一个人工智能垂类小模型，让一家发酵企业的生产效率在原先已达人类工程上限的基础上又实现了指数级别提升，且使工业发酵过程从原先的“黑箱”变成可控过程，企业一跃成为全球发酵行业的链主企业。

　　由上海交通大学人工智能与微结构实验室教授李金金带领团队打造的“基于迁移学习和物理可解释的AI工业自控系统”（AI工业制造工程师，ManuDrive）让人工智能大模型在全球最大的抗生素中间体发酵企业的产线落地，这个可根据复杂的生物发酵过程随时生成最优发酵方案的模型，可为企业带来了上亿级别的经济效益。

　　发酵技术堪称生物制造的核心，事关食品、医药、能源、化工等多领域。全球发酵市场规模达7千亿美元，中国生物发酵产业规模稳居全球首位，年产量超7000万吨，氨基酸、维生素等核心产品占全球总量60%-80%。在医药领域，生物发酵是抗生素（如青霉素）、疫苗、基因治疗载体等生产的核心工艺。但是由于生物发酵是一个多维度、非线性的复杂过程，长期以来，工业发酵都是“黑箱”过程，全凭工程师的经验来调控，一家发酵企业往往需要几十位年薪百万的发酵工程师。

　　李金金团队基于工厂的有限数据，构建ManuDrive模型，开创性地首次将“时间维度”引入到工业控制领域中，并且通过人工智能技术对这些数据不断反馈迭代、再学习，形成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，成功攻克了生物发酵这一复杂动态过程中的实时预测与精准调控的国际难题。

　　以抗生素发酵的七天周期为例，在发酵进行到第20小时，ManuDrive就能生成从第21小时、第22小时、第23小时，一直到最后的第150小时的完整发酵操作方案，并且在这种最优发酵方案下得到的发酵产量远超人类的工程师。而过去，这样的发酵过程是需要人类工程师每个小时都去手动调控，即便如此，工程师也仅仅只能凭借经验来完成。

　　如今，随着AI技术与生物工业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。ManuDrive将生物制造产业推动至“模型定义生产”的全新阶段，有望为整个生物制造行业的未来发展开辟更为广阔的前景。同时，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”。

　　最后，ManuDrive也具备极强的可复制性，由于它引入了时间维度，可以通过生成式人工智能和迁移学习强势介入其他跟时间相关的工业制造中，如合成生物、生物制药、机械制造企业等，帮助企业的工程师找到工程生产过程中对应产量上线方案，增加企业利润的同时，增强企业的核心竞争力，为企业注入新的动力。