央广网上海5月13日消息（记者唐奇云）发酵技术是生物制造的核心手段，在食品、医药、能源以及化工等诸多领域都有着广泛的应用，是否掌握发酵领域的最新技术，决定着是否能在全球最“高精尖”的生物制造领域占得先机。而在生物发酵领域，时间是一个很大的影响因素：微生物在各个生长阶段的差异十分显著，它们的生长状态关系到整个发酵过程的成败。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”（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。

“最大的重要创新点，是我们第一次把时间维度引入到了人工智能，赋能工业体系。”在5月12日举行的上海交通大学新闻发布会上，该校集成电路学院人工智能与微结构实验室教授李金金向记者介绍道，“中国已然是制造业大国，怎么让这些制造企业享有更多的国际话语权、让他们集体实现产业升级，希望我们上海交大可以来做领头羊，以算法帮助这些企业集体实现产业升级。”

发布会现场（央广网记者 唐奇云 摄）

首将“时间维度”引入AI，催生技术革命

谈及AI时间维度建模的必要性时，李金金表示，当前AI技术以及多数应用场景，仍以静态建模任务为主，而生物发酵等大部分工业控制不是“静止”的，其状态随时间连续演化，“少了这么一个时间维度，AI模型它就没有办法解析跟时间维度有关的生产过程的变化，进而模仿人类的操控思维。”

500吨级发酵罐生产车间（央广网发 受访者供图）

记者了解到，今年4月，ManuDrive上线接管和调控500吨级抗生素发酵生产，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。以抗生素发酵7天的周期为例，在发酵进行到第20小时的时候，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，精准“预测”整个发酵过程。

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。

“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。”李金金说道。

低成本“AI大脑”，显著降低企业智能化改造成本

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。据李金金介绍，中国生物发酵产业规模稳居全球首位，年产量超7000万吨。抗生素、氨基酸、维生素等核心产品占全球总量70%左右。

Manudrive界面示意（央广网发 受访者供图）

以生物发酵行业为例，ManuDrive能精准捕捉微生物生长与环境变量间的动态关联，构建起科学严谨的预测模型，训练效率提升了数十倍，大大缩短了从模型开发到实际应用的周期。操作人员不仅能直观理解模型决策依据，还能基于因果逻辑对生产策略进行灵活调整，提升生产决策的科学性与可靠性。

这一特性在生物发酵等高风险、高成本领域尤为关键——既降低了因盲目试错带来的资源损耗，又为生产流程优化提供了坚实的理论支撑。

与此同时，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堪称为“一个低成本的AI工业大脑”。“我们仅需十几张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。”李金金表示，这一突破不仅大幅削减企业在算力资源上的资金投入，更显著为其降低了智能化改造成本。

“关于应用场景的可复制性，我们不仅可以快速地把生物发酵复制到其他发酵产业。也可以把它泛化到其他跟时间维度相关的领域中去。”李金金例举道，“比如在食品工业领域，可提高产量、降低成本，保障食品品质与供应；在大量传统制造业领域，可提升精度减少浪费；环保产业领域，可优化生物处理条件，推动达成‘双碳’目标。”

Manudrive界面示意（央广网发 受访者供图）