AI生物研发进入“操作系统时代”，许锦波团队MoleculeOS正式开放

允中 发自 凹非寺 | 量子位
公众号：QbitAI

AI生物研发领域正迎来其“Windows时刻”。生物时代式开

曾经，进入AI仅作为辅助科学家进行结构预测、操作抗体设计的系统许锦“单点工具”存在；如今，它已演变为统筹全局的波团“操作系统”。

7月2日，生物时代式开在2026上海国投前沿论坛上，进入分子之心创始人许锦波教授正式向产业界开放其自研的操作AI原生生物经济操作系统——MoleculeOS（MOS）。

这不仅是系统许锦系统的发布，更释放出一个关键信号：生物研发基础设施正在被重新定义。波团

在此架构下，生物时代式开AI的进入角色从生物规律的“预测者”蜕变为研发流程的“组织者”。传统的操作“筛选试错”式分子发现正逐步退出历史舞台，一个具备更高确定性的系统许锦“分子创造”时代，由这款AI原生操作系统正式开启。波团

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

从工具智能到系统智能：重构AI制药与生物制造研发范式

近年来，AI在蛋白质结构预测、抗体设计、分子生成及功能优化等领域屡获突破，充分验证了算法理解生命科学的巨大潜力。

然而，在真实的产业场景中，模型突破并不等同于研发效率的跃迁。

一项典型的大分子研发任务，涵盖靶点分析、序列建模、结构预测、结合界面判定、突变设计、亲和力评估、稳定性评估、可开发性分析及实验验证等复杂环节。过去，这些环节分散于不同工具与团队之间，研发人员需手动调度流程，且结果难以统一沉淀。

这种传统的“工具栈+人工调度”模式，已成为AI技术向产业价值转化的核心瓶颈。

MoleculeOS是一个面向生物研发的AI操作系统。

它基于分子之心自研的AI模型体系，以项目目标为入口。AI通过自主解析使用者的生物学意图，自动拆解任务、统一调度系列模型，执行结构预测与分子设计，并经过多维度科学评估给出决策建议，最终沉淀出可追踪、可复盘的研发链路。

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

MoleculeOS的核心变革在于，将“研发意图”作为系统入口。

研究人员无需再上传序列或结构文件执行单一预测，而是直接提出目标（如：提升抗体亲和力、针对特定靶点生成候选分子）。系统将在统一的生物物理上下文中，围绕目标自动拆解任务，调度模型完成从结构预测到候选分子推荐及下一步决策的系统性工作。

这意味着，AI不再仅执行单步计算，而是开始组织完整的研发流程。

过去高度依赖个人经验的判断过程，被系统记录为可追踪、可复盘、可复用的研发资产。对企业而言，这不仅是效率的提升，更意味着研发体系具备了更强的标准化、协同化与可扩展能力。

更重要的是，MoleculeOS将每一次从“研发意图”到“最终结论”的完整链路，自动沉淀为结构化研发资产。

当团队启动新项目时，历史项目的计算参数、筛选逻辑和决策依据均可被直接调用——

研发不再是零开始的重复劳动，而是在一套持续积累的体系中加速迭代。

这正是操作系统区别于普通工具集的根本所在。

自研模型集群构筑底层能力：从理解生命规律到设计功能分子

MoleculeOS的底层能力，源于分子之心在蛋白质基础大模型、蛋白质结构预测和分子设计方向的长期深耕。

围绕“序列—结构—功能—进化—相互作用—生成设计”全链条，分子之心构建了覆盖全流程的自研模型体系，主要包括：

• 多模态蛋白质基础大模型 NewOrigin（达尔文）
• 全原子大分子复合物结构预测模型 MMFold
• 面向纳米抗体、酶和功能蛋白的生成式设计模型 MMDesign

在结构预测方面，分子之心自研的全原子大分子结构预测模型MMFold，在FoldBench基准测试中，针对172个抗体–抗原界面实现了68.6%的预测成功率，显著领先于AlphaFold3等国际主流模型。

在分子设计方面，其抗体从头设计平台在12个靶点测试中，实现了在每个靶点仅测试不超过50个候选分子的极低通量条件下，靶点成功率超过90%。这一成果将AI大分子设计从依赖大规模随机筛选，推向“低通量、高命中率、可编程设计”的新范式。

更为关键的是，在MoleculeOS中，这些模型并非孤立存在，而是被统一组织进AI原生操作系统中。系统以最终研发目标为导向，综合分析序列适应性、结构稳定性、进化保守性、亲和力变化及可开发性等指标，为每个候选分子提供清晰的判断依据。

从技术验证到产业应用：低门槛接入推动规模化价值落地

“对于AI生物技术而言，模型指标固然重要，但真正决定产业价值的，是能否在真实研发中稳定产生有效候选、缩短周期并降低试错成本。”分子之心创始人许锦波教授指出。

许锦波是全球蛋白质结构预测领域的开创者之一。早在2016年，他便提出RaptorX-Contact方法，率先证明深度学习可显著提升蛋白质结构预测精度，被业界视为AlphaFold等预测模型的重要方法学先驱。

他认为，当前AI生物技术的竞争核心，已从单点模型能力转向系统级研发基础设施。

一个明确的信号正在释放：AI大分子设计的竞争，不再仅仅是“生成更多分子”，而是“更准确地生成值得实验验证的分子”。

在本次面向产业界开放前，MoleculeOS已作为分子之心内部工程化底座，支撑多项创新药和生物制造项目。

在一个免疫检查点抗体优化项目中，研究人员只需输入靶点和研发目标，系统即可自动完成候选生成、结构预测、多维评估和推荐。

传统流程中需多名研究人员跨工具协作、耗时数周的工作，在MoleculeOS中可压缩至数小时。

计算完成后，项目结果可一键分享至湿实验团队，包含完整计算链路与可视化分析——彻底消除了从干实验到湿实验决策依据的二次转述依赖。

此次MoleculeOS正式开放，标志着分子之心决心将内部验证成熟的AI原生操作系统推向更广泛的产业场景。

创新药、生物制造、合成生物学等领域的团队，可围绕自身需求，以低门槛获取MoleculeOS的系统能力。

分子之心表示，未来将持续开放更多模型能力与智能研发模块，与产业伙伴共同探索AI原生操作系统赋能研发的新范式。

(责任编辑：探索)