“这里有20个不同的500吨级发酵罐，点击其中一个发酵罐就可以看到发酵罐当前被AI监管的状态，以及下一次AI进行调控的时间。”在上海交通大学的一间会议室里，上海交通大学助理教授韩彦强正在向记者进行演示。

韩彦强所说的发酵罐，远在三千多公里之外的新疆。在川宁生物的发酵车间里，几十个四层楼的发酵罐正在有序工作着。当罐内微生物的生长状态出现一定变化时，上海这套系统便会立即发出‘指令’，指导生产车间进行自动调整和优化。

韩彦强操作的这套系统名为ManuDrive，是人类创造的第一个“AI超级工程师”。ManuDrive是由上海交通大学人工智能与微结构实验室教授李金金团队打造而成，目前已落地转化。“AI工程师”将时间维度引入工业发酵过程，能够在复杂的生物发酵过程中动态调控参数，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。

ManuDrive工业超脑形象。

  ?

上海交通大学副校长曾小勤表示：“ManuDrive不仅是AI与工业制造等交叉学科的原始创新，也是交大人践行服务国家战略需求的代表性成果，展现了产学研深度融合的力量。”

挑战最复杂的体系

“经过多年的积累，中国已然是制造业大国，然而，当前很多制造业企业都面临着产业升级的困境。”李金金表示，“在制造业不断发展的过程中，相关企业遭遇了诸多制约发展的瓶颈，其中部分难题与时间动态变化密切相关。”

在科技飞速发展的当下，AI与工业的融合已成为推动产业变革的核心力量。然而，现有的AI大模型以静态模型为主，对于以生物发酵、化工、机械制造为代表的流程工业并不适用。

李金金团队在前期调研中发现，一些与时间相关的工业制造中，生物发酵是最复杂的。原因是微生物细胞内部结构、代谢反应、生物反应器的环境都非常复杂，系统的实时状态也存在不确定性。

“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展现出显著的差异性，其生长状态的好坏直接决定了整个发酵过程的成功与否。为了保证发酵质量，通常需要人类工程师根据长年积累的经验，24小时不间断地进行手动调控。”李金金表示。

李金金（右二）团队部分成员。

  ?

与此同时，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。作为2024年的十大科技名词之一，生物制造不仅为低碳经济的构建提供了动力，也为现代工业的绿色转型提供了重要的技术路径，是近年来世界各国争先布局发展的领域之一。

李金金强调：“掌握发酵领域的最新技术，对于我国在全球生物制造领域的领先地位至关重要。”

为此，团队直接把生物发酵作为验证技术可行性的切入点。“生物发酵状态随时间的变化是一个纯‘黑箱’的模式，且按照以往生产模式能够达到的产率已经接近上限。如果我们把这复杂过程‘白箱’化，能够较为快速地推广到其他工业场景中。”李金金说道。

三大核心优势助力产业升级

2014年，李金金建立了上海交通大学组建人工智能与微结构实验室，团队成员有着计算机、物理、生物等不同学科背景。十余年间，团队聚焦“AI for science（人工智能驱动科学创新）”，开发了近百套算法，包括用于材料领域的大模型AlphaMat、用于生物领域的AlphaBio。

ManuDrive则是团队基于过去的研究基础，专门为生物发酵过程调控这一场景开发的AI算法。“发酵生产过程的时间依赖性很强，当前状态取决于历史输入，导致AI进行未来预测的时候难度极大。同时，发酵生产是长周期的，即使累积了多年，完整生产批次的样本数量也难以满足普通AI模型的训练需求。” 韩彦强表示，为了克服这些挑战，团队历经一年多时间，不断进行优化与迭代，并专门进驻发酵工厂，与资深发酵工程师共同调控实际生产，将发酵领域的专业知识也融入模型构建过程中。

ManuDrive界面。

  ?

前期实验及实践落地结果显示，ManuDrive主要具备三大优势。

首先是引入时间维度。通过在生成式AI技术中引入时间维度，团队建立了“AI自控系统”，实现了工业生产过程的“AI生产式”动态调控，持续性提升产量、降低生产波动。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，一直到第150小时的完整发酵操作方案，精准“预测”整个发酵过程，大幅提高了调控的效率与精准度，并进一步优化了原先以经验为主的生物发酵方案。

“AI的调控具备持续迭代的优势，基于生产中积累的高质量数据，AI又能够持续进行反馈和迭代，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。”李金金补充道。

其次是物理可解释性的工业机理AI。ManuDrive将工业反应机理和物理守恒定律转化为模型可用特征，让模型不仅能给出最优工艺参数，还能解释参数间因果关系，持续地实时预测和优化。换言之，ManuDrive具备独特的“思考”模式，跳出了传统AI模型需要海量训练迭代的“窠臼”，训练效率提升了数十倍。操作人员不仅能直观理解模型的决策依据，还能依据因果逻辑灵活调整生产策略，从而提升生产决策的科学性和可靠性。

最后是轻量化。ManuDrive凭借创新算法架构，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。李金金指出，轻量化特性不仅能大幅减少企业在算力资源上的投入，还能有效降低智能化改造的成本，使得中小型企业也能以较低成本部署高效的“AI工业大脑”。

年底产量有望提升10%

李金金介绍，ManuDrive通过软硬件结合方式运行。

在软件层面，ManuDrive具备强大且智能的“大脑”，从备料阶段起就能够深度挖掘并分析海量的历史生产数据，并精准规划出物料的配比方案，确保每一个环节都能在最合理的准备下开启。进入生产环节后，软件系统则会向硬件设备下达指令，指挥整个生产流程有序自动化推进。

在硬件方面，密布于发酵罐等关键生产设备上的各类传感器，如同ManuDrive系统的“神经末梢”，实时捕捉微生物生长状态、pH值、溶氧量等多达数百项关键参数，并将这些数据源源不断地反馈给软件系统。

在具体发酵过程中，位于上海的“大脑”和位于新疆的“神经末梢”密切合作。软件系统接收到硬件传来的实时数据后，会以毫秒级的超快速度进行深度分析，迅速优化调控策略，让整个发酵过程始终维持在最佳状态；在产量预测环节，“AI工程师”能够对海量生产数据进行深度挖掘和分析，提前洞察产量波动趋势，将生产误差严格控制在极小的范围之内。

今年4月，ManuDrive正式上线，远程接管了川宁生物的发酵产线，运行一个月以来，成绩颇为喜人，提升发酵罐的发酵产量的同时，大幅度降低了生产过程中的波动，工厂的生产稳定性和效率均得到了显著提升。

“当前接近一个月的数据显示，抗生素的产量提高了3%～5% 。随着后续AI模型不断地反馈迭代，每个月都会有进一步提升，我们预计到今年年底能够提升10%。”李金金说道，“按照60亿产值估算，提升10%对应的就是给企业增加了20%的经济利润。”

发酵罐4楼场景。

  ?

让工程师去做更有用的事情

“在传统生物发酵过程中，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。日夜两班倒的工作模式，难免会给工程师的身心造成一定的影响，同时在深夜等比较疲惫的状态下，会产生一定程度的误操作率。”李金金表示，“这样的情况同样存在于机械制造等工业生产中。”

在李金金看来，未来人类工程师和“AI工程师”将协同工作，共同推动制造业产业升级。一方面，ManuDrive接管产线后，工程师得以摆脱重复性调试和倒班，专注于更有价值的工作，同时大幅降低了疲惫导致的误操作。另一方面，人类工程师积累了丰富的经验，能够通过调整参数、优化训练，进一步提升AI的预测准确率，并不断扩展应用场景。

团队成员正在通过ManuDrive软件查看发酵罐状态。图片均由受访者提供

  ?

“ManuDrive具备可复制性，可快速应用于食品、保健品、饲料等其他生物发酵类场景中。同时，通过结合场景需求进行相应改造，也能把它泛化到与时间相关的合成生物学、芯片制造、环保产业等工业制造领域。”李金金指出。

李金金同时强调，上海交通大学在建校130周年之际发布ManuDrive，这不仅是学校产学研的优秀代表，也得到了上海市的大力支持。

“ManuDrive是沪疆合作中的典型代表案例，更彰显出上海科技赋能新疆产业所取得的重要成果。”上海市科学技术委员会（以下简称上海市科委）相关负责人表示，上海市科委大力支持这一成功实践，并积极推荐其在全国范围内进行部署，以期充分利用AI技术为更多的制造业企业注入发展活力，助力企业打破发展瓶颈，实现产业升级，进而推动我国制造业整体迈向更高质量的发展阶段。

上海市经济和信息化委员会新材料处处长陆寅评价ManuDrive的工业落地应用时表示，这一创新成果是上海推进产业数字化转型的标志性突破，有力推动了传统生产模式向“数据智能”跨越。他指出：“ManuDrive的成功实践深度契合上海建设AI‘上海高地’的战略部署，充分彰显了高校科研与产业需求的深度融合与协同创新，期待通过深化‘政产学研用’多方协作机制，加速技术转化，切实推动‘硬科技’成果落地，为AI的垂直深度应用注入强劲动力。”