AI学会“乌鸦喝水”？合成生物学重写生命语言？这场沙龙直面“可生成的生命”

当年引发震动的科学前沿，

如今正以“AI × 生命科学”的方式，

在这里继续展开，

一场关于前沿交叉的探索接力悄然延续。

交叉、高价值、引领。这是上海市科委副主任屈炜在发言中强调的三个关键词。本次沙龙旨在营造一个敢于设想、深度思辨的交流场。沙龙由上海市科学技术委员会指导、上海科学技术交流中心主办，由临港实验室研究员、上海交通大学长聘教轨助理教授郑双佳与市科委相关处室深入讨论后主动发起。

“我们鼓励青年科学家们在此突破学科壁垒，围绕生成式AI与生命科学融合等先锋议题，进行高密度、高价值的思维碰撞，以激发真正的原始创新，探索科研无人区。”屈炜说。

生成式AI为何成为生命创制的关键起点？在主持发言中，郑双佳率先抛出核心命题。2022年后，生成式人工智能不仅重塑了语言和视觉，也改变了生物设计的逻辑。“生成式AI已能理解并重写DNA语言。”他以斯坦福团队利用Evo模型设计出更强耐药性的噬菌体基因组为例，表明AI正从“生成分子”迈向“生成生命”，成为生命创制的起点。

从生命语言的学习到生命行为的预测，需要的不只是算法，更需要对生命系统结构的重新理解。上海交通大学教授洪亮把话题推进了一步，他认为AI正从“工具”变成“提出科学假设的主体”。这意味着生命科学的工作方式正在发生范式迁移。

“大模型已经能提出科学假设、能辩论、能仲裁，还能给出验证路径。”复旦大学特聘教授应天雷从免疫治疗出发，将“AI的生成能力”与“免疫系统的复杂性”联系起来。他提醒大家，真正的目标不是生成一个新分子，而是生成“既新颖、又不被免疫排斥的分子”。

“我不能创造的，我就不能理解。”在模型底层能力的建设上，字节跳动Seed团队高级研究员郑在翔则展示了将序列和结构统一的多模态蛋白质大模型。扩散蛋白语言模型的建立，让蛋白结构与序列的双向生成成为可能，也为更大尺度的生命生成提供基础能力。

合成生物学与新生命创制的讨论，从临床最迫切的问题开始铺开。

复旦大学上海医学院副院长朱同玉用一个印象极深的病例，将“生命设计”从实验室拉回到病床前。那是一位术后反复感染、三年不敢洗澡的病人。朱同玉尝试了看似“最古老”的噬菌体局部治疗。两个星期后，鼓出的脓肿消失了。他提到，目前团队已在全国治疗约400例耐药菌感染，难治性肺克、鲍曼、铜绿等病例均在其中。随着国家重大专项启动，他更关心工程化噬菌体的未来——让噬菌体从单一株靶向，走向“特种兵级”的多靶点能力，这是临床走向生命创制的现实需求。

从病毒转向RNA的可编程，华东理工大学教授陈显军将重点放在RNA如何与AI协同。他坦言：“RNA结构预测难，从头设计更难。”他分享了团队自主开发的荧光RNA技术，不仅能实时追踪RNA的生成和折叠，还为AI模型训练提供了更真实、更高效的实验反馈。这种“看得见”的RNA技术，不只是实验工具，更像一把钥匙，让模型不再在黑盒中摸索。

在蛋白质层面，上海交通大学长聘教轨副教授倪俊关注的则是人工多酶复合体的协同效率问题。他和团队通过构建100种酶间连接方式，提出空间临近性的新参数“DO值”，并建立预测产率的线性模型，使得产率提升超过1.2倍。这一工具已被上百家科研机构采用，为分子设计与工程效率之间建立起一座通路。

上海人工智能实验室研究员董楠卿的视角则更具“俯瞰感”。“三个月内，我们在水稻、玉米中发现数十个关键基因。”他分享了我国首个种业大模型“丰登”(SeedLLM)如何通过大模型提升基因功能预测与实验设计效率。“大模型像鹦鹉学舌，AGI则是乌鸦喝水。”他认为，AI科学家不只是辅助工具，而是科研认知逻辑的重构者。

从噬菌体的精准清除，到RNA的光控与可视化，从多酶复合体的组装策略，到B细胞免疫语言的重构，不同尺度的研究像拼图一样逐渐拼出生命系统的“可设计性”。这不仅是分子层面的理性设计，更是迈向全局生命系统建模与创制的一步步试探。每一个“可预测、可生成、可验证”的点上，都可能是未来生命设计的新起点。