從代碼到產線：恩和發佈 BPL 協議語言，定義生物製造的“工業級編譯器”

雷峰網訊。近日，恩和科技在《bioRxiv》發佈Biology Protocol Language（BPL）及其生成管線BPL-COGEN，首次為生物實驗協議建立了一套形式化的語言體系，打通了Physical AI進入物理世界的標準接口。BPL是專為生物實驗協議設計的可編譯、可驗證的形式化語言。BPL-COGEN把自然語言協議自動翻譯為BPL程序，由一個300億參數微調大語言模型與確定性編譯器構成“生成—驗證—修復”閉環。在基於300篇《Nature Protocols》論文的基準測試中，BPL-COGEN實現95.1%的首輪一致性，通過2輪編譯-仿真閉環將正確率推進至98.6%。目前，相關代碼已在GitLab完全開源（MIT License）。AI已會“思考”，但還不會“動手”當前，AI已經能在數字世界生成假設與設計實驗。材料科學領域已經出現自主驅動的Self-driving Lab。但在生物學領域，無論上游AI多麼強大，其輸出最終仍須被翻譯為物理操作，而這一過程，至今仍依賴自然語言文本這是一個半導體和軟件行業幾十年前就已跨越的問題。半導體設計通過Verilog和VHDL完成了從自然語言向硬件描述語言的躍遷，軟件工程通過類型化語言確立了可驗證的穩定性。生物學一直缺少與之對應的、具備編譯器驗證能力的底層語言，這正是當前AI驅動實驗設計與可復現物理執行之間的速率限制環節。代價是清晰的。《Nature》在2016年針對1,576名研究者的調查顯示，超過70%的人無法復現他人實驗，超過一半的人無法復現自己的實驗（Baker, *Nature*, 2016）。恩和團隊的論文進一步將問題歸納為三個維度：協議精確度。典型指令中常隱藏濃度、時間、體積等多處未明分支點。幾十條此類指令疊加，使實驗可復現性完全依賴於人員的經驗補全。協議驗證。自然語言缺乏在執行前模擬物理一致性的機制，內部邏輯錯誤往往只能靠人工判斷甚至“實驗失敗”才能察覺。跨平臺可遷移性。一項跨四個實驗室的合成生物學研究發現，名義一致的協議在不同實驗室間產生了兩倍以上的轉化效率差異（Beal et al., 2016, 2020），根源不在生物本身，而在執行上下文的隱性差別。科學的累積，源於方法可被複現與忠實傳遞。若協議無法被無歧義表達與跨環境複用，AI 生成的實驗設計就無法穩定落地。BPL設計: AI負責生成，BPL-COGEN負責仿真與驗證BPL用形式化規範取代自然語言的歧義。在這套類型系統下，所有隱性參數都必須顯式聲明；任何違反物理規律的操作（如“將固態粉末加入空容器後取上清液”）將在編譯階段直接被攔截，從而避免了錯誤流入真實實驗臺。為配合這一語言體系，團隊構建了BPL-COGEN自動化編譯器。它將一個300億參數微調大語言模型與確定性編譯器耦合在“生成—驗證—修復”的閉環機制中：自然語言SOP被歸一化，轉換為BPL，根據編譯器診斷反覆修正，直到所有物理、量綱、狀態約束全部滿足。LLM負責理解科學家的意圖，編譯器負責驗證物理世界的約束。(b)Bounded agentic workflow: (1) SOP input with optional lab catalog, (2) BPL-Nano-30B code generation, (3) three-gate compiler validation (parse, semantic, and plan/validate gates), (4) diagnostic-guided repair loop (max 3 attempts), and (5) output artifact generation. (c) BPL compiler architecture: six-layer compilation pipeline.實驗驗證：多維度證實三大難題的解決團隊從三個層面對BPL-COGEN進行系統性驗證。大規模文本評測。在300篇Nature Protocols論文上，BPL-COGEN實現95.1%的首輪一致性。經2輪編譯-仿真閉環達98.6%的迭代正確率。(a) LLM validation scores across processed variants. Overall score, experiment match, protocol validity, and phase completeness all remained high (mean: 95.1). This panel establishes that BPL outputs are not only structurally regularized, but also remain faithful to the underlying experiment.(b) Compilation success rate by attempt number: 82.3% of protocols compile on the first attempt; the repair loop resolves an additional 16.3%, leaving only 1.4% unresolved after three attempts 分子生物學驗證。同一份BPL源碼同時編譯至手動操作與自動化設備兩種執行上下文，均產生可復現的實驗結果。證明了協議在執行模態上的可遷移性。GFP fluorescence measurement of cell cultures with IPTG induction. Medium: negative control without cells.分析化學遷移驗證。在不同設備上下文之間遷移後，類胡蘿蔔素的表徵獲得了可比的分析結果，驗證了協議的設備無關可遷移性。(b) HPLC chromatogram (C18, 4.6 × 250 mm, 5 μm; 32 min). (c) UHPLC chromatogram (Kinetex C18, 2.1 × 50 mm, 1.7 μm; 2.1 min). All five compounds (retinol, retinal, retinyl acetate, lycopene, β-carotene) achieved baseline resolution with preserved elution order.這三項驗證共同確認：BPL與BPL-COGEN同時解決了長期困擾行業的協議精確度、可驗證性、跨平臺可遷移性三大核心難題。在SAION物理AI平臺中的定位BPL是恩和SAION物理AI平臺“認知—控制—執行”三層架構中執行層的標準接口。向下，它下發指令到生物鑄造廠的自動化設備與人類操作員；向上，它迴流結構化的實驗執行數據，驅動認知層與控制層的持續進化。結合此前SAION AI平臺在文獻閱讀到質粒設計與溼實驗組裝的100%正確率、質粒構建90%成功率，BPL的引入使物理AI閉環的執行層首次具備了可驗證、可遷移的標準協議基礎。在AI+生物製造全球圖景中的意義生物製造領域AI技術的核心價值，在於能否真實推動兌現數千萬元乃至數億元的經濟效益。當AI真正驅動產業鏈、產品、訂單的經濟價值兌現時，它在產業中才獲得存在的意義。BPL的提出，是恩和把“AI 兌現產業價值”落到執行層的具體動作。據相關機構預測，至2035年全球生物製造市場規模將達到約6萬億美元。縱觀工業史，所有制造業從“作坊”走向“工業化”的關鍵點，都伴隨著形式化協議標準的建立。作為首個具備“編譯時物理驗證 + 跨平臺可遷移”雙能力的工程級方案，BPL為這一萬億級賽道的標準化推進提供了關鍵基礎設施。正如研究團隊在論文中所指出的：BPL-COGEN提供了生物領域物理具身AI所需的關鍵基礎。只有當AI能夠以一種可被驗證的語言“說清楚自己想做什麼”，自主實驗室代理才在工程上成為可能。生物製造的工程邊界，正被重新定義。論文原文：Song, R., Fu, Y., Zhao, Z., Yu, J., Yuan, Q., & Chen, C. T. (2026). Towards autonomous biology: Compiler-Verified Protocols as a Foundation for Real World AI Execution. bioRxiv, 2026-05.恩和科技（Bota）是一家全球領先的物理人工智能（Physical AI）驅動的生物製造公司，致力於將生物技術打造為可靠、可規模化的工業生產力引擎。通過整合人工智能、合成生物學與工業化的端到端能力，Bota開啟了生物製造研發與生產的新範式。我們打造了全球首屈一指的物理智能驅動的生物鑄造廠，涵蓋了從菌株工程、工藝開發到規模化生產的全過程——將複雜的生物學轉化為適用於食品、營養、個人護理及更多行業的可規模化解決方案。Bota與全球客戶攜手，提供更綠色、更高效的生物解決方案，加速行業普及，並共同推動向可持續未來的轉型。瞭解更多信息，請訪問：www.bota.bio 雷峰網文章