发酵技术是生物制造的核心手段，为了保证发酵质量，通常需要人类工程师根据常年积累的经验，24小时不间断地进行手动调控。

　　近日，上海交通大学李金金教授团队打造了“基于迁移学习和物理可解释的小样本AI工业自动控制系统”（AI自控系统，ManuDrive），并落地转化，使用“AI工程师”将时间维度引入工业发酵过程，实现了AI动态调控，通过在复杂的生物发酵过程中能动态调控参数，实时生成未来每一个时刻的最优发酵方案，进而大幅度提升了工业发酵产量。

　　将“时间维度”引入AI，推动产业转型升级

　　在实际落地应用中，ManuDrive使发酵罐的发酵产量实现了大幅度的提升，同时生产过程中的波动也得到了极大幅度的降低，工厂的生产稳定性和效率都显著增强。这改变了传统的发酵调控模式，不再需要人类工程师手动去进行每个小时的发酵调控工作，而是借助人工智能向中控系统发送操作指令，大大提高了调控的效率与精准度；通过AI调控所生成的方案更加科学有效，对原先以经验为主的生物发酵方案进行了进一步优化。同时，人工智能的调控具备持续迭代的优势，基于ManuDrive所产生的高质量数据，AI又能够持续进行反馈和迭代，使得发酵产量不断提升，形成了一个不断输入新数据、提升产量，再输入新数据、进一步提升产量的良性循环，进一步推动产业转型升级。

　　ManuDrive将“时间维度”引入到工业控制领域当中，攻克了生物发酵这一复杂且动态过程里实时预测与精准调控的国际难题，显著提高发酵稳定性和产量。“随着AI技术与生物制造的深度融合发展，发酵生产正逐步从以往依赖经验的‘试错模式’向依靠数据驱动的‘智能模式’转变。它不仅对原有的生产流程进行了重新塑造，更在生物制造领域催生出了一场意义深远的技术革命，为整个行业的未来发展开辟了更为广阔的前景。”李金金表示。

　　低成本“AI大脑”可适应企业轻量化部署

　　据李金金介绍，不同于主流AI大模型需依赖数千乃至上万块GPU卡才能运行的高耗能模式，ManuDrive凭借创新算法架构，仅需十几张GPU卡，配合传统AI模型中5%的数据量，就能实现连续、精准的推理预测。这一突破不仅大幅削减企业在算力资源上的资金投入，更显著降低智能化改造成本，让中小型企业也能以低成本部署高效 “AI工业大脑”。

　　在国产化适配层面，该系统深度兼容国产算力服务器，从硬件底层到算法框架实现全链路自主可控。系统充分发挥国产算力设备的性能优势，在保障运算效率的同时，摆脱对进口算力设备的依赖。这种轻量化部署与国产算力的结合，使企业无需担心算力基础设施的高昂建设成本与维护压力，可快速完成系统部署与调试，加速智能化转型进程。