SAION AI是杭州恩和生物科技有限公司於2026年3月發布的一個面向生物製造領域的物理人工智慧平台。該平台集認知、規劃與執行為一體，能夠根據科研目標設計實驗方案，並通過其自研的生物標準協定語言驅動生物鑄造廠中的設備完成標準化實驗，形成“設計-執行-學習”的閉環。其核心架構包含認知層、控制層與執行層，融合了實驗數據與科學模型。該平台參與了多項國際生命科學AI基準測試，其全流程實驗的正確率超過90%，其套用涉及生物製造領域的相關研究。
基本介紹
- 外文名：SAION AI
- 類型：物理人工智慧平台
- 發布者：恩和科技
- 發布時間：2026年3月11日
平台功能,重要事件,架構設計,性能表現,套用與影響,
平台功能
SAION AI並非停留在虛擬設計的AI智慧型體或單一執行的實驗自動化工具，而是一個包含認知、控制與閉環執行能力，能實現自主設計、直接參與並最佳化生物發現與生產工藝的Physical AI平台。它能根據科研意圖生成可執行的實驗方案，通過恩和自研的生物標準協定語言（Biology Protocol Language，BPL）直達生物鑄造廠，標準化地完成真實實驗，並在數據閉環回流中持續進化，以解決生物製造領域研發及生產鏈路冗長、工序繁多、數據割裂，高度依賴人工經驗與反覆試錯的行業挑戰。
重要事件
2026年3月，杭州恩和生物科技有限公司（恩和科技）發布了一個面向生物製造領域的物理人工智慧（Physical AI）平台SAION AI。其中，2026年3月11日，恩和科技通過美通社等渠道發布了該平台。
該平台的發布，與生物製造領域探索數位化與智慧型化套用的趨勢相關。
架構設計
在架構設計上，SAION AI以Physical AI為核心理念，構建了由認知層（Cognition Layer）、控制層（Orchestration Layer）和閉環執行層（Closed-loop Execution Layer）組成的協同進化架構（COE Model）。認知層基於Cell2Cloud生物鑄造廠積累的數據，融合了真實項目閉環實驗數據、文獻與專利，並整合了NCBI、UniProt、PubMed等生物專業資料庫，系統整合了AlphaFold、ProteinMPNN、RFDiffusion、ESMFold等多類AI4Science模型，覆蓋蛋白結構預測、序列生成、代謝通路分析、酶工程與發酵數據建模等能力。控制層核心為Agent Harness智慧型體編排引擎，以大語言模型推理為核心，調度多智慧型體協作、工具調用與任務執行，可將複雜科研目標解析為結構化任務圖，並基於菌株開發與生物製造經驗構建Workflow Skills，同時平台整合了多種專業科研工具，通過智慧型工具路由實現模型與算法能力的動態組合。執行層通過生物標準協定語言（BPL），將SAION AI生成的實驗方案轉化為標準化實驗指令並驅動設備執行，實現研發計畫到實驗操作的自動化流轉，系統通過對接Biofoundry API調度移液工作站、培養與檢測設備，實驗數據會被自動解析並結構化回流平台，通過強化學習驅動模型最佳化，形成Design–Build–Test–Learn（DBTL）閉環。
SAION AI通過上述三層架構，旨在實現各層之間的調度與協同，以套用於生物製造工業場景。該架構在多項國際生命科學AI基準測試中取得數據，例如在文獻理解（LitQA與SuppQA）測試中平均準確率為70.7%，在生物序列分析（SeqQA）測試中準確率為88.2%，在基因工程與實驗設計（Gene Editing與Cloning Scenarios）測試中平均準確率為84.9%，在科學發現與推理（BAIS-SD）測試中準確率為89.6%。在實驗驗證中，SAION AI完成了從文獻閱讀到質粒設計及濕實驗組裝的全流程任務。
性能表現
根據公開信息，SAION AI在多項國際生命科學AI基準測試中取得了當前最優（SOTA）的結果，並在真實實驗驗證中展現出較高的準確率。
SAION AI在文獻理解（LitQA與SuppQA）測試中平均準確率達70.7%，在生物序列分析（SeqQA）測試中準確率達88.2%，在基因工程與實驗設計（Gene Editing與Cloning Scenarios）測試中平均準確率達84.9%，在科學發現與推理（BAIS-SD）測試中準確率達89.6%。在真實實驗驗證中，SAION AI能自主完成從文獻閱讀到質粒設計及濕實驗組裝的全流程任務，正確率超過90%。
其測試結果優於GPT-5.3、Opus 4.6等通用大模型，也高於史丹福大學Biomni平台報告的81.9%準確率。
套用與影響
在一個項目的研發過程中，傳統實驗模式下一個實驗員一年可完成約500個菌株實驗，而通過AI驅動的方式則可以完成30萬個菌株實驗，有助於提升研發效率。AI平台的套用，有助於推動生物製造這個傳統上依賴“老師傅經驗”和“反覆試錯”的行業，向可標準化、可復現的工程科學階段發展。其套用有助於縮短生物技術產品的研發周期，降低研發成本，並將科學家從重複性勞動中解放出來，聚焦於更富創造性的工作。
相關AI技術與企業合作，形成了“AI生物研發—合成生物製造—功效原料創新—美妝產品套用”的全鏈路創新範式。
