一燊
一、技术原理
定义与核心机制：
Profluent 的核心技术逻辑是：用生成式大模型重新设计蛋白质与基因编辑系统。
他们训练了一个名为 ProGen3 的生物语言模型，可以像 GPT 写文章那样，生成具有特定结构和功能的新蛋白质；
并在此基础上，推出了 OpenCRISPR-1 —— 世界上第一个由 AI 生成的、开源的基因编辑酶。
换句话说，Profluent 不仅让 AI “读懂生命”，而是让 AI 参与进化过程本身。
形象化比喻：
如果人类的生物技术是“雕刻基因”，Profluent 就是让 AI 学会“创作生命”。
它不是修补自然，而是在写出“自然的续集”。
一句话本质：
从“理解生命”到“共创生命”。
二、美国谁在做
代表企业：Profluent Bio
成立时间： 2022 年，总部：加州伯克利
创始人： Ali Madani（原 Salesforce AI Research 科学家）
核心产品：
ProGen3： 生物大语言模型，能生成新型蛋白质序列与结构。
OpenCRISPR-1： 世界首个由 AI 生成的 CRISPR 酶，性能优于部分自然变体。
BioForge 平台： 面向外部科学家的蛋白生成 API。
融资情况：
2023 年获 Lux Capital、Insight Partners、NVIDIA Ventures 投资，累计融资超 6000 万美元。
合作方： Berkeley Lab、NVIDIA BioNeMo、AWS GenAI。
象征意义：
Profluent 是“AI×生物学”的真正分水岭公司——它让“生命模型”像开源软件一样被复制、共享、改进。
三、做到哪期
阶段： 已在实验室验证 OpenCRISPR-1 的基因编辑活性；处于临床前阶段。
关键节点：
2024 年 4 月发布 OpenCRISPR-1，并将全部模型权重与序列开源；
与多家科研机构联合验证其编辑效率与脱靶率；
预计 2025 年底将推进首个 AI 生成酶的商业化合作项目。
阶段意义：
从“AI辅助科研”到“AI生成科研成果”的第一次范式跨越。
四、为什么中国这里没做到
技术差距： 国内蛋白生成模型多停留在 AlphaFold 模仿阶段，缺乏真实生成能力。
开源文化： 中国科研体系重成果报批、轻开放共享，难以形成开源协作生态。
伦理监管： AI 生成基因编辑酶涉及生物安全审批，尚无明确政策路径。
算力成本： 训练生物大模型需百亿参数级算力和分子模拟GPU集群，门槛极高。
跨界壁垒： 生物学家与AI工程师尚未形成高效共创团队，缺乏复合型领军人才。
五、中国可以怎么补位 / 投资 / 合作
技术补位： 支持国内研究机构建立“ChinaBioLM”项目，用中文生物序列语料训练本地模型。
临床补位： 与海外开源项目（如OpenCRISPR）联合，在安全监管范围内验证中国特有基因型。
合作方向： 通过与 Profluent/NVIDIA 合作，使用 BioNeMo 框架在国内搭建生物大模型算力节点。
政策建议： 设立“AI生物安全标准体系”，允许AI生成序列在监管沙箱内进行低风险验证。
资本策略： 组建“生物开源创新基金”，投资开源工具、开放数据库与模型共研项目。
长线价值：
AI生成生物体系将成为全球科研的“第二操作系统”——谁掌握了它的生态主权，谁就能定义生命的未来。
S.L