AI已会 思考但还不会动手当前AI已经能在数字世界生成假设与设计实验。材料科学领域已经出现自主驱动的Self - driving Lab。但在生物学领域无论上游AI多么强大其输出最终仍须被翻译为物理操作而这一过程至今仍依赖自然语言文本。这是一个半导体和软件行业几十年前就已跨越的问题。半导体设计通过Verilog和VHDL完成了从自然语言向硬件描述语言的跃迁软件工程通过类型化语言确立了可验证的稳定性。生物学一直缺少与之对应的、具备编译器验证能力的底层语言这正是当前AI驱动实验设计与可复现物理执行之间的速率限制环节。代价是清晰的。《Nature》在2016年针对1,576名研究者的调查显示超过70%的人无法复现他人实验超过一半的人无法复现自己的实验。恩和团队的论文进一步将问题归纳为三个维度协议精确度、协议验证、跨平台可迁移性。科学的累积源于方法可被复现与忠实传递。若协议无法被无歧义表达与跨环境复用AI生成的实验设计就无法稳定落地。BPL设计: AI负责生成BPL - COGEN负责仿真与验证近日恩和科技在《bioRxiv》发布Biology Protocol LanguageBPL及其生成管线BPL - COGEN首次为生物实验协议建立了一套形式化的语言体系打通了Physical AI进入物理世界的标准接口。BPL是专为生物实验协议设计的可编译、可验证的形式化语言。BPL - COGEN把自然语言协议自动翻译为BPL程序由一个300亿参数微调大语言模型与确定性编译器构成生成--验证--修复闭环。BPL用形式化规范取代自然语言的歧义。在这套类型系统下所有隐性参数都必须显式声明任何违反物理规律的操作将在编译阶段直接被拦截从而避免了错误流入真实实验台。为配合这一语言体系团队构建了BPL - COGEN自动化编译器。它将一个300亿参数微调大语言模型与确定性编译器耦合在生成--验证--修复的闭环机制中自然语言SOP被归一化转换为BPL根据编译器诊断反复修正直到所有物理、量纲、状态约束全部满足。LLM负责理解科学家的意图编译器负责验证物理世界的约束。实验验证多维度证实三大难题的解决团队从三个层面对BPL - COGEN进行系统性验证。大规模文本评测在300篇《Nature Protocols》论文上BPL - COGEN实现95.1%的首轮一致性。经2轮编译 - 仿真闭环达98.6%的迭代正确率。分子生物学验证同一份BPL源码同时编译至手动操作与自动化设备两种执行上下文均产生可复现的实验结果。证明了协议在执行模态上的可迁移性。分析化学迁移验证在不同设备上下文之间迁移后类胡萝卜素的表征获得了可比的分析结果验证了协议的设备无关可迁移性。这三项验证共同确认BPL与BPL - COGEN同时解决了长期困扰行业的协议精确度、可验证性、跨平台可迁移性三大核心难题。在SAION物理AI平台中的定位BPL是恩和SAION物理AI平台认知--控制--执行三层架构中执行层的标准接口。向下它下发指令到生物铸造厂的自动化设备与人类操作员向上它回流结构化的实验执行数据驱动认知层与控制层的持续进化。结合此前SAION AI平台在文献阅读到质粒设计与湿实验组装的100%正确率、质粒构建90%成功率BPL的引入使物理AI闭环的执行层首次具备了可验证、可迁移的标准协议基础。在AI 生物制造全球图景中的意义生物制造领域AI技术的核心价值在于能否真实推动兑现数千万元乃至数亿元的经济效益。当AI真正驱动产业链、产品、订单的经济价值兑现时它在产业中才获得存在的意义。BPL的提出是恩和把AI兑现产业价值落到执行层的具体动作。据相关机构预测至2035年全球生物制造市场规模将达到约6万亿美元。纵观工业史所有制造业从作坊走向工业化的关键点都伴随着形式化协议标准的建立。作为首个具备编译时物理验证 跨平台可迁移双能力的工程级方案BPL为这一万亿级赛道的标准化推进提供了关键基础设施。正如研究团队在论文中所指出的BPL - COGEN提供了生物领域物理具身AI所需的关键基础。只有当AI能够以一种可被验证的语言说清楚自己想做什么自主实验室代理才在工程上成为可能。生物制造的工程边界正被重新定义。关于恩和科技Bota恩和科技Bota是一家全球领先的物理人工智能Physical AI驱动的生物制造公司致力于将生物技术打造为可靠、可规模化的工业生产力引擎。通过整合人工智能、合成生物学与工业化的端到端能力Bota开启了生物制造研发与生产的新范式。打造了全球首屈一指的物理智能驱动的生物铸造厂涵盖了从菌株工程、工艺开发到规模化生产的全过程 -- 将复杂的生物学转化为适用于食品、营养、个人护理及更多行业的可规模化解决方案。Bota与全球客户携手提供更绿色、更高效的生物解决方案加速行业普及并共同推动向可持续未来的转型。