11 月 19 日,天津大学发布了一个叫「天华开物」的模型,参数 560 亿。
天津日报、科技日报、中新社的报道里写着同一句话:这是合成生物领域第一个公开发布的酶设计大模型。
酶是干什么的。洗衣服要耐高温的酶,做药要立体选择性极高的酶,做材料要耐有机溶剂的酶。传统办法是从自然界里找,找到再一遍遍试。
参数从 8 亿涨到 560 亿
据科技日报报道,天津大学 2021 年启动酶设计模型研发,2024 年做出 8 亿参数的基座模型,2025 年到 70 亿,之后联合北京智谱华章完成扩容,现在是 560 亿。
三年,70 倍。
这个速度放在通用大模型里不算稀奇。放在一个垂直领域里,值得多说一句:酶的数据不是爬来的。
天津大学合成生物技术全国重点实验室主任元英进院士的说法是,这是自主构建的基座模型,不是在已有模型上微调。
训练底座是实验室和产业一线攒下来的酶序列、结构、反应与工艺数据。这类数据量级远小于互联网文本,但通用模型拿不到。
一周出方案,三个月出菌种
发布会给出的时间表是:一周内给出酶设计方案,三个月内完成菌种定制化构建和目标产品制备工艺开发。
模型和校内的自动化实验平台接在一起,形成三个动作。
算得准,依据目标反应从头设计新酶,预测突变效应、优选改造组合;写得出,通过自动化基因合成、组装与表达,把数字设计变成酶样品;验得回,实验数据回流训练,用得越多越准。
这里有个容易被忽略的算术。560 亿参数,服务的对象是「数十种酶」——元英进院士的说法是已完成数十种酶的测试。
560 亿除以几十,每种酶摊到十几亿参数。
这是我自己按公开数字做的除法,不是校方口径。但它能说明一件事:这不是一个模型打天下的故事,是一个基座加多个任务的排布。
压缩的是设计,不是验证
一周的方案和三个月的菌种,中间隔着湿实验。
模型能算的是「哪种序列可能行」。实验室要做的是把这些序列真的合成出来、表达出来、测出活性。这一步的通量,决定整套系统的实际速度。
一个模型把候选范围从几千缩到几十,实验台位没变,总时间也不会自己缩短。
发布会上有位企业代表说了一句话,大意是按需设计能力稳定之后,企业会从「先买酶、再改工艺」变成「先定指标、再要酶」。
这句话如果成立,改的是采购流程,不只是研发流程。
到场的还有中石油、招商局集团、浦发银行、药明康德、诺和诺德、凯莱英等企业代表。这份名单本身就是信号:酶的下游不在实验室,在产线。
国产算力和私有部署
模型适配国产算力,支持本地化私有部署,企业数据不必出厂。
对生物制造企业来说,这一条可能比参数更重要。菌种和工艺数据是核心资产,没人愿意把它传到别人的服务器上。
「天华开物」下一步是面向科研界和产业界开放试用,并与企业共建行业酶库和应用标准。
标准这件事,比模型本身更难,也更慢。模型可以一年迭代一次,标准要谈好几年。
说明:本文事实取自天津大学发布会及天津日报、科技日报、中国新闻社的报道,参数与时间表均照原文,不构成投资建议。