ManuDrive工业超脑形象。受访者供图

■本报见习记者 江庆龄

“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（人工智能）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，该校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被安置在3000多公里之外的新疆伊犁川宁生物技术股份有限公司（以下简称川宁生物）的车间里。几十个四层楼高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，位于上海交通大学的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，是团队研制的第一个“AI工程师”。ManuDrive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，进而大幅度提升工业发酵产量。

上海交通大学副校长曾小勤表示：“ManuDrive不仅是AI与工业制造等学科交叉的原始创新，也展现了产学研深度融合的力量。”

将复杂过程“白箱”化

“当前，我国制造业企业仍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。”

李金金团队在前期调研中发现，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，人类工程师通常需要根据常年积累的经验，24小时不间断进行手动调控。”李金金说。

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应用。李金金认为：“掌握发酵领域的最新技术，对于我国在全球生物制造领域占据领先地位至关重要。”

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。如果我们把这一复杂过程‘白箱’化，就能够较为快速地把技术推广到其他工业场景中。”李金金说道。

从“AI自控系统”到“AI工业大脑”

2014年，李金金组建上海交通大学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，致使AI进行预测的时候难度极大。同时，发酵生产是长周期的，即使累积多年，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，为了应对这些挑战，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融入模型构建过程中。

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能够持续进行反馈和迭代，形成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，实现持续实时预测和优化。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，训练效率提高了数十倍。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，并配合传统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”。

人类工程师和“AI工程师”将协同工作

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、酸碱度、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，在提升发酵罐发酵产量的同时，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产量能够提升10%。”李金金说道，“按照60亿元产值估算，提升10%就相当于给企业增加了20%的利润。”

“在传统生物发酵过程中，人类工程师通常需要根据常年积累的经验，24小时不间断进行手动调控。日夜两班倒的工作模式，难免会给工程师的身心造成一定影响，同时在深夜等比较疲惫的时刻，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，人类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，同时大幅降低疲惫导致的误操作发生率；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，并不断拓展应用场景。

“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，结合场景需求进行相应改造后，能把它应用于与时间相关的合成生物学、芯片制造、环保产业等其他工业制造领域。”李金金说。