兴业证券,东吴证券,浙商证券,西南证券,华创证券,信达证券,广发证券,中泰证券,海通证券,中信证券,民生证券,国盛证券,华泰证券,国联证券,德邦证券,国金证券,开源证券,上海申银万国,中国银河证券,中国国际金融,财通证券,中信建投证券,东海证券

一、上海交通大学博士李金金女士介绍了人工智能与微结构实验室及团队技术优势,提出AI硅基虚拟工程师,将AI与川宁生物的生产力结合,赋能上海研究院的研发,解决未来合成生物学新产品研发的卡脖子问题,提高川宁生物的生产力。

二、川宁生物总经理邓旭衡先生简要介绍与金珵科技合作的主要内容及进展规划,未来通过AI赋能合成生物学研发,提高效率、降低成本,找到最优实验方案,实验结果更精准。

三、问答环节

1、请问公司现有产率和理论值还有多大差别?

现行数据已经在AI模型上进行多轮计算,结果将很快反馈,目前还没有明确的理论值。如果能够顺利实现AI赋能目标,未来川宁生物有可能可以满足全球硫氰酸红霉素的供应需求,相信同时能大幅提高成本效益。

2、金珵科技AI模型是基于第三方的L0级模型搭建L1级模型,还是只做专业化的小模型?

李老师团队在AI端云协同进化平台上,以Alpha-bio大模型为基底,上游赋能了近100个专业模型,每个专业模型都是实验室自主开发,用于解决具体Science领域专业科学问题。

3、传统发酵和AI人工智能结合的预期时间节点?AI应用到产品上的投入金额有多少?

现在主要聚焦在硫氰酸红霉素的发酵上,模型的建立大概需要1-2个月,实验预估需1-2个月,预计上半年会反馈成果。未来硫氰酸红霉素还会持续做迭代。同步也会做青霉素类中间体和头孢类中间体的合作。前期是做工艺优化,后续还要打造AI硅基虚拟工程师,AI技术方面投入金额预计在千万元以内。

4、与其他公司相比,AI赋能合成生物学的优势在哪?

AI基于海量数据的持续学习能力和在未知空间的智能探索能力,对合成生物学的基因编辑效率、代谢途径优化、生产过程优化、蛋白质设计等方面均具有较大提升作用,有效契合了当前合成生物学降本增效需求。目前李老师的团队与川宁生物已达成排他性合作。

5、Alpha-bio多长时间迭代一次?垂直模型的迁移能力和泛化能力如何?

Alpha-bio模型参数量达100亿级别,迭代次数约2个月/次,在生物学领域泛化能力很强,已在多个领域得到应用,迁移微调即可应用于其他品类,包括应用于小分子、抗体以及多肽、酶工程等。根据目前实测情况可解释性和泛化能力良好。

6、关于生成式AI在医药领域应用未来发展路径?

AI在生物医药领域的发展是协同并存的,通用性模型已经涌现,但主要应用场景仍在传统领域,如计算机识别、图像处理、金融模型等。人工智能通用性模型能够快速发展的优势在于欧美等地区有大量数据支持。生物医药领域存在很多细分领域,数据获取非常困难,金珵科技的专业模型通过可解释性和小数据迁移可以达到与大模型相同的预测精度,解决国际上的关键卡脖子问题。

7、人工智能带来突发性创新实验结果方面的可能性?

人工智能成果体现在提升人类对领域理论认知上,让人们尽早了解理论上限,在产业发展和AI的合作中这种突发性创新实验结果会更加频繁出现。

8、公司研发费用相对较低,未来计划如何加大研发投入以及投入方向?

针对研发费用问题,公司表示核心研发将聚焦在合成生物学产品的研发上,同时增加投入到AI规划、数据工程师等领域。随着研发团队扩大和项目增多,未来研发费用还会增加,但会与医药行业研发占比相匹配,将其控制在合理水平。