AI生物研发迎来“操作系统时刻” MoleculeOS开放赋能产业

AI生物研发领域，正在迎来标志性的“Windows时刻”。过去，人工智能只是辅助科学家完成蛋白质结构预测、抗体设计等单一任务的工具；而如今，它正全面升级为统领全研发流程的操作系统级平台。

7月2日，在2026上海国投前沿论坛上，生物科技领域的专家许锦波教授正式面向全球产业界开放自研的AI原生生物经济操作系统——MoleculeOS（简称MOS）。这一系统的发布，不仅标志着一款全新技术的问世，更释放出一个清晰信号：生物研发的基础设施正在被彻底重构。

生物领域的研发基础设施，正在被重新定义。

在这套系统中，AI的角色不再只是生物规律的“预测者”，而是升级为研发流程的“组织者”。传统依靠“筛选试错”的分子发现模式即将成为历史，一个更具确定性的“分子创造”时代，正由这款AI原生操作系统正式开启。

过去几年间，AI在蛋白质结构预测、抗体设计、分子生成与功能优化等领域不断取得突破，证明了算法在理解生命科学规律上的巨大潜力。但在真实的产业研发场景中，单点的模型突破并不等于研发效率的真正跃迁。

一个典型的大分子药物研发任务，往往涵盖靶点分析、序列建模、结构预测、结合界面判断、突变设计、亲和力评估、稳定性评估、可开发性分析与实验验证等数十个环节。过去，这些环节分散在不同的工具、不同的团队之间，研发人员需要手动调度跨工具的工作流程，不仅效率低下，研发结果也难以统一沉淀和复用。这种“工具栈+人工调度”的传统模式，已经成为AI技术向产业价值转化的核心瓶颈。

MoleculeOS正是针对这一痛点打造的面向生物研发的AI操作系统。它基于研发团队自研的全栈AI模型体系，以项目研发目标作为系统入口：AI会自主理解使用者的生物学意图，自动拆解研发任务、统一调度系列AI模型、执行结构预测与分子设计等核心工作，经过多维度的科学评估后给出决策建议，同时完整沉淀可追踪、可复盘的全研发链路。

试用入口：https://mos.moleculemind.com/login

这款系统最核心的变革，在于将“研发意图”作为唯一的系统入口。研究人员不再需要上传单个序列或结构文件来执行单一的预测任务，而是可以直接提出明确的研发目标——比如提升某款抗体的亲和力，或是针对特定靶点生成候选功能分子。

系统会围绕这一目标自动拆解任务，在统一的生物物理上下文环境中调度所有相关模型，完成从结构预测到候选分子推荐，再到下一步决策建议的全系统性流程。这意味着，AI不再只是执行单步的计算任务，而是开始组织起完整的研发全流程。

更重要的是，过去高度依赖个人经验的研发判断过程，现在可以被系统完整记录为可追踪、可复盘、可复用的结构化研发资产。对于企业而言，这种变化不仅带来了研发效率的提升，更让研发体系具备了更强的标准化、协同化与可扩展能力。每一次从研发意图到最终结论的完整链路，都会被自动沉淀为可复用的资产，当下一个项目启动时，历史项目的计算参数、筛选逻辑与决策依据都可以直接调用。

研发不再是从零开始的重复劳动，而是在一套持续积累的体系中加速。

这正是操作系统区别于零散工具集的根本所在。

MoleculeOS的底层能力，来源于研发团队在蛋白质基础大模型、蛋白质结构预测与分子设计方向的长期技术积累。围绕“序列—结构—功能—进化—相互作用—生成设计”的全研发链路，团队构建了覆盖全流程的自研模型体系，包括：

• 多模态蛋白质基础大模型NewOrigin（达尔文）
• 全原子大分子复合物结构预测模型（MMFold）
• 面向纳米抗体、酶和功能蛋白的生成式设计模型（MMDesign）

在结构预测方向，自研的全原子大分子结构预测模型MMFold，在FoldBench基准测试中针对172个抗体—抗原界面实现了68.6%的预测成功率，相较AlphaFold3等国际主流模型实现了显著领先。

在分子设计方向，其抗体从头设计平台在12个靶点的测试中，实现了在每个靶点仅测试不超过50个候选分子的极低通量条件下，靶点成功率超过90%，将AI大分子设计从依赖大规模随机筛选的模式，推向了“低通量、高命中率、可编程设计”的全新范式。

值得注意的是，在MoleculeOS中，这些自研模型并非孤立的工具，而是被统一整合到AI原生的操作系统中。系统会以最终的研发目标为导向，综合分析序列适应性、结构稳定性、进化保守性、亲和力变化与可开发性等多项指标，为每一个候选分子提供清晰的判断依据。

“对于AI生物技术而言，模型的单项指标固然重要，但真正决定产业价值的，是能否在真实研发场景中稳定产出有效候选分子、缩短研发周期并降低试错成本。”许锦波教授表示。

作为全球蛋白质结构预测领域的先驱者之一，许锦波早在2016年就提出了RaptorX-Contact方法，率先证明深度学习可以显著提升蛋白质结构预测的精度，被业界视为AlphaFold等后续主流预测模型的重要方法学开创者。他指出，当前AI生物技术领域的竞争核心，已经从单点的模型能力比拼，转向系统级研发基础设施的构建。

“现在AI大分子设计的竞争，早已不只是‘生成更多分子’，而是‘更准确地生成值得投入实验验证的分子’。”他补充道。

在正式面向产业界开放前，MoleculeOS已经作为内部工程化底座，支撑了多项创新药与生物制造项目。在一个免疫检查点抗体优化项目中，研究人员仅需要输入靶点信息与研发目标，系统就能自动完成候选分子生成、结构预测、多维评估与最终推荐的全流程。传统流程中需要多名研究人员跨工具协作、耗时数周的工作，在MoleculeOS中被压缩至数小时即可完成。

完成计算后，项目结果可以一键分享给湿实验团队，包含完整的计算链路与可视化分析结果，让从干实验到湿实验的决策依据不再需要依赖二次转述，大幅提升了跨团队协作的效率与准确性。

此次MoleculeOS正式面向产业界开放，标志着研发团队将内部验证过的AI原生操作系统能力，推向更广泛的产业场景。创新药研发、生物制造、合成生物学等领域的研发团队，都可以围绕自身需求，以极低的门槛获得这套系统的能力支持。

试用入口：https://mos.moleculemind.com/login

研发团队表示，未来将持续开放更多模型能力与智能研发模块，与产业伙伴共同探索AI原生操作系统赋能生物研发的全新范式。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。