2026年3月31日，第五届中国合成生物学及生物制造大会暨 Life China 第三届功能食品与营养科学大会在杭州举行，由恩和科技（Bota）与synbio深波联合发起的“AI+生物制造专场”分论坛同期举办。分论坛现场座无虚席，汇聚上海交通大学、西湖大学、华大生命科学研究院等学术机构，以及天鹜科技、智峪生科、分子之心等产业方代表，围绕生成式AI、蛋白质设计、系统生物学与产业化落地路径展开讨论。

作为联合发起人，恩和科技 AI & Computation 总监宋任剑主持专场，并发表主题演讲《物理AI驱动生物制造：释放自然的潜能》。在这场讨论中，AI不再只是一个被反复提及的技术关键词，而开始呈现出更明确的产业指向。

在主旨演讲环节，宋任剑指出，过去AI在生命科学中的价值主要体现在“理解”生命，而当前正加速从辅助分析走向参与设计与构建，逐步进入真实物理世界的研发与生产流程。这意味着生物制造正迈向“可计算、可预测、可工程化”的智能新阶段，AI正在从“理解生命”走向“参与构建生命”。

恩和提出并实践的路径是其自研的面向生物制造领域的物理人工智能平台——SAION AI。围绕SAION AI平台，恩和正在构建一个贯穿设计、实验、优化与放大的完整体系，使AI不仅能“理解”生命，参与决策与“控制”，还能够落实到物理世界驱动流程的“执行"。通过与恩和Cell2Cloud生物铸造厂的结合，模型与实验系统之间形成持续的数据反馈关系，从而实现真正意义上的模型闭环迭代，并已赋能恩和在实际的商业化项目中取得突破性进展。

在以“从数据到复杂生命：AI重塑生命科学与生物制造的未来”为主题的圆桌讨论环节中，生物制造的复杂性被进一步凸显。西湖大学研究员肖方舟老师指出，生物系统的数据呈现出高噪声与强不确定性，因此细胞代谢流控制建模应从“精确预测”转向“区间控制”，以实现更具鲁棒性与可泛化的工程结果。智峪生科CTO郑良振表示，AI落地的关键不在于进一步复杂化模型本身，而在于通过物理机制或经验模型得到令人信服的结果，再对其进行“可解释转译”，从而建立研发团队对AI的认知与信任。华大生命科学研究院蛋白质计算与设计平台负责人贺贝贝博士也提到大模型已能在小数据条件下显著提升蛋白设计成功率，但AI距离成为科学家仍缺乏研究方向的判断能力与“品味”。恩和资深研发总监陈长廷也认同生物制造并不存在可普适迁移的通用模型，不同项目的核心问题差异显著。他强调未来应以开放心态推进人机协作，通过持续迭代提升模型与系统理解能力。

制造行业正处在一个重要的过渡阶段。AI已经不再只是提升效率的可选工具，而正在成为影响研发方式的基础设施，未来，它将重新定义生物制造的研发范式，效率边界与产业形态。”

作为“AI+生物制造专场”的联合发起方之一，恩和与深波所推动的，不仅是一次技术交流，更是一种围绕关键问题展开的跨学科协同与路径共识的构建。生物制造正在从以经验为核心的研究范式，逐步转向以计算与系统工程为基础的产业体系。这条路径依然漫长，也充满不确定性。但恩和将继续围绕Physical AI赋能生物制造展开探索，与更多同行一起，在真实世界中推进这一转变的持续发生。