生物制造系统。Synthesize Bio 是一家总部位于西雅图的生物技术公司，开创了生物基础模型来模拟基因表达实验的结果，获得了 1000 万美元种子轮融资。该公司的技术能够大幅减少实验次数，加速生物系统的设计和优化过程。 生物传感器公司利用 AI 技术开发智能生物监测系统。Fieldstone Bio 是一家总部位于波士顿的公司，提供 AI 驱动的活体传感器，能够大规模识别环境中的目标化学物质、营养物质、污染物或病原体，获得了 500 万美元种子轮融资。这类技术在环境监测、食品安全和生物安全等领域具有重要应用价值。 细胞治疗 AI 公司正在革新细胞治疗的开发过程。Somite AI 是一家利用基础模型和专有 AI 加速人类细胞治疗开发的技术生物公司，完成了超过 4700 万美元的 A 轮融资，由 Khosla Ventures 领投。该公司的技术能够优化 CAR-T、CAR-NK 等细胞疗法的设计，提高治疗效果并降低成本。 自动化生物技术公司专注于开发 AI 驱动的实验自动化平台。总部位于伦敦的生物技术初创公司 Science Machine 构建了自主 AI 工具来加速和自动化生物技术研究和数据分析，获得了 350 万美元的种子前轮融资，由 Revent 和 Nucleus Capital 领投。这类公司的技术能够大幅提高实验效率，降低研究成本。 在商业模式方面，主要包括以下几种类型： 平台即服务（PaaS）模式：许多公司提供基于云的 AI 平台，客户可以在平台上进行材料设计、生物系统模拟等操作。这种模式的优势是能够快速扩大用户基础，同时降低客户的技术门槛。 产品开发模式：一些公司专注于开发特定的产品，如新型电池材料、生物燃料或基因治疗药物。这种模式需要更多的研发投入，但潜在回报也更高。 技术授权模式：将核心技术授权给大型企业使用，获得授权费用和版税收入。这种模式适合技术领先但缺乏产业化能力的初创公司。 合同研发服务（CRO）模式：为制药公司、材料公司等提供定制化的研发服务。这种模式能够快速产生收入，同时积累行业经验和客户资源。4.3 细分赛道投资热度分析 不同细分赛道的投资热度呈现出明显的分化趋势，反映了市场对不同技术方向前景的判断。 医疗保健与生物制药仍然是投资的主导领域，2024 年投资额达 49 亿美元，占总投资的 40%。但值得注意的是，该领域的投资同比下降了 23.4%，主要投向聚焦基因治疗（如 CRISPR Therapeutics）、细胞疗法（如 ArsenalBio）及 AI 药物研发（如 Xaira Therapeutics）。这种下降可能反映了投资者对该领域估值过高的担忧，以及对商业化前景的重新评估。 能源与环境领域成为投资增长最快的赛道，2024 年投资额达 15 亿美元，同比增长 133.2%。这一爆发式增长主要由气候变化和能源转型驱动。典型案例包括 Gevo 获得 14.6 亿美元债务融资开发生物燃料，以及多家公司在太阳能材料、储能材料等领域的重大突破。 化工与材料领域投资也呈现强劲增长，2024 年投资额达 18 亿美元，同比增长 38.5%。Godavari 生物炼油厂获得 16.6 亿美元融资是该领域的标志性事件。这一增长反映了可持续化学和生物基材料的巨大市场需求。 农业领域投资稳步增长，2024 年投资额为 3.28 亿美元，同比增长 35.1%。Inari 基因编辑作物融资 1.03 亿美元是该领域的亮点。随着全球人口增长和气候变化加剧，农业技术创新的需求日益迫切。 食品营养领域投资出现下滑，2024 年投资额为 4.51 亿美元，同比下降 43.5%。Perfect Day 植物蛋白公司融资 9000 万美元是少数亮点。这一下降可能与植物性食品市场的竞争加剧和消费者接受度有关。 在技术层面，投资热点主要集中在以下几个方向： AI/ML 驱动的生物设计工具：如 LabGenius 获得 4445 万美元 B 轮融资，这类公司提供基于 AI 的生物系统设计和优化工具，具有广阔的应用前景。 基因合成 / 测序技术：如 Nuclera 获得 7500 万美元 C 轮融资，这类技术是合成生物学的基础设施，随着成本下降和精度提高，市场需求快速增长。 酶制剂与 DNA 合成服务：如 Codexis 获得 4000 万美元债务融资，这类服务是生物制造的关键环节，具有稳定的市场需求。 值得注意的是，在前 25 个交易案例中，有 17 个是 IPO 阶段的，表明该领域的公司正在进入成熟期，开始从风险投资转向公开市场融资。这也反映了投资者对该领域长期价值的认可。五、面临的挑战与未来趋势5.1 技术挑战 尽管 AI + 材料科学 / 能源科学 + 生物科学交叉领域取得了巨大进展，但仍面临诸多技术挑战。 数据质量和标准化问题是首要技术挑战。数据问题首当其冲，主要表现为数据采集与清洗工作占据大量研发时间，论文数据水平参差不齐，工业数据来源分散等。专家普遍认为，底层数据不可靠，再先进的 AI 模型也会失效。哈尔滨工程大学材料科学与化学工程学院院长杨飘萍指出，钢铁、水泥等传统材料的数据相对丰富，但生物材料、高强材料等新型材料数据匮乏，且行业普遍存在 "数据不共享、不开源" 现象，导致 AI 模型训练缺乏高质量数据支撑。 AI 模型的可解释性和可靠性是另一个重大挑战。尽管深度学习模型如 AlphaFold 在结构预测方面取得了巨大成功，但在处理复杂蛋白质、膜蛋白和多体复合物时仍存在局限性。特别是在处理大型蛋白质复合物（如含有 10-30 条链的复合物）时，预测精度明显下降。此外，当前模型难以捕获催化过程中的构象变化，无法完全描述大型复杂组件的动态行为。 跨学科知识整合的复杂性也是一个重要挑战。该交叉领域需要整合物理学、化学、生物学、计算机科学等多个学科的知识，但不同学科的概念体系、研究方法和数据格式存在巨大差异。如何有效整合这些异构知识，构建统一的理论框架和计算模型，是一个亟待解决的问题。 实验验证的成本和时间仍然是制约因素。尽管 AI 能够大幅减少实验次数，但每个 AI 预测仍需要实验验证，这不仅耗时耗力，而且成本高昂。特别是在生物系统中，由于其高度的复杂性和非线性特征，AI 预测的准确性往往难以保证，需要大量的实验验证。 技术标准化和可重现性问题日益突出。许多研究缺乏标准化的评估方法，存在未盲法、回顾性调整、稀疏和不具代表性的测试覆盖、弱或缺乏不确定性校准，以及代码、种子和过滤器发布有限等问题。为解决这些问题，评估应该锚定在互补、标准化和泄漏审计的资源上，需要与强现代基线进行比较，并建立明确的排除规则以防止训练 - 测试污染。5.2 经济与社会挑战 除技术挑战外，该交叉领域还面临着复杂的经济和社会挑战。 "死亡谷" 问题是产业化面临的最大经济挑战。其中最主要的挑战是弥合长期存在的 "死亡谷"—— 有前景的实验室发现由于放大挑战和现实世界部署的复杂性而无法成为可行产品的鸿沟。从实验室规模到工业规模的转化过程中，往往会遇到各种技术和经济障碍，导致许多创新成果无法实现商业化。 研发成本高昂是另一个重要经济挑战。AI 模型的训练需要大量的计算资源，特别是在处理大规模材料数据库或生物序列数据时。此外，实验验证的成本也很高，特别是在需要高通量筛选或长期实验观察的情况下。 人才短缺是制约该领域发展的关键因素。华为公司副总裁韩硕认为，产业急需三类复合型人才：AI 工具开发人才、验证成果的行业专家、能将 AI 融入一线的应用人才。目前这三类人才均存在缺口，制约了产学研协同推进。跨学科人才的培养需要时间，而且需要同时掌握多个领域的知识和技能，难度很大。 伦理和法律挑战日益凸显。合成生物学的快速发展带来了伦理、法律治理的多重挑战，伦理规范、法律法规、监管体系的改变步伐往往滞后于科技的发展速度。在敏捷治理理念下，伦理治理与法律规制的界限 / 功能区分不清晰、缺乏预防原则具体适用标准和场景化区分等级；在高科技时代多元监管格局中，不同监管机构的职责协调和厘清存在困难；伦理审查的运行机制与功能发挥面临现实挑战。 知识产权争议成为潜在的伦理隐患。算法提供方与材料研发方的贡献界定模糊，知识所有权争议日益突出。随着 AI 技术在科学研究中的应用越来越广泛，如何界定人类研究者和 AI 系统的贡献，如何保护知识产权，成为亟待解决的问题。 公众接受度也是一个重要挑战。特别是在基因编辑、合成生物学等领域，公众对 "设计生命"、"扮演上帝" 等概念存在担忧。如何提高公众对这些技术的理解和接受度，是该领域面临的重要社会挑战。5.3 未来发展趋势 尽管面临诸多挑战，AI + 材料科学 / 能源科学 + 生物科学交叉领域的未来发展前景依然广阔，呈现出多个重要趋势。 多尺度融合模型将成为技术发展的主流方向。未来趋势指向结合语言模型、图网络和分子动力学的多尺度模型，以及嵌入合成生物学的高通量闭环迭代系统。这些进展标志着蛋白质工程的范式转变，基于序列的计算策略正在推动合成生物学和绿色制造的创新。这种多尺度方法能够从原子水平到系统水平全面理解和设计生物系统，为解决复杂的生物学问题提供新的思路。 全自动化研发体系正在成为现实。武汉大学人工智能学院教授胡黔楠介绍，他们团队正在打造生物制造领域 AGI（通用人工智能）大模型。该模型作为 "一站式"AI 驱动生物学创新系统，能够像人一样思考，全链路赋能合成生物制造智能化发展。胡黔楠认为，可以针对某些产品，把没有合成途径的分子深度合成途径制造出来，这是 AI 在生物制造领域应用的重要方向。 可持续生物制造将成为产业发展的核心驱动力。AI 模型正在被用于设计生物燃料、可生物降解塑料和可持续农业技术。例如，能够食用塑料废物的细菌或经过基因工程改造以吸收更多二氧化碳的植物 —— 这些不再是科幻场景。作为学生，这为医学之外的领域开辟了大门。 技术融合加速将催生更多创新。AI/ML（如 Xaira Therapeutics）、量子计算可能催生新工具层。量子计算与 AI 的结合有望在材料模拟、药物设计等领域实现突破，为解决复杂的计算问题提供新的技术路径。 全球化应用趋势日益明显。美国以外地区本土企业增长，推动合成生物学解决方案本地化。随着技术的普及和成本的下降，更多国家和地区将参与到该领域的创新中来，形成全球化的创新网络。 政策支持和产业生态完善将为发展提供保障。专家们提出从国家到企业的多层次解决方案。在平台与基础研究层面，建议加强国家级实验室建设，以稳定资助推动 AI + 材料设计的机理研究，同时打破数据壁垒，建立全国性数据共享机制。技术开放与合作成为中小企业破局的关键，大型企业开始向中小企业提供低成本的数字化转型工具，帮助它们跨越 AI 应用的技术门槛。 在具体应用领域，未来发展趋势包括： 新能源材料：固态电池、新型储能材料、太阳能转换材料等将继续成为研发重点。AI 技术将在材料发现、性能优化、成本降低等方面发挥关键作用。 生物基化学品：可生物降解塑料、生物燃料、生物基纤维等将逐步替代传统石油基产品。AI 驱动的生物制造将实现更高的生产效率和更低的环境影响。 精准医疗：个性化基因治疗、智能药物递送系统、AI 辅助诊断等将成为常规医疗手段。基因编辑技术的安全性和有效性将不断提高，应用范围将持续扩大。 环境修复：AI 设计的微生物将能够降解塑料、清除污染、固定二氧化碳等，为解决环境问题提供新的技术手段。结论 AI + 材料科学 / 能源科学 + 生物科学的三重交叉融合正在开启人类认识和改造世界的新纪元。通过对 2023-2025 年间该领域的全面综述，我们可以清晰地看到这一融合带来的革命性变化。 在研究进展方面，从 Google DeepMind 的 GNoME 模型发现 38.4 万种新晶体材料，到 Microsoft MatterGen 开创生成式材料设计新范式；从 AI 设计的超稳定蛋白质到比天然蛋白更高效的基因编辑工具；从生物混合燃料电池到智能生物反应器，每一项突破都在重新定义人类对物质、生命和能源的理解。这些进展不仅在数量上实现了爆发式增长，更在质量上达到了前所未有的高度。 在技术平台方面，MIT 的 CRESt 系统、Agile BioFoundry、各种生物铸造厂等创新平台正在重塑科学研究的范式。这些平台通过整合 AI、自动化和高通量技术，实现了从 "炒菜式" 试错到 "按图索骥" 精准设计的转变。特别是那些能够进行自然语言交互、自主实验设计和智能决策的系统，正在使科学研究变得更加高效、可预测和可重现。 在产业应用方面，新能源材料、生物基化学品和精准医疗三大领域已经涌现出众多成功案例。从 SES AI 的 AI 驱动电池材料到 BASF 的智能生物催化系统，从 CRISPR 基因治疗到个性化医疗，这些应用正在解决人类面临的能源危机、环境挑战和健康问题，展现出巨大的社会价值和商业潜力。 在投资和创业方面，该领域正在经历前所未有的繁荣期。2024 年合成生物学领域融资 122 亿美元，AI 材料科学市场规模达 85 亿美元，各种创新型创业公司如雨后春笋般涌现。投资热点从医疗保健扩展到能源环境、化工材料等多个领域，反映了该交叉领域的巨大市场前景。 然而，我们也必须清醒地认识到该领域面临的挑战。数据质量、AI 可解释性、跨学科人才短缺、伦理法律规范滞后等问题仍然制约着领域的发展。特别是如何在技术创新与伦理规范之间找到平衡，如何确保技术发展真正服务于人类福祉，是我们必须认真思考的问题。 展望未来，多尺度融合模型、全自动化研发体系、可持续生物制造将成为主要发展方向。随着 AGI 技术的成熟、量子计算的突破、以及全球创新网络的形成，我们有理由相信，AI + 材料科学 / 能源科学 + 生物科学的交叉融合将在解决人类重大挑战方面发挥越来越重要的作用。 作为解决人类重大挑战的关键路径，该交叉领域的发展不仅具有重大的科学意义，更具有深远的社会影响。它正在推动人类社会向更加可持续、更加智能、更加健康的方向发展。我们期待着更多的创新突破，期待着这一交叉领域为人类创造更加美好的未来。 先进产业+物理人工智能 产业智能官AI-CPS 加入知识星球“产业智能研究院”：产业OT技术（自动化+机器人+工艺+精益）和新一代IT技术（云计算+物联网+区块链+大数据+人工智能）深度融合，在场景中构建“状态感知-实时认知-自主决策-精准执行-学习提升”的物理人工智能（Physical AI）；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。 物理人工智能（Physical AI）作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎；重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态和新模式；引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。 产业智能化技术分支用来的今天，从业者必须了解如何将物理人工智能（Physical AI）全面渗入整个公司、产品、业务等商业场景中，利用物理人工智能（Physical AI）形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。 版权声明：产业智能官（ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源，涉权烦请联系协商解决，联系、投稿邮箱：wolongzy@qq.com。

癌症能不能被治好？ 近些年，新思路、新技术不断涌现，让攻克癌症在医疗医药领域更像一个“时间”问题；但在普通患者的一端，更多人能不能用得上，决定性因素是“钱”的问题。 近日，动辄几十万、上百万元一支的癌症CAR-T疗法创新药，被纳入《商业健康保险创新药品目录（2025年）》。 这意味着3个重要的信号： 1、在医疗层面，CAR-T疗法目前的效果、未来扩大应用范围的可能性，得到了“国家队”认可。 2、在医药创新方面，中国发挥规模优势，引入商业手段支撑企业创新。期望中国医药企业引领世界级别创新的决心和路径，越来越清晰。 3、虽然目前录入的是商保目录还没进基本医保，但也代表国家已亲自下场侃价，未来在市场终端的使用价格，一定会迎来大幅下降。 简单介绍一下CAR-T CAR-T是嵌合抗原受体T细胞免疫疗法（Chimeric Antigen Receptor T-Cell Immunotherapy）。它甚至不是传统“药”的概念，而是一支活着的“细胞部队”。 具体做法是这样的： 选拔—— T细胞也叫T淋巴细胞，是人体里对抗感染、肿瘤、外来物等的白细胞的一种。在肿瘤的微环境中，T细胞往往被冻结了，失去了战斗功能。所以，第一步，要从患者的血液中将T细胞“征兵”选拔出来。 赋能—— 通过基因改造将T细胞加上“导航”并强化“武器”，即CAR（肿瘤嵌合抗原受体），就改造成了CAR-T细胞，它能够精准识别、杀死想要针对的恶性肿瘤细胞。 扩编—— 将已经特异化的CAR-T细胞在患者体外大规模复制，达到数十亿、上百亿的规模。 回输—— 将这支“特种部队”输回到患者体内，它们通过血液“巡逻”全身，识别到被针对的癌细胞就发起精准、猛烈的攻击，直至消除“敌人”，治愈癌症。 CAR-T的前3步，都要在顶级的生物实验室中制作完成。并且目前比较成熟并推向市场的产品，是“一人一剂”的高度定制，所以成本非常高。 临床价值被广泛认可 世界上第一个接受CAR-T疗法治疗并治愈的患者是美国女孩艾米莉，到今年，她已经无癌生存了13个年头。 5岁时，艾米莉诊断出白血病。化疗控制不住，骨髓移植因身体太虚弱而无法进行。在医生宣布无力回天之际，2012年，艾米莉在费城儿童医院接受了CAR-T治疗。 虽然当时经历了严重的副作用，高烧、血压骤降等，但在医生仔细研究并调整用药23天后，艾米莉体内的癌细胞奇迹般清零，宣布治愈。 今年5月12日，艾米莉在社交媒体上向世界宣告：“癌症康复13周年，迎来了20岁生日”。 随后，CAR-T疗法在全球范围内掀起热潮。我国的药企研发和临床试验也捷报频传： ——吉林大学附属第一医院报道，62岁的吴女士在接受CAR-T治疗后，弥漫大B细胞淋巴瘤病灶消失，指标恢复正常，成为吉林省首例成功病例；‌ ——贵州省首例CAR-T治疗于2025年7月在中山一院贵州医院完成，针对复发难治性急性淋巴细胞白血病患者，填补了当地精准治疗空白； ——2025年9月，中国科学技术大学团队在CAR-T治疗系统性红斑狼疮的临床研究中取得关键进展，进一步验证了该疗法的安全性和有效性。 …… 临床已有效果，未来价值在国家部门和政策方面的关注也体现的非常实际： 早在“十四五”生物经济发展规划中，已将细胞治疗明确纳入；国家药品监督管理局通过优先审评审批通道，加速CAR-T产品上市；国家卫健委《新型抗肿瘤药物临床应用指导原则》规范了CAR-T的临床应用，明确了其在复发/难治性血液肿瘤中的治疗地位…… 而更大的临床价值的认可，可以说就是刚刚将CAR-T加入商业健康保险目录的这个举措。 在医疗术语里，有个词叫“可及性”，就是一款药物或者一种治疗手段，它能够触及的范围有多广，深刻影响着它的应用效果和持续发展的潜力。 医学是一门经验科学，它需要不断创新迭代。在发展的过程中，样本的规模某种程度决定了创新的速度和效果。 这就是为什么随着基础科技水平的不断拉近，中国、印度的医疗日渐在创新医疗和医药方面发展的越来越快，因为十几亿人口规模所产生的样本力量，是其他国家不可比拟的。 但同时，作为一个负责任的大国，中国在政治体制、国民经济发展水平的综合影响下，一直都是强调“基本医疗保障”。也就是说，中国医疗的主基调是求稳、求基本盘，同时再创新，攀高峰。 以CAR-T为例，在国际上发展10余年的背景下，国家此次将其纳入商保，可以说对其在未来临床价值上的表现，是经过深思熟虑，而又高度认可和期待的。 进目录先利好保司和企业 此次被录入商业健康保险的CAR-T产品共有5款：复星凯特阿基仑赛、药明巨诺瑞基奥仑赛、驯鹿生物伊基奥仑赛、合源生物纳基奥仑赛、恺兴生命科技泽沃基奥仑赛。 其中，最便宜的合源生物纳基奥仑赛定价99.9万元/针，最贵的药明巨诺瑞基奥仑赛则高达129万元/针。 目前国内获批的CAR-T都是“一人一剂”的自体疗法，相当于企业要给每个患者都单独开一条“生产线”，近千道工序、几十位工程师联合参与才能完成制备。 同样，国际上的数据表明，一针CAR-T光材料成本就要4.3万美元以上，这还不包括人工、跟踪、运输等其它成本。 如此高昂的价格，注定其商业化之路极为艰难。能拿出百万元买一针，对普通患者来说遥不可及。所以，支付端的多样化是必行之路。 早在此次国家站台之前，各企业已经纷纷试水商业保险。如“沪惠保”中的险种将CAR-T疗法纳入特药保障目录已经多年，参保患者最高可获50万元药品费用报销。 但是，由国家出面，通过商保创新药目录这种形式来推荐，是绝对不一样的效果。通过国家队“灵魂砍价”拿到的价格，是推荐给保险公司的，而通常保险公司也会从企业拿到折扣。 它的流程是这样的： 商保目录推荐药品明确价格——保司和药企先达成折扣——患者使用按原价支付——患者用后向保司理赔——保司按原价约定赔付患者——保司向药企按原价支付——药企将折扣款返还保司。 这套流程下来，保险公司的支出降低了，更多的患者通过保险理赔大幅降低支出，而药企的药品可及性提高了。 作为国家医保局，则通过筛选和评估，对市场上的产品进行了优劣的背书。同时亲自下场将价格打下来一些（虽然商保谈判力度要远小于基本医保力度，但整体上也有15%-50%的降幅，对于极高价格的药品，其降幅也相当可观）。 最主要的是，如果没有国家队的推荐，单靠行业间的竞争，在可及性很低的创新药领域，保险公司是不敢大刀阔斧推进的。 卸下这些包袱，最终对企业来说，虽然被砍了价，但面对目前高额的研发、生产投入和未来巨大广阔的市场，能被推荐，继续留在牌桌上，肯定是更关键的利好。 何时迎来大降价？ 影响一个创新产品从刚开始的高价到成熟应用后的低价，是有多重因素的。 对于CAR-T来说，一方面是支付渠道的破局，同时还有成本控制、技术更新迭代、资本参与投入、市场规范化运行等因素。 实际上，CAR-T的国产化不只是产品品牌，更核心的是其中的一些原料成本。比如，在关键原料上，药明巨诺已开始尝试国产供应商的替代，这将大大降低核心成本。 还有一些信息显示，国内研究团队也在主攻“通用型CAR-T”，即部分突破“一人一剂”的全定制化模式，通过技术突破，让规模化生产大幅降低成本。 同时，中国对CAR-T全产业链的看好和巨大的市场需求，也引发了阿斯利康、艾伯维等跨国药企下场收购。资本的参与将极大的推进药企研发的进度，有市场消息预估，百万级的一针将有望降至10万元内。 “虽然进了商保推荐，但这只是万里长征的第一步”，一位业内人士说。 有些情况还比想象的复杂：因为商业保险的管辖权是在金融监管部门，医保局等部门实际上不能承诺得更多，比如销量，比如具体药品和险种的结合。 但今年的医保谈判提前举行，也给了保险公司更充分的时间来做产品的设计和推广。 不管怎样，对于创新药的推广来讲，商保目录的推荐已经是一种推广和进步。当年医保局开展集采“灵魂侃价”所带来的惠民实惠可以当作参考。 非小细胞肺癌的EGFR抑制剂（吉非替尼等）就是一个先例： 进入医保前，第一代吉非替尼（易瑞沙）每月费用约1.5万元，年费用将近20万元。2017年，国家首批医保药品谈判，吉非替尼降价50%。国产仿制药（伊瑞可）进一步拉低价格。第二、三代上市并进入医保后，市场充分竞争。 如今，数百万肺癌患者需要靶向治疗的，使用该类药物的成本，已经降至每月一两千元的级别了。 所以，从“奢侈品”到“救命药”，虽然前路艰难，但CAR-T为带代表的创新药，解决的是攻克癌症这样的重大医学难题，其目前的进展和走向，还是给广大患者打了一针“强心剂”。