顶刊生物实验难复现？统一操作话术来了！编译通过率 98.6%

📌 一句话摘要

恩和科技开发了标准化生物学协议语言 BPL 和自动生成工具 BPL-COGEN，结合 Physical AI 平台 SAION AI，解决生物实验难以重复和自动化的核心问题。

📝 详细摘要

文章以生物实验难以标准化、顶刊论文复现困难的现实问题为切入点，介绍了恩和科技（Bota Biosciences）研发的 Biology Protocol Language（BPL）——一种可编译、可校验的生物学协议描述语言，类比为「生物实验的 Python」。BPL 支持编译时仿真，提前发现单位错误、容器过载、试剂未定义等逻辑问题，大幅降低湿实验试错成本。基于 BPL 的代码自动生成工具 BPL-COGEN，可从自然语言实验方案自动生成标准化代码，并经多轮自动修复后编译通过率达 98.6%。团队从《Nature Protocols》选取 30 篇经典方案构建基准测试，同一实验重复生成 10 次代码一致率 98.3%，方案有效性得分 98.7。湿实验验证显示，同一份 BPL 代码可同时驱动人工操作和自动化移液机，结果无显著差异。在此基础上，恩和推出全球首个面向生物制造的 Physical AI 平台 SAION AI，由认知层（理解问题/生成方案）、控制层（BPL 编译校验）、执行层（驱动设备）三层构成，实现从文献分析到实验执行再到数据回流的全闭环。公司同步建设了生物铸造厂 Cell2Cloud，已积累千万级真实实验数据，并与新和成、伊利、BASF 等企业建立合作。文章认为，BPL 如同生物制造领域的「EDA」，把经验转化为可验证的数字资产，是 AI 迈入物理世界的关键基础设施。

💡 主要观点

- BPL 语言将自然语言实验方案转化为可编译、可校验的标准化协议代码，解决生物实验不可重复的根源。 传统生物实验描述存在模糊性（如「轻轻混匀」「适量」），不同团队执行结果难以一致。BPL 通过精确语法和编译检查，提前发现逻辑错误，确保实验可被工程化、可重复。

BPL-COGEN 自动生成代码后经多轮修复，编译通过率达 98.6%，显著降低科研人员编程门槛。 从《Nature Protocols》选取 30 篇经典方案构建基准测试，模型首轮通过率 82.3%，经最多三轮自动修复后整体通过率 98.6%，仅 1.4%问题无法修复。湿实验验证进一步确认方案有效性。

SAION AI 平台实现「AI 科学家」闭环：从理解问题、生成实验方案到驱动设备执行并回流数据，无需人工干预。 平台分认知层、控制层、执行层，以菌株工程为例，单项目可同期落地 30 万组实验，效率远高于传统人工模式。底层依赖生物铸造厂 Cell2Cloud 积累的真实实验数据飞轮。

BPL 可类比生物制造领域的 EDA，有望成为支撑 AI 驱动生物制造的底层基础设施。 EDA 曾把芯片设计从经验依赖转化为可描述、可仿真的数字资产，BPL 在生物制造中扮演类似角色，使 AI 第一次真正理解并执行湿实验，推动产业从「经验驱动」走向「数字驱动」。

💬 文章金句

- BPL 之于生物实验，有点像 Python 之于编程。

• 没有 EDA，就不会有今天的半导体产业。而今天的生物制造，正处在类似阶段。
• 只有完成这层转换，实验才能被工程化，才能被重复。

📊 文章信息

AI 初评：82

来源：量子位

作者：田, 晏林

分类：人工智能

语言：中文

阅读时间：19 分钟

字数：4660

标签： BPL, 生物制造, 实验室自动化, 合成生物学, LLM

阅读完整文章