AI生物研發進入“操作系統時代”，許錦波團隊MoleculeOS正式開放

允中 發自 凹非寺
量子位 | 公眾號 QbitAI

AI生物研發，正在迎來它的“Windows時刻”。

過去，AI是幫科學家做結構預測、抗體設計的“單點工具”；而現在，它正演變為統領全局的“操作系統”。

7月2日，在2026上海國投前沿論壇上，分子之心創始人許錦波教授正式面向產業界開放其自研的AI原生生物經濟操作系統——MoleculeOS（MOS）

這不僅是一個系統的發布，更釋放出一個明確的信號：

生物領域的研發基礎設施，正在被重新定義。

在這里，AI的角色從生物規律的“預測者”，蛻變為研發流程的“組織者”。

傳統的“篩選試錯”式的分子發現正步入歷史，一個更具確定性的“分子創造”時代，正由這款AI原生操作系統正式開啟。

試用入口：https://mos.moleculemind.com/login

從工具智能到系統智能：重構AI制藥與生物制造的研發模式

過去幾年，AI在蛋白質結構預測、抗體設計、分子生成和功能優化等方向不斷突破，證明了算法理解生命科學的巨大潛力。

但在真實產業場景中，模型突破并不等于研發效率躍遷。

一個典型的大分子研發任務，往往涉及靶點分析、序列建模、結構預測、結合界面判斷、突變設計、親和力評估、穩定性評估、可開發性分析和實驗驗證等眾多環節。

過去，這些環節分散在不同工具和團隊之間，研發人員需要手動調度流程，結果也難以統一沉淀。

傳統“工具棧+人工調度”模式，正成為AI技術向產業價值轉化的核心瓶頸。

MoleculeOS是一個面向生物研發的AI操作系統

它基于分子之心自研的AI模型體系，以項目目標為入口，AI通過自主理解使用者的生物學意圖，自動拆解任務、統一調度系列模型、執行結構預測、分子設計等任務，經過多維度科學評估給出決策建議，并沉淀可追蹤、可復盤的研發鏈路。

試用入口：https://mos.moleculemind.com/login

MoleculeOS的核心變化，是把“研發意圖”作為系統入口。

研究人員不再只是上傳一個序列或結構文件執行單一預測任務，而是直接提出目標：例如提升抗體親和力、或針對特定靶點生成候選分子。

系統會圍繞目標自動拆解任務，在統一的生物物理上下文中調度模型，完成從結構預測到推薦候選分子及下一步決策建議的系統性任務。

這意味著，AI不再只是執行單步計算，而是開始組織完整研發流程。

過去高度依賴個人經驗的判斷過程，也可以被系統記錄為可追蹤、可復盤、可復用的研發資產

對于企業而言，這種變化不僅是效率提升，更意味著研發體系開始具備更強的標準化、協同化和可擴展能力。

更重要的是，MoleculeOS將每一次從研發意圖到最終結論的完整鏈路，自動沉淀為結構化研發資產。

當團隊啟動下一個項目時，歷史項目的計算參數、篩選邏輯和決策依據都可以被調用——

研發不再是從零開始的重復勞動，而是在一套持續積累的體系中加速。

這正是操作系統區別于工具集的根本所在。

自研模型集群構筑底層能力：從理解生命規律到設計功能分子

MoleculeOS的底層能力，來自分子之心在蛋白質基礎大模型、蛋白質結構預測和分子設計方向的長期積累。

圍繞“序列—結構—功能—進化—相互作用—生成設計”，分子之心團隊構建了覆蓋全流程的自研模型體系，包括：

• 多模態蛋白質基礎大模型NewOrigin（達爾文）
• 全原子大分子復合物結構預測模型（MMFold）
• 面向納米抗體、酶和功能蛋白的生成式設計模型（MMDesign）

在結構預測方向，分子之心自研的全原子大分子結構預測模型MMFold，已在FoldBench基準測試中針對172個抗體–抗原界面實現了68.6%預測成功率，相較AlphaFold3等國際主流模型顯著領先。

在分子設計方向，其抗體從頭設計平臺在12個靶點中，實現了在每個靶點僅測試不超過50個候選分子的極低通量條件下，靶點成功率超過90%，將AI大分子設計從依賴大規模隨機篩選，推向“低通量、高命中率、可編程設計”的新范式。

更重要的是，在MoleculeOS中，這些模型并非孤立工具，而是被統一組織到一個AI原生的操作系統中，實現以最終的研發目標為導向，綜合分析序列適應性、結構穩定性、進化保守性、親和力變化和可開發性等指標，為每個候選分子提供清晰的判斷依據。

從技術驗證到產業應用：低門檻應用推動規模化價值落地

“對于AI生物技術而言，模型指標固然重要，但真正決定產業價值的，是能否在真實研發中穩定產生有效候選、縮短周期并降低試錯成本。”分子之心創始人許錦波教授表示。

許錦波是全球蛋白質結構預測領域的開創者之一，早在2016年就提出RaptorX-Contact方法，率先證明深度學習可以顯著提升蛋白質結構預測精度，被業界視為AlphaFold等預測模型的重要方法學開創者。

他認為，當前AI生物技術競爭的核心，已經從單點模型能力，走向系統級研發基礎設施。

一個明確的信號正在釋放：AI大分子設計的競爭，不只是“生成更多分子”，而是“更準確地生成值得實驗驗證的分子”。

在本次面向產業界開放前，MoleculeOS已作為分子之心內部工程化底座，支撐多項創新藥和生物制造項目。

在一個免疫檢查點抗體優化項目中，研究人員只需輸入靶點和研發目標，系統即可自動完成候選生成、結構預測、多維評估和推薦。

傳統流程中需要多名研究人員跨工具協作、耗時數周的工作，在MoleculeOS中可壓縮至數小時

完成計算后，項目結果可一鍵分享至濕實驗團隊，包含完整計算鏈路與可視化分析——讓從干實驗到濕實驗的決策依據不再依賴二次轉述。

此次MoleculeOS正式開放，也意味著分子之心決心把內部驗證過的AI原生操作系統推向更廣泛的產業場景。

創新藥、生物制造、合成生物學等領域的團隊，可以圍繞自身需求，低門檻獲得MoleculeOS的系統能力。

分子之心表示，未來將持續開放更多模型能力與智能研發模塊，與產業伙伴共同探索AI原生操作系統賦能研發的新范式。