维度网讯，恩和科技（Bota Biosciences）开发了一套可编译的生物学协议语言BPL及其代码自动生成工具BPL-COGEN，旨在让人工智能能够真正理解并执行生物实验流程。

在生物制造领域，实验室操作对精度要求极高。移液器操作、温度记录、培养皿转移等动作一旦出现单位错误、参数偏差或步骤颠倒，都可能导致实验失败。人工智能虽能帮助科学家设计实验方案，却难以真正进入实验室执行操作。这主要是因为生物实验天然缺乏标准化：不同实验员操作习惯不同，设备接口格式各异，数据结构不统一。大量实验经验仅存在于人脑中，导致实验难以复现，数据难以积累，自动化难以闭环。

此前学界曾尝试过BioCoder、Autoprotocol、Antha、LabOP等标准化方案，但存在表达能力有限、绑定特定设备或使用门槛过高等问题。恩和科技于近期在生命科学预印本平台bioRxiv发表了相关研究论文，提出了一种可编译、可验证的生物学描述语言BPL。

BPL不仅是一种描述语言，更是一种可编译语言。在实验开始前，系统会进行软件层面的实验仿真，检查单位是否正确、试剂是否存在、容器容量是否超限、步骤之间是否存在逻辑冲突。一旦发现问题，系统直接报错，而非等待实验失败后再返工。基于BPL，恩和科技进一步开发了BPL-COGEN工具，该工具可将自然语言描述的实验需求自动翻译成标准化BPL代码，随后进入编译器检查环节，经过发现错误、自动修复、继续检查、继续修复的迭代过程，直至代码通过编译与仿真校验，系统再将合规指令同步至实验室启动实体实验。

为评估实验方案生成的精准度，研究团队从《Nature Protocols》中选取了30篇经典实验方案，覆盖分子生物学、细胞培养、生化分析等领域，并专门构建了基准测试数据集。该基准测试采用大模型评审加编译器客观校验结合的模式，从内容匹配度、方案有效性、实验完整性三个维度进行评分。结果显示，同一实验重复生成10次代码，98.3%的结果完全一致，综合得分达到95.1分，其中方案有效性得分达98.7分。在编译器校验方面，该基准测试累计检出343项问题，包括单位不匹配、容器过载、试剂未定义等，模型首轮生成代码编译通过率为82.3%，最多经过三轮自动修复后整体通过率达到98.6%，仅1.4%的问题无法修复。

恩和团队还完成了两项湿实验验证。一是将同一份BPL代码分别转为人工操作说明书和自动化移液机执行脚本，两套体系的测序与荧光检测结果无显著差异。二是在液相色谱实验中，系统将原本32分钟的分析流程自动转换成2.1分钟的超高效方案，5种脂溶性物质全部实现基线分离，分离顺序与原方法完全一致。

基于BPL语言，恩和科技发布了面向生物制造领域的Physical AI平台SAION AI。该平台定位为AI科学家，由三层架构组成：认知层负责理解科学问题和生成实验方案，控制层负责BPL编译、校验和任务编排，执行层负责驱动真实实验设备完成操作。在菌株工程场景中，SAION AI可将单个研发项目从传统模式每年约500个菌株实验的效率，提升至单个项目同期可落地30万组实验，实现全程无需人工干预的实验执行与数据回流。

恩和科技2019年成立于杭州，早期同步建设了Physical AI驱动的生物铸造厂Cell2Cloud，覆盖菌株工程、工艺开发到规模化生产全流程。该系统持续产生千万级真实实验数据，并连接百万级文献与专利知识。公司创始人兼CEO崔好本科毕业于加拿大多伦多大学，拥有哈佛医学院与MIT联合培养的医学工程与医学物理博士学位，博士期间曾以第一作者或核心作者身份在《Science》《Nature Nanotechnology》《PNAS》等期刊发表论文，并持有合成生物学与自动化实验相关发明专利。

2021年，恩和科技完成1亿美元B轮融资，投资方包括红杉中国、五源、源码、百度、美团、巴斯夫、经纬等。目前该公司已与新和成、SYENSQO、伊利、BASF、珀莱雅、百雀羚等企业在食品、营养健康、个人护理等领域展开合作。

业界将BPL与半导体产业的电子设计自动化（EDA）进行类比。在EDA出现之前，芯片设计高度依赖工程师经验，验证成本高、试错周期长；EDA的价值在于将芯片设计转化为可描述、可验证、可仿真的数字资产。BPL在生物制造领域的作用与此类似，其不仅是提高实验效率的工具，更是一套面向产业未来的底层基础设施，让AI从仅为实验提供推理建议，转变为能够自主完成湿实验操作的AI科学家。