文章详细阐述了人工智能（AI4S）在合成生物学与生物制造全链路的融合应用创新实践。通过瑞德林生物公司的案例，展示了 AI 如何渗透到从原料创新（如胶原三肽的核心片段挖掘、控油多肽的靶点驱动筛选）、工业酶（玻色因手性分离、NAD+限速酶稳定性）的高效设计与改造，到产品功效机理深挖、人体功效智能化评价，以及面向终端市场的智能配方“配方精灵”和数字化工厂建设。文章强调 AI4S 通过算力、算法与高质量生物数据深度布局，使合成生物学从“经验驱动”转变为“数据与逻辑驱动”，实现了专业经验的去中心化，推动生物制造走向“确定性时代”。
揭秘AI4S如何攻克玻色因手性分离与核心限速酶稳定性难题，开启生物智造的“确定性时代”。
作者丨岑峰
2026年1月9日，“第四届合成生物学及生物制造大会”在深圳光明隆重召开。在“AI生物制造专场”上，深圳瑞德林生物技术有限公司研发BG总裁，高级科学家李加忠做了题为《人工智能在合成生物领域的融合应用创新实践》的主旨演讲。
当前，合成生物学已进入从“万物生长”到“万物智造”的跨越期，而 AI for Science（AI4S） 正是驱动这一变革的核心引擎。李加忠在报告中指出，合成生物学本质上是人类获取物质方式的范式转移，而AI的介入，正在将这种转移从“经验驱动”彻底重塑为“数据与逻辑驱动”。
在李加忠看来，AI4S在合成生物领域的应用绝非仅仅局限于酶工程的局部优化，而是应当渗透进从分子发现、生物代谢逻辑解析到工业化量产的全生命周期。他系统性地展示了瑞德林如何通过AI4S重塑生物制造的底层逻辑。在原料创新阶段，AI通过对人体28种胶原蛋白、45条单链进行海量穷举与频次分析，在2800多组三肽序列中精准定位核心功能片段。这种基于生物物理特征的数字化建模，让研发告别了盲目试错，实现了从“内插模拟”到“功能外推”的质变。
以工业酶的设计为例，李加忠分享了瑞德林利用拥有1600万条数据的工业酶数据库，通过深度学习算法对蛋白质结构进行理性改造。在玻色因（Pro-Xylane）的构型控制和NAD+生产中限速酶的热稳定性提升上，AI展现出了惊人的算力价值——不仅实现了手性构型的精准分离，更将酶的催化效率提升了134倍。这不仅是算法的胜利，更是AI4S将生物学机理与计算科学深度耦合，突破生命系统非线性瓶颈的典型案例。
李加忠还提出了AI4S向工业后端延伸的“智能配方”与“数字工厂”概念。通过构建拥有600万条数据的配方大模型“配方精灵”，瑞德林成功将高度依赖专家经验的化妆品研发转化为可计算、可预测的自动化过程。这意味着，AI4S正在打破实验室与市场之间的壁垒，将科学发现的确定性传递至终端应用。
李加忠总结道，合成生物学是一个极端复杂的交叉学科，AI4S通过在算力、算法与高质量生物数据三个维度的深度布局，正在实现专业经验的去中心化。作为一家人工智能赋能的高科技企业，瑞德林正通过这种全链路的AI赋能，推动生物制造从“偶然发现”跨越到“必然创造”的新纪元。
以下为李加忠在“第四届合成生物学及生物制造大会”上的演讲实录，限于篇幅，AI科技评论进行了不修改原意的编辑：
人工智能在合成生物领域的融合应用创新实践
演讲人：深圳瑞德林生物技术有限公司研发BG总裁，高级科学家李加忠
下面我给大家讲一讲《人工智能在合成生物领域的融合应用创新实践》。人工智能的价值实际上已渗透进合成生物学的每一个神经末端，通过结合瑞德林的产业实践，我将系统性地阐述人工智能在不同场景下的应用逻辑。
回顾人类获取物质模式的历史演进，我们经历了从最初的天然产物提取，到石油化学产业支撑的化学合成，再到发酵技术催生的生物合成。在这一范式变迁中，合成生物学作为一种工程化手段，其核心在于对生物过程的重构与优化。值得注意的是，生物合成与合成生物学虽有交集，但其内涵并不等同。在这一链条中，酶无疑是最为核心的元件。合成生物学在技术上主要围绕酶的筛选、改造以及近年来获得诺贝尔奖肯定的“酶从头设计”展开研究，这些工作构成了学科的基石。然而，瑞德林的实践证明，人工智能的赋能远不止于此。
在瑞德林的整体布局中，我们构建了多维度的技术矩阵。首先是处于研发前端的“原料创新平台”。在这一阶段，我们的核心任务是确定“合成什么”，即寻找具有市场潜力的目标产品。这一过程可以借助计算机辅助药物设计（CADD）的思路和逻辑，人工智能被广泛应用于靶点识别、分子筛选、功效预测等关键环节。紧随其后的是生物合成研究”，致力于解决“如何合成”的问题。通过对代谢流的模拟、酶底盘细胞的工程化设计、骨架调控，乃至虚拟细胞与自动化实验的协同，我们力求在实验室阶段找到生物合成过程的最优路径。
当研究从实验室走向生产端，便涉及到了“生物制造”的规模化应用。目前合成生物学的生产模式主要分为酶催化和全细胞合成两种，这在产业界通常表现为大规模的发酵和催化工艺。在这一智能制造领域，人工智能的应用场景同样丰富。例如，通过AI驱动的自动化排产系统与自动化生产控制流程，我们能够显著提升工厂的运行效率。
不仅如此，当产品完成制造后，如何进入不同的应用领域、如何适配全球各地的准入法规与合规注册、以及针对化妆品等终端市场的配方研发与制剂优化，这些“应用解决方案”同样需要人工智能的深度参与。
为了实现上述全链条的AI驱动，瑞德林早在2020年便前瞻性地组建了数字化团队，并在算法、算力、数据三个维度展开深度布局。2021年，首个自主算法模型正式上线，同年第一个数字化研发系统投入使用。2022年，瑞德林在英国设立子公司，专注于人工智能算法的前沿研究。进入2023年，人工智能酶筛选辅助系统成功上线，实现了对酶的溶解性、活性、稳定性等核心指标的精准预测，多项大模型技术也随之落地。2024年，我们将AI的应用边界进一步拓展至制造基地的高效运营。
2025年是我们数字化转型的重要年份。我们不仅推出了行业领先的“数字产品经理”和“配方精灵”，更荣获了具有极高管理水平代表性的“拉姆·查兰人工智能应用实践奖”。目前在瑞德林，每一位员工都拥有专属的人工智能工作助手，这不仅是技术的落地，更是企业管理逻辑的重塑。这种全链条、平台型的布局，要求我们必须跨越人工智能、计算机辅助设计、酶工程、下游工艺、发酵控制等多个复杂的前沿交叉学科。
在数据资产方面，我们建立了极具竞争力的生物信息资源库，拥有超过56亿条蛋白序列信息。最为核心的是我们针对工业应用建立的酶数据库，其规模已达1600万条，这在工业酶领域处于全球领先水平。通过这些深厚的积累，我们将人工智能的应用归纳为六大典型场景：
首先是智能挖掘新原料；其次是工业酶的高效设计与改造；第三是深挖功效机理与机制解释；第四是人体功效评价的智能化辅助；第五是针对不同应用领域的产品服务优化；第六则是企业的经营智能化。瑞德林在这些场景中均积累了丰富的实战案例，我们希望通过这些创新实践，与行业共同探讨人工智能如何更深度地重构合成生物学的产业格局。
在人工智能驱动原料创新研究的维度上，瑞德林的探索不仅停留在理论层面，更沉淀为多个极具产业价值的实战案例。这一过程展现了两种截然不同但互为补充的研发路径。
首先是以胶原三肽为代表的“核心片段挖掘”路径。胶原蛋白作为生物制造领域的明星分子，其三螺旋结构早已被学界熟知，但在产业化应用中，如何找到功效最强、最易吸收的微小片段始终是核心挑战。
基于胶原蛋白基本的G-X-Y氨基酸重复序列，我们对人体内已知的28种胶原蛋白进行了深度解构。这28种胶原蛋白共涉及45条独特的氨基酸单链，我们利用人工智能对这些长链进行了详尽的穷举与重组。通过对每一个可能的三肽组合进行滑窗式截取，我们构建了一个包含2,826组三肽序列的庞大候选库。
随后，研发团队引入了频次分析算法，基于“高频出现往往预示着核心功能活性”的逻辑，对这些组合进行了统计排序。
在锁定了GPHyp、GPA、PAG等一系列高频出现的G-序列多肽后，我们将其从数字模型转化为真实实体，进行了系统性的功效验证。这些经过AI精选的胶原三肽（GPHyp）不仅分子量极小，能够显著提升透皮吸收率，更在促进人体I型、III型、IV型及VII型胶原蛋白合成方面展现出卓越的生物活性，同时对基质金属蛋白酶（MMP）表现出高效抑制作用。这种多效合一的特性，使其不仅成为化妆品领域的高端活性原料，更在口服美容与大健康市场展现出巨大的潜力。
如果说胶原三肽的成功源于对天然结构的“拆解与优选”，那么我们的第二个案例——控油多肽的发现，则代表了人工智能在“老原料新用”与“靶点驱动筛选”上的范式跨越。在皮肤控油研究领域，传统的筛选往往盲目且低效。通过对皮脂腺代谢机理的深入研究，我们识别出了四类核心靶点，涵盖了生长因子、性激素、神经内分泌等多个维度。在这些靶点中，黑素皮质素受体5（MC5R）因其在皮脂腺细胞表面的高度特异性表达，被我们锁定为最优靶标。
基于MC5R这一特异性靶点，瑞德林开启了一场计算机虚拟筛选。我们将国际与国内化妆品原料目录中的已知分子、公司自有的多肽产品库以及自然界中可提取的天然多肽等多种数据进行了整合，形成了超过7万个小分子的筛选矩阵。依托强大的算力平台，我们进行了超过2,000万次的分子对接模拟，并通过高精度的算法对每一个分子的结合能进行动态打分。
在这一过程中，AI展现出了惊人的洞察力：在一个被传统行业长期定义为“去黑眼圈、去眼袋”的成熟功效成分中，模型捕捉到了其对MC5R靶点极强的结合潜力。随后的人体功效实验证实，该原料在控油维度的表现远超预期，这种“老药新用”式的发现，最终催生了我们名为“ReClear T5”的创新产品，并荣获了2025年“中国好原料”大奖。
在原料分子设计的成功基础之上，如何优化生产过程中的催化核心——工业酶，则是瑞德林人工智能布局的又一高地。目前，我们已整合了超过100种先进算法，支撑工业酶的精准筛选与理性改造。以高价值化合物S-玻色因的生物合成为例，该路径涉及的原始酶普遍存在溶解度低、热稳定性差等痛点，严重制约了大生产的经济性。
针对这些工程难题，我们通过AI驱动的蛋白质结构优化，对酶的稳定性与催化活性进行了系统重塑。工业酶也必须在复杂的反应环境中保持构象的完整性。通过多轮数字化迭代与实验反馈，我们实现了里程碑式的突破：该酶的溶解性提升了90%，催化活性增强了85%，更为关键的是，其热稳定性得到了本质提升，在50摄氏度的高温下依然能保持极高的催化效能。
这一技术进步直接赋能了我们第三代玻色因（S-玻色因）的产线升级。作为日化行业的顶尖原料，玻色因的每一次迭代都代表着合成生物学与生物制造的最高水平，而AI的介入，无疑将这种生产力的进化推向了新的巅峰。通过这种从分子发现到酶促工艺的全链路智能化，瑞德林正在重新定义生物制造的边界。
同样的逻辑也应用在抗衰领域核心物质NAD+的生产中。大家熟知的NMN在体内仅需一步即可转化为NAD+，但在工业化生产NAD+的过程中，如何突破关键限速酶的热稳定性瓶颈是行业公认的难题。通过对该限速酶的深度研究与理性改造，我们使其在38摄氏度的生产环境下，催化效率惊人地提升了134倍。这种对底层生物催化元件的极致优化，为NAD+的大规模、高效工业化生产提供了坚实的保障。
当产品从实验室走向市场，如何科学地验证并表征功效，是人工智能赋能的第四个核心场景。在人体功效研究中，我们引入了先进的图像处理算法，旨在解决功效评估的数字化与可视化难题。无论是肌肽的提亮效果，控油产品的实际表现，紧致功效的表征等方面，AI都能提供比肉眼观察更直观、更精确的数据支持。例如在抗衰与紧致功效的评估上，算法可以对脸部轮廓进行精确建模与对比，甚至通过综合指标计算出受试者的“表观年龄”。这种基于数字化表征的反馈，不仅让科学研究更接近市场需求，也为消费者提供了可量化的价值参考。
除了研发与评估，人工智能正深入渗透进瑞德林的精准服务体系中，尤其是针对化妆品配方这一极具经验壁垒的领域。长期以来，全球化妆品行业对配方的研发高度依赖配方师的个人经验。然而，面对国际化妆品目录中超过3万种、国内目录中近9000种的庞大原料库，人类大脑很难实现原料间的最优配比与科学组合，且各国法规的差异进一步增加了研发难度。
针对这一痛点，瑞德林构建了拥有超过600万条配方数据的海量数据库，并据此开发了“智能配方师”——配方精灵。这并非简单的计算工具，而是一个深度学习了行业 Know-how 的专家系统。它可以根据用户的特定需求自动生成配方建议，也能对现有配方进行逻辑优化，甚至能实现对大牌配方的精准解析与模仿。配方精灵的出现，标志着化妆品研发从“经验驱动”向“智能驱动”的范式转变。
此外，我们在企业内部也普及了智能化办公助手，每位员工都拥有专属的个人助理大模型。通过上传个人工作相关的文献资料，AI可以根据特定的岗位背景提供精准的问题反馈，极大地提升了组织运行效率。
这种全方位的AI赋能，最终沉淀为瑞德林丰富的产品矩阵和行业地位以及高科技属性。我们利用合成生物学技术量产了涵盖氨基酸类、肽类、糖类、脂类及核苷酸类在内的全套生物活性物质。这些产品广泛应用于大健康、精准农业、中医药、宠物动保及新材料等多个领域。特别是在生命科学前沿领域，我们生产的司美格鲁肽、替尔泊肽等长效多肽原料，在技术水平上已处于全球领先地位。而在营养健康线，我们的产品如麦角硫因、NAD+等四五十种原料已经实现了广泛的市场覆盖。瑞德林的愿景是构建一个多维协同的生物制造生态。在动物营养与农业种植领域，我们同样布局了高效的活性原料。
为了推动行业的整体学术进步，我们近期在SCI杂志International Journal of Molecular Sciences上主持了一个学术专刊，涵盖了多肽在化妆品、营养保健、医药及动物营养等多个方向的最新科研进展。我们非常欢迎来自企业界与科研机构的同仁积极投稿，分享多肽研究的最新成果。瑞德林愿与全球合作伙伴一起，通过人工智能与合成生物学的深度融合，不断拓宽生物制造的价值边界。
杂志：International Journal of Molecular Sciences
专刊：Peptides in Healthcare and Beyond: Emerging Roles in Skincare, Nutrition, Medicine, and Animal Health
网址：https://www.mdpi.com/journal/ijms/special_issues/957W5G211B
再次感谢大家，欢迎会后通过微信等方式开展深度交流。