导读：
东方富海博士后工作站秉承研究发现价值、研究引领投资的理念，对投资实务进行前瞻性研究。“富海洞察”专栏致力于发布工作站系列研究报告，供交流探讨。本文是合成生物产业的相关研究，为工作站出品的第34篇报告。
合成生物学以工程化的“设计-构建-测试-学习”（Design-Build-Test-Learn，以下简称“DBTL”）闭环为核心范式，通过对生物体的系统设计、改造甚至从头合成，将微生物改造为可编程、可迭代的“细胞工厂”。近年来，随着人工智能（以下简称“AI”）的突破，特别是在蛋白质结构预测与生成式设计领域的应用中，生物技术与信息技术、数据技术加速融合，产业正由实验室探索走向规模化落地。本文将从产业发展脉络切入，围绕三大相互衔接的问题逐层展开：其一，梳理合成生物产业的总体概况与发展环境；其二，剖析AI赋能产业、缓解产业化瓶颈的核心机制；其三，探讨AI时代下合成生物领域投资范式发生的深层转变。
1产业概况与发展环境
合成生物学通过“设计-构建-测试-学习”（DBTL）循环这一核心范式，以相对绿色的方式生产化学品、材料、药物与食品。据测算，与传统化工路线相比，生物制造过程的碳排放可降低30%-90%、能耗可降低20%-60%，此外，还可减少原料消耗及环境污染、降低生产成本。
目前，全球合成生物制造产业正处于高速增长期。麦肯锡曾预测，2030-2040年，全球生物制造经济价值将达到1.8至3.6万亿美元。就中国而言，2024年中国合成生物制造产业规模已接近800亿元，预计2026年将突破千亿元，2027年将达到1703.7亿元。
在此增长预期下，国家战略的持续升维为产业发展提供了根本保障：国家对合成生物战略价值的认知不断深化，政策支持力度持续加大。“十四五”规划将合成生物列为科技前沿领域；“十五五”规划则将生物制造列为前瞻布局的六大未来产业之一，与量子科技、氢能和核聚变能、脑机接口、具身智能、6G并列，并将合成生物学定位为生物制造的核心支撑技术——这反映出国家战略重心正由“技术突破”向“产业落地”转移。
2 中国合成生物产业链结构
在政策与市场需求的双重驱动下，中国合成生物产业已初步形成“上游工具-中游平台-下游应用”的产业链结构，但呈现出明显的“下游强、上游弱”特征，详见表1。
表1. 中国合成生物产业链结构
上游工具层技术壁垒最高，国产化率最低，核心设备与试剂进口依赖度总体超过80%。代表性上市公司如华大智造在测序仪器领域实现突破。下游应用层商业化最成熟，是中国的传统优势所在。凯赛生物的长链二元酸、华熙生物的透明质酸等，均在各自细分市场占据领先地位。
这种“下游强、上游弱”的结构，凸显了中国合成生物产业的优劣势。一方面，2024-2025年，美国通过《生物安全法案》、出口管制、实体清单及数据库访问限制等手段构建对华壁垒，中国则将因美纳列入不可靠实体清单予以反制，上游进口依赖使供应链存在断链风险；另一方面，外部约束客观上也在加速上游国产替代的进程。总体而言，中国的相对优势在于超大规模市场、完整工业体系与政策支持，主要短板则包括核心菌种与工业酶自主率不足20%、AI辅助菌种设计与国际先进水平存在差距，以及较大的复合型人才缺口。
3 AI对产业底层逻辑的重塑
正是在上述“上游受制、下游领先”的结构性矛盾下，AI的介入为产业突破瓶颈提供了新的可能路径。传统合成生物学研发长期受“试错式”模式制约，生物制造产品从实验室到量产平均耗时5-10年，且研发成本高、成功率低。AI的介入正推动研发由经验试错向理性设计、精准预测转变。据测算，AI可将研发周期缩短50%-70%、成本降低40%以上，并大幅提升产品成功率。
1. AI赋能DBTL全流程
合成生物学的核心研发模式是DBTL循环，如图1所示，这一循环的效率直接决定了生物产品的研发周期与成本。AI通过在各个环节引入智能化工具与方法，显著提升了DBTL循环的运行效率，推动其从线性迭代向并行加速转变。
▲图1. 合成生物学的DBTL循环
在设计环节，AlphaFold、ESMFold等可用于蛋白质结构预测，RFdiffusion、ProteinMPNN等则可实现蛋白质从头设计。在构建、测试与学习环节，AI驱动的高通量DNA合成、自动化生物铸造厂与机器学习模型显著提升了菌株构建通量、表征效率与迭代速度。
多家代表性合成生物企业已将AI布局在这些环节中。比如，晶泰科技以“量子物理＋人工智能＋机器人”构建“干湿实验室”闭环，是AI赋能生命科学研发的代表性平台型企业。凯赛生物亦在发酵过程中引入AI，对长链二元酸产量的优化取得了一定成效。
2. AI重构企业核心竞争力
DBTL全流程效率的提升，进一步传导至企业竞争力构成要素的变化。AI的深度应用正推动合成生物企业的核心竞争力从传统的“菌株积累＋发酵经验”向“数据资产＋算法能力＋自动化平台”转变。在AI时代，拥有海量高质量生物数据、先进AI算法和自动化实验平台的企业，将获得显著的竞争优势，主要体现在以下三个方面：
（1）数据资产
数据是训练算法模型、实现理性设计的基础，因此，拥有高质量、大规模的生物数据成为企业最重要的竞争优势。合成生物企业在研发与生产过程中积累的基因组数据、蛋白质结构数据、代谢组数据、发酵工艺数据等，构成了企业独特的数据资产。这些数据经过清洗、标注与整合后，能够用于训练专属的AI模型，提升企业的生物设计能力，形成“数据-算法-产品”的正向循环与难以复制的竞争壁垒。
（2）算法能力
算法能力是AI驱动合成生物创新的核心，决定了企业生物设计的效率与准确性。优秀的算法团队能够针对合成生物学的特定问题，开发出专用的机器学习模型与生物设计工具，实现从序列到功能的精准预测。算法能力的差异将导致企业在研发效率与产品质量上产生显著差距，成为区分企业技术实力的关键指标。
（3）自动化平台
自动化平台是实现高通量实验与数据积累的基础，也是AI技术落地应用的载体。集成了自动化液体处理系统、高通量检测设备与AI数据分析系统的生物铸造厂，能够实现DBTL循环的全流程自动化与智能化，大幅提升研发效率、降低研发成本。拥有先进自动化平台的企业能够快速开展大规模实验与筛选，积累更多数据，进一步优化算法模型，形成“平台-数据-算法”的协同效应。自动化平台的建设水平也将成为衡量企业产业化能力与创新能力的重要标准。
AI正在重构合成生物产业的竞争格局，推动产业从分散化、同质化竞争向集中化、差异化竞争转变：平台型企业的优势进一步凸显，垂直领域专精特新企业迎来发展机遇，传统化工与医药企业加速转型，形成了多层次、多元化的产业生态。
3. AI缓解产业化瓶颈
竞争格局的重构最终要落到产业化环节的检验上。产业化是合成生物技术价值实现的关键环节，也是当前最主要的风险来源。合成生物产业化是一个复杂的系统工程，涉及生物学、化学工程、机械工程、自动化等多个学科领域。从实验室研究到工业化生产，需要跨越“达尔文死海”，面临技术、工程、成本、市场等多重挑战。据统计，超过70%的项目在中试阶段受阻或失败，核心瓶颈包括菌株稳定性与性能退化、工艺放大的“死亡谷”、产物分离提纯成本高、成本竞争力不足。而AI正是为缓解上述瓶颈提供了新路径。
具体来看，AI技术通过对海量生物数据的深度挖掘与建模分析，正从菌株优化、工艺放大到分离提纯，重塑合成生物产业化的全流程：
菌株优化：AI能够通过分析多组学数据，识别影响菌株稳定性与生产性能的关键基因与代谢通路，指导菌株理性改造，大幅提升改造效率与成功率。
工艺优化：AI能够建立发酵过程的数学模型，模拟不同工艺条件下的发酵效果、预测放大后的表现，指导工艺参数优化。这种“数字化放大”能够减少中试次数、缩短开发周期、降低研发成本。
分离提纯优化：针对分离纯化高成本问题，AI能够优化产物分离提纯的工艺流程与操作参数，提高分离效率、降低成本。通过分析不同分离方法的效果与影响因素，AI能够选择最优分离路线，优化色谱、膜分离、结晶等单元操作参数，提高产品纯度与收率。
全链条成本优化：AI还能从原材料采购、生产过程管理到产品销售的全链条进行成本优化。在采购环节，分析原材料价格波动趋势，制定最优采购策略；在生产环节，优化生产计划，提高设备利用率，降低能耗物耗；在销售环节，分析市场需求与价格走势，制定最优销售策略，提高盈利能力。
4 AI驱动下合成生物投资范式的转变
AI对合成生物产业竞争力与产业化路径的重构，必然导致投资范式的转变。传统投资范式主要关注企业的菌株储备、发酵经验与产品管线，而AI时代则将更加注重企业的数据资产、算法能力与自动化平台建设。这些资产在企业发展早期难以产生盈利，但具有巨大的潜在价值，因此传统估值体系已无法准确反映AI时代合成生物企业的真实价值。新的估值体系将更加注重企业的技术壁垒、数据资产规模、算法能力与平台价值。
这一转变最直观地体现在投资者关注重点的迁移上：在传统投资范式下，投资者主要关注企业是否拥有具有市场潜力的产品管线，投资逻辑是“赌产品”；然而单一产品的研发存在较大不确定性，一旦研发失败或市场表现不佳，企业将面临巨大风险。而在AI时代，拥有强大平台能力的企业能够持续推出新产品，其价值远大于单一产品的价值，因此，这类企业具有更强的抗风险能力与更大的成长空间，成为投资者关注的重点。
但需要强调的是，“平台导向”并不意味着估值可以脱离基本面。Ginkgo Bioworks上市初期市值一度超过150亿美元，其后大幅回落，如今处于5.5亿至6.5亿美元之间，表明缺乏稳定盈利与商业闭环支撑的平台，同样面临估值回归风险。
基于上述分析，未来投资人需重点考察合成生物企业的AI技术能力、工程化能力、商业化能力，以搜寻合适的投资标的。
AI技术能力决定了企业的技术创新效率与产品开发速度，可重点关注三方面：一是企业是否具有算法模型的落地能力，即拥有自主研发的、针对合成生物学特定场景的算法模型，并重点考察其实际应用效果而非单纯学术指标；二是企业是否积累了高质量、大规模的专属数据资产并对其进行合理应用，重点考察数据的标准化与标注质量，以及能否将数据资产转化为实际技术；三是企业是否有自动化平台的布局及建设，自动化平台是高通量实验与数据积累的载体，也是AI落地的必要条件，若已有布局，未来将成为企业的优势所在。
工程化能力是合成生物企业将实验室技术转化为工业化生产的核心能力，也是当前大多数企业的短板；成本控制能力则是合成生物产品能否与传统化工产品竞争的关键，决定了产品的市场渗透速度与企业的盈利能力。投资人可重点关注企业的菌株稳定性控制能力、工艺放大能力、生产过程控制能力，以及成本与能耗物耗的控制能力，重点考察是否有成功的生产放大案例、是否拥有数字孪生等先进放大技术，以及产品质量是否稳定。
商业化能力是合成生物企业将技术优势转化为市场优势与财务回报的核心能力，决定了企业的生存与发展。可重点关注产品管线的布局与进展、市场开拓与客户资源，以及商业模式的创新性与可持续性，重点考察企业产品管线的丰富度与市场潜力、销售渠道建设与客户资源积累、盈利能力与抗风险能力。
5 资本市场的印证
上述投资范式的转变，也在一、二级市场的表现中得到了印证。
一级市场方面，据不完全统计，2014-2025年，中国合成生物领域投融资事件超过400起、总额超过560亿元，2022年前后见顶后回归理性；2025年金额虽有回升，但头部单笔大额交易占比较高，整体仍处于理性筑底阶段。平台与工具类企业合计占据约45%的融资金额，反映出资本对底层能力的偏好。
值得补充的是，这一“理性筑底”的过程在2025年呈现出更清晰的结构性特征：投融资正从早年“遍地撒网”转向“精准捕捞”。据摩熵咨询研报，中国合成生物学投融资在2021-2022年激增后，2023年起逐渐回归理性，投融资事件多集中在天使轮和A轮，早期融资占比达68%，资本更倾向于陪伴企业走向产业化，而非单纯追逐技术概念。与此同时，资金流向也在分化：2025年医美与化妆品等商业化路径清晰的合成生物细分领域反而成为融资热门，而缺乏明确落地场景的初创企业融资难度加大，凸显了“AI技术能力＋商业化能力”并重的投资标准。
二级市场方面，估值正加速向盈利能力回归，个股分化明显。以国内上市公司为例，凯赛生物、华熙生物股价自2021年高点均出现较大回撤；川宁生物2025年前三季度营收同比下降，反映出周期与价格波动的影响。海外方面，Amyris已于2023年申请破产重组，Ginkgo Bioworks市值大幅缩水，其负反馈通过退出预期反向传导至一级市场，促使投资由“概念驱动”转向“落地驱动”。
2025-2026年的IPO动态进一步佐证了这一趋势。一方面，具备真实盈利能力的合成生物企业正在获得资本市场的优先通行权：在2026年上半年科创板受理的一批生物医药企业IPO申请中，合成生物企业擎科生物是为数不多实现盈利的企业之一，2023年至2025年，营收由5亿元增长至6.33亿元，归母净利润同期由约4699万元增长至约6712万元。监管对“科创属性、临床价值、商业化能力”的核查也在同步细化，反映出市场已从“讲故事”转向“看报表”。另一方面，即便是产业化能力领先的传统龙头，也需直面平台化转型与价格周期的双重考验：A股上市公司华恒生物曾有赴港股上市的计划，当时的招股书显示公司产品线已从单一氨基酸驱动，转向覆盖氨基酸、维生素及生物基材料的多品类平台型发展，但同期其氨基酸系列平均售价从2023年的1.90万元/吨降至2025年的1.42万元/吨，维生素系列毛利率也从55.0%降至5.4%，说明规模扩张与价格周期之间的平衡，仍是平台型企业无法回避的现实课题。
上述案例表明，AI时代的投资范式虽向平台与技术资产倾斜，但最终仍需以产业化落地与盈利质量为锚。
6 未来发展趋势
当前，全球合成生物产业已完成从“概念验证”到“初步产业化”的跨越，正式进入规模化应用与爆发式增长的关键窗口期，同时也面临核心设备“卡脖子”、工程化放大能力不足、产业生态不完善等现实挑战。准确把握产业未来发展趋势，对政策制定、企业战略布局与投资决策均具有重要现实意义。
展望未来，生物技术与信息技术、数据技术的深度融合将是驱动产业变革的核心底层趋势：信息技术提供的算力与算法能力，正让菌株设计从“反复试错”转向“计算先行”；数据技术沉淀的多组学、发酵与工艺数据，则成为训练专属生物设计模型、反哺生物技术研发的核心燃料，三者由此形成相互增强的闭环，而非简单叠加。在这一趋势下，合成生物产业的生产方式将向智能化、自动化加速转型，自动化生物铸造厂将作为核心基础设施，朝着模块化与标准化、智能化与无人化、分布式与网络化、绿色化与可持续方向持续升级。
在产业生态层面，中国将逐步构建协同共生的高质量发展体系：产业链上下游深度联动，形成“上游工具-中游平台-下游应用”分工清晰的协同创新格局；产学研深度融合加速成果转化，联合实验室与创新联盟持续涌现；上海、深圳、北京三大产业集群加快成型，分别聚焦生物医药与生物基材料、上游工具与AI生物设计、基础研究与创新药物；国内企业也将通过海外并购、设立研发中心等方式参与全球产业分工，并加快核心技术国产替代，推动中国从合成生物大国迈向合成生物强国。
综上，未来十年是合成生物产业从“实验室创新”向“大规模产业化”跨越的黄金发展期，技术融合深度化、生产方式智能化、产业生态协同化、发展格局全球化是核心趋势。作为第三次生物技术革命的核心，合成生物学将在医药、化工、农业、食品、能源等领域引发颠覆性变革，成为全球经济增长的新引擎。
参考文献：[1] Boston Consulting Group (BCG). 中国合成生物学产业白皮书2024. 2024.
[2] SynBioBeta. SynBioBeta 2025 Investor Report. 2025.
[3] McKinsey Global Institute. The Bio Revolution. 2020.
[4] 摩熵咨询. 合成生物产业发展前景及中国产业链上中下游企业分析. 2025.
[5] 赛迪顾问. 中国合成生物制造产业. 2026.
[6] 药融圈. 2025年中国合成生物制造产业发展白皮书. 2025.
