近日，开源AI智能体OpenClaw（俗称“龙虾”）全网爆火。全国两会期间，高文院士感慨，“现在大家急得不得了，生怕没有养上‘龙虾’。马化腾说他也没想到，会火到这种程度。”事实上，OpenClaw的爆火并非偶然——不同于ChatGPT的问答交互，OpenClaw能直接操控本地设备，执行文件管理、代码编写等真实任务，成为24小时待命的“数字员工”。这表明：当人工智能重塑数字世界时，另一个更具突破性的力量已迈入物理世界——物理人工智能（Physical AI），一个能够感知、理解并进入真实物理环境，直接参与任务执行并做出理性决策的智能系统。

而在更为硬核的科学研究领域，同样的变革正在发生。在政策、资本、产业等协同发力下，生物制造正迎来“物理智能”的产业化拐点：政策端，国家部门接连发布《人工智能在生物制造领域典型应用案例（第一批）》《“人工智能+制造”专项行动实施意见》等政策，“AI+生物制造”已从科学探索升级为国家级、系统性产业战略；资本端，国家创业投资引导基金正式启动，财政出资1000亿元，重点投向生物制造等战略性新兴产业和未来产业；产业端，工信部披露，“十四五”期间，我国生物制造产业总规模达1.1万亿元，生物发酵产品产量占全球70%以上。

但热潮之下，行业深层矛盾日益凸显：在经典的DBTL（设计－构建－测试－学习）循环中，“设计”与“学习”已被AI深刻改造，但“构建”与“测试”仍高度依赖人工操作与离散设备。生物制造领域，仍存在研发及生产链路冗长、工序繁多、数据割裂，高度依赖人工经验与反复试错等挑战。Physical AI的出现，为行业提供了新的解题思路。不同于传统AI在数字世界的推演，Physical AI强调智能体与物理环境的实时交互、闭环反馈与自主进化。在生物制造领域，这意味着AI不仅能设计菌株，更能直接指挥自动化设备完成实验、获取数据、迭代优化，形成真正的干湿闭环。

恩和科技（Bota）的进化轨迹恰与这一趋势相合。3月9日，该公司完成品牌升级，从“恩和生物”更名为“恩和科技”。这不仅是名称的变更，更标志着其从“生物”向“科技”的跃迁——从偶然的生物发现，走向系统性的工程智能。3月10日，恩和科技正式发布全球首个面向生物制造领域的Physical AI 平台：SAION AI。

SAION AI并非停留在虚拟设计的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，能实现自主设计、直接参与并优化生物发现与生产工艺的 Physical AI 平台。它能根据科研意图生成可执行的实验方案，通过恩和科技自研的生物标准协议语言（Biology Protocol Language，BPL）直达生物铸造厂，标准化地完成真实实验，并在数据闭环回流中持续进化，以解决生物制造领域研发及生产链路冗长、工序繁多、数据割裂，高度依赖人工经验与反复试错的行业挑战。这不仅是一次产品发布，更标志着生物制造行业从“经验驱动的反复摸索”迈向“数字与硬件交互感知、迭代跃进的智能工程”。

在架构设计上，SAION AI 以 Physical AI 为核心理念，构建了由认知层（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）。

这一架构可类比当前 Physical AI 领域广受关注的自动驾驶VLA模型（Vision–Language–Action模型）。VLA 模型构建了原生多模态大模型下的统一架构与认知推理能力，打破了传统模块化与规则驱动的范式，催生了高效数据进化与智能应用场景的涌现。SAION AI通过恩和科技自研的三层架构，实现内在统一调度与协同，使其能够在复杂和长链路的生物制造工业场景中，依托数字维度对生命系统的多尺度深度认知、智能任务编排与工具调度，直达物理维度的任务执行与数据反馈，形成平台内自我优化的智能闭环。

认知层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。系统整合 AlphaFold、ProteinMPNN、RFDiffusion、ESMFold 等多类 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，使 SAION AI 能够贯通基因—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。

控制层核心为Agent Harness 智能体编排引擎，以大语言模型推理为核心，统一调度多智能体协作、工具调用与任务执行。系统可将复杂科研目标解析为结构化任务图，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。同时，平台已整合316 种专业科研工具，通过智能工具路由实现模型与算法能力的动态组合，并通过Checkpoint 与容错机制支持长时间复杂科研流程稳定运行，构成 SAION AI 的科研决策与任务调度中枢。

执行层通过恩和自研生物标准协议语言 - BPL，将 SAION AI 生成的实验方案转化为标准化实验指令并直接驱动设备执行，实现研发计划到实验操作的自动化流转。系统通过对接 Biofoundry API 智能调度移液工作站、培养与检测设备，并实时监控实验进度与设备状态。同时，实验数据会被自动解析并结构化回流平台，通过强化学习驱动模型持续优化，形成Design–Build–Test–Learn（DBTL）闭环，不断强化 SAION AI 的科研能力提升与知识资产积累。

通过这一架构，SAION AI 将科研认知、智能决策与物理实验执行深度融合，全方位构建面向生物制造的AI 驱动闭环系统。

具体到生物科研的各个流程中，SAION AI 在多项国际生命科学AI基准测试上，均取得行业领先（SOTA）表现，系统性验证了其作为 AI Scientist 的核心科研能力。在文献理解、生物序列推理、基因工程设计与科学发现等关键科研任务中，SAION AI 均显著领先通用大模型和多项专业模型。

在 LitQA (Lab-Bench) 与 SuppQA (Lab-Bench) 基准测试中达到70.7%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，以及科研优化的模型 Stella 公开评测结果（LitQA 65.0%）。

在 SeqQA (Lab-Bench) 基准测试准确率达到88.2% ，领先当前主流基座模型，超过公开评测成绩——斯坦福大学文献中发表的 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 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 BAIS-SD 基准（评估智能体是否具备生成生物科学新发现与推理的能力）测试达到89.6%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。

由于目前尚无基准测试可全面测评 AI 模型在生物实验闭环执行能力，我们通过全流程真实实验验证了 SAION AI 的物理层面的科研表现。SAION AI 已自主完成从文献阅读到质粒设计及湿实验组装的任务，并实现90%+正确率，证明其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。

综合四项核心基准测试与真实实验验证，SAION AI 在多项任务中排名第一。这些结果表明，SAION AI已具备贯穿生物科研流程的系统能力——从科学知识理解、序列分析到实验设计与科学发现，正在将AI从知识工具升级为能够驱动真实科研工作的 AI Scientist模型，显著提升生物制造研发效率并加速科学发现到物理世界的进程。

基于上述架构和技术成果，SAION AI 具备五大核心优势和特点：

SAION AI 以企业内部真实项目沉淀的千万量级私有实验数据，叠加百万量级公开文献和专利，构建起认知模型壁垒。该平台结合多个SOTA模型优势，可自主组合并链式调用多个前沿专用模型，形成自适应的目标导向工作流，将科研意图输出为可执行的技术路线，任务规划及实验方案。

SAION AI 输出的实验方案，可通过恩和科技自研的生物标准协议语言（BPL）精准转化为实验人员可标准化操作的实验工单，以及设备可直接执行的机器指令。同时，作为标准协议，BPL实现了实验方案在不同人、不同时间、不同设备间的可复现性、可追踪性，保障了实验结果数据的合规性。

菌株与生物元件是生物制造的核心资产。SAION AI可在实验设计环节，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，在实验执行过程中将 DNA 设计、菌株构建、转化、遗传信息传代等结果自动纳入数据库，形成可追溯的菌株构建路径和完整的菌株实物状态。

通过BPL标准化协议，SAION AI 将实验方案转化为机器可读指令，直接递送至恩和科技自研Cell2Cloud 生物铸造厂执行。消除传统生物实验中信息传递损耗，提升实验执行准确性与复现性，并实时监控实验进度。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。

任务执行过程中，SAION AI 能实时自主获取、追踪、分析结果数据，支持理性决策，实现物理人工智能全链条介入生物制造流程。同时，沉淀而来的专属数据以结构化、可查询、可调用的状态转化为组织数据资产，赋能内部人才培养，达到实验方案及工艺开发的精准设计，驱动SAION AI 平台的全层次持续进化。

物理人工智能（Physical AI）深度的真实场景应用，拓展了认识生命的能力，更是在根本上变革了传统生物制造的实验范式与生产逻辑。当AI的“手”真正伸入实验室，传统的“假设－验证”线性研发模式被打破，取而代之的是一个自我进化、持续增强的智能系统——每一次实验的数据回流都在强化平台的认知能力，形成越用越聪明的正向飞轮。这种持续自增强模态，正是Physical AI区别于传统自动化工具的核心特征，也是填平实验室到产业化死亡之谷的关键力量。

SAION AI 的发布标志着：生物制造开始进入数字认知、智能编排、闭环执行的持续自增强模态。在新的发展阶段中，AI不再只是研发人员的辅助工具，而是成为能够独立驱动科研流程的“智能体”；实验不再依赖个体经验，而是基于千万级数据沉淀的标准化工程；知识不再封闭于论文与专利，而是以结构化形态持续积累、即时调用。从产业演进视角看，这不仅是技术的突破，更是基础设施的重构。当数字认知与物理执行真正融合，生物制造行业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。SAION AI的正式发布，让生物制造的效率边界，彻底被重新定义。

恩和科技联系方式：bota.pr@bota.bio

 SAION AI: 面向生物制造领域的 Physical AI 平台