被英伟达点名的杭州团队，补上了AI for Science的「最后一公里」

今年4月OpenAI推出面向生命科学的GPT-Rosalind、6月Anthropic发布Claude Science、8月Anthropic公布Agent参与蛋白质设计并衔接外部实验验证的研究，国际大厂在AI for Science领域的布局正迎来新变化：AI不再只负责模型本身的计算环节，开始介入模型前后端的工作流程，能够自主分析结果、调整方案、推进任务迭代。

国际大厂接连布局 AI for Science向全科研闭环延伸

此前AI for Science的应用多停留在单点计算环节，研究人员完成蛋白质设计等任务时，往往需要自行跨多个工具查文献、调结构、下载权重、配置环境、上传计算任务，模型输出结果后还要切换工具做结构分析和筛选，判断候选分子是否值得继续推进，全流程衔接效率低、门槛高。如今头部厂商的布局明确指向科研全闭环的方向，通用大模型正在承担任务规划、结果分析、方案迭代的职责，与专业科学模型、实验验证体系形成协同。
这一趋势下，国内团队也在跟进相关探索。杭州AI蛋白质设计公司力文所近日发布的Lévin™ Harness，正是面向科研社区开放的Agent型蛋白质设计工作台，其创新路径获得了英伟达的官方点名。

力文所发布Lévin™ Harness 打造蛋白质设计专属Agent工作台

Lévin™ Harness将数据、模型、插件工具、算力和工作流整合到统一的Agent工作区中：研究人员可预先定义研究目标、方法和关键决策节点，Agent将自主推进计算任务、分析输出结果，再根据反馈自动调整下一轮实验方案，大幅降低跨环节衔接的人工成本。
产品本身不绑定特定科学模型，通用模型层保持开放，用户可自由选择适配自身需求的专业模型完成蛋白质结构预测、序列设计等计算任务；新模型和科学能力还可通过插件形式持续接入，任何开发者都可为自有模型或希望添加Agent能力的模型制作专属插件。同时，跑通的研究方法可沉淀为标准化Workflow，支持重复运行和迭代修改，方便研究团队沉淀自身经验。
针对科研场景最敏感的数据安全问题，Lévin™ Harness明确所有项目、对话、设置与API密钥均保存在用户自有设备上，对话仅发送至用户自行配置的大模型提供商，是否备份、备份至何处均由用户自主决定，力文所不会使用用户私有数据训练自有模型，从机制上保障了研究机构的研发数据安全。

“干湿一体”架构支撑 力文所打通科研全链条能力

力文所提出的产品逻辑，本质是打通AI计算设计与真实实验验证的衔接堵点。公司认为AI for Science领域的“干”（计算设计与分析）和“湿”（真实生物实验）能力必须同步建设，才能形成从算法到落地的完整闭环。
这一思路在国内AI for Science团队中较为少见：力文所成立之初就同时搭建了算法团队与湿实验团队，两端会不断互相提出新的真实需求，形成“伞形结构”——以共用的AI设计能力支撑不同专业方向和产品线，通过自建实验体系承接算法输出结果，具体研发需求再反向推动共用能力的迭代优化，实现通用能力与产品开发的相互校验。
目前力文所在杭州建设的产业化平台面积超过3000平方米，其中包含1000平方米万级洁净区，配套发酵、离心、均质、过滤、柱层析等全套实验设备，具备从实验验证、中试到规模化放大的完整能力。依托这套架构，团队已经产出多个明确的研发成果：制备的甜菊糖苷酶制剂酶转化率高达95%，生产成本较传统方案下降50%；巴西甜蛋白通过AI驱动的重组表达法替代传统植物提取，纯度达90%，成本降至传统提取法的十分之一。

开放生态拓展成长空间 力文所瞄准24小时智能研发工厂

对力文所而言，Lévin™ Harness的开放也打开了此前仅服务于内部研发的能力外溢空间：原本沉淀的内部研发经验一旦转化为可复用的插件和工作流，就有机会接入更多实验室的真实项目；不同场景下的研究方法稳定运行后，公司积累的科研与工程能力也将随产品使用范围扩大而持续增长。
力文所为该产品规划的终极目标是连接合成与实验环节，跟踪任务和样品的全生命周期，将数据收集、分析、反馈纳入持续迭代流程，逐步向“24小时的智能研发工厂”靠近。
当前AI for Science行业正形成更细化的分工体系：通用大模型负责理解目标、规划任务，专业科学模型负责核心计算，实验体系负责验证结果，单点能力的丰富也让环节之间的衔接成为新的核心痛点。力文所的探索正是瞄准这一“最后一公里”问题，通过工具化、平台化的方式降低AI能力进入真实科研场景的门槛，推动AI for Science从单点工具向全链路闭环落地。类似的全链条布局正在国内多个城市落地，9月长三角AI4S算力集群在上海启用，也标志着国内AI for Science正从单点技术突破走向全链条体系化布局，为科研闭环的落地提供底层支撑。