### [百图生科](https://hello123.com/) **Published:** 2026-07-26T08:12:00 **Author:** hello123 **Excerpt:** 百图生科基于 2100 亿参数 xTrimo V3 构建生成式发现系统，覆盖蛋白质、DNA、RNA 等 7 大模态，加速药物发现、抗体设计与靶点筛选流程。已服务全球 500 多家机构，潜在订单总额达 20 亿美元。本文拆解其发现助手 DeepResearch 能力与抗体设计 MOO 策略。 ## 百图生科 是什么：适合谁用 ### 从生物计算平台到 xTrimo V3 模型家族 **百图生科**（BioMap）由百度创始人李彦宏于 2020 年 9 月发起创立，定位为面向药企与科研机构的 AI 生命科学研发平台。该平台的核心技术底座是自研的 xTrimo **多模态**大模型家族，以生物计算为核心驱动方式。 ![百图生科截图](https://cdn.hello123.com/wp-content/uploads/2026/07/biomap.webp) 2024 年 10 月发布的 xTrimo V3，参数量达到 2100 亿，覆盖蛋白质、DNA、RNA、细胞、小分子、生物视觉和生物知识文本七大模态。据 CSDN 报道，xTrimo V3 是全球规模最大的全模态生命科学基础大模型。该模型从 V1 到 V3 的演进，实现了从单一蛋白质序列理解到多模态统一建模的跨越。 ### 生成式发现系统与发现助手入口 2025 年 4 月，该平台发布了生成式发现系统。该系统整合信息搜集、生物洞察和智能实验，形成全链路 AI 发现平台。其核心入口是“发现助手”（Discovery Assistant），一个专为生命科学设计的深度探索**智能体**。 发现助手通过智能交互理解用户需求，自动执行多维度信息**检索**与分析，最终生成结构化深度报告。据新浪财经报道，在 BioASQ 等权威评测中，发现助手在生命科学领域的表现优于通用 AI 模型。 ### 典型用户画像：药企、CRO 与学术实验室 该平台主要服务 B 端与 G 端用户。据官方在 2025 年 4 月发布会上披露，已服务全球 500 多家机构客户，包括多所 QS 世界百强大学与赛诺菲等跨国药企。 CRO（合同研究组织）可利用其加速客户项目，学术实验室则用于基础研究。典型用户覆盖药物早期研发、抗体工程、酶设计等领域。 ## 百图生科 功能与实际使用 ### 多模态理解与生成：从序列到结构的统一建模 xTrimo V3 能同时处理蛋白质、DNA、RNA 等模态的理解与生成任务。理解任务包括序列分类、结构预测、功能注释；生成任务则涉及全新序列设计。 该平台开源的 xTrimoP**GLM** 蛋白质语言模型，在 18 项蛋白质理解与生成基准测试中，15 项较此前已公开模型取得优势。这种统一建模能力让研究人员无需切换工具，即可完成从序列分析到分子设计的全流程。 ### DeepResearch：自动整合多源数据的深度报告生成 发现助手的 DeepResearch 功能是其核心亮点。用户输入一个科学问题后，系统并行检索 PubMed 文献、专利数据库、临床试验登记平台及自有**知识图谱**。 随后整合信息，生成包含研究背景、竞争格局、技术路径等章节的报告。这避免了人工查阅海量文献的低效，据合作方反馈，可将信息获取时间从天级缩短到分钟级。 ### 抗体设计 MOO 策略：一天完成上万条序列预测 该平台的抗体发现方案采用多目标优化（MOO）策略。传统抗体研发需数月反复实验，且难以同时优化亲和力、稳定性、免疫原性等多个参数。 而 MOO 策略通过 AI 模型，在一天内完成上万条序列的预测与筛选。据官方介绍，该方案还支持针对特定表位的 De novo 抗体从头设计，为“不可成药”靶点提供新思路。 ## 百图生科 上手：常见路径与注意点 ### SaaS 体验版开通：从官网注册到首次运行 DeepResearch 注册后，用户通常会看到以发现助手为核心的界面。首次使用可提交一个科学问题，如“分析 CD3 靶点近期研究进展”。系统将自动触发 DeepResearch，数分钟内生成结构化报告。 **SaaS** 版功能有限，主要供体验验证。完整功能需联系销售团队。 ### 企业私有化部署的 API 与 SDK 集成 对于企业客户，该平台提供**私有化部署**选项。部署后，客户可通过 **API**（应用程序接口）调用模型能力，或使用 SDK（软件开发工具包）将模型工具链集成到现有研发流程中。 模型工具链专为 AI 生命科学设计，支持自定义模型微调。数据存储在客户本地，保障安全性。 ### 任务提交与结果解读：以靶点发现为例 一个典型**工作流**：用户输入靶点名称，如“PD-L1”。发现助手检索关联通路、文献证据、在研药物格局，并输出报告。报告会提示创新机会，如“针对 PD-L1 糖基化位点的抗体设计”。用户可进一步利用分子生成模块，设定优化目标，生成候选序列。 ## 百图生科 与替代品的差异对比 ### 与通用大模型（如 GPT-4）在生命科学任务上的对比 通用大模型在专业领域易产生幻觉。据新浪财经报道，在 BioASQ 评测中，发现助手表现优于通用 AI。该平台训练数据包含数亿条生物序列和千万篇专业文献，能理解氨基酸突变的功能影响，而 **GPT-4** 缺乏此类深度。 | 比较维度 | 百图生科发现助手 | GPT-4 | | --- | --- | --- | | 训练数据 | 生物序列、文献、知识图谱 | 通用互联网文本 | | 任务聚焦 | 靶点发现、抗体设计等 | 通用对话 | | 输出可靠性 | 经专业评测，幻觉率更低 | 易产生事实性错误 | ### 与 RoseTTAFold、AlphaFold 等蛋白质结构预测工具的区别 AlphaFold 等工具专注蛋白质结构预测。xTrimo V3 则覆盖 7 大模态，兼具理解与生成能力。它不仅能预测结构，还能从头设计全新蛋白质序列。例如，针对特定表位生成高亲和力抗体，这是纯结构预测工具无法完成的。 | 比较维度 | xTrimo V3 | AlphaFold | | --- | --- | --- | | 覆盖模态 | 蛋白质、DNA、RNA 等 7 种 | 蛋白质 | | 核心功能 | 理解 + 生成式设计 | 结构预测 | | 应用场景 | 靶点发现、抗体设计、酶工程 | 结构解析、突变分析 | ### 与 Schrodinger、Insilico Medicine 等 AI 制药平台的定位差异 Schrodinger 基于物理计算，专注分子模拟。Insilico Medicine 拥有内部药物管线，走端到端模式。该平台则定位为基础大模型提供商，主打平台化技术输出。其商业模式以技术合作为主，而非自研管线。客户群体更广泛，从药企到农业机构均有覆盖。 | 比较维度 | 百图生科 | Insilico Medicine | | --- | --- | --- | | 技术核心 | 自研 2100 亿参数大模型 | 生成式 AI 平台 | | 商业重点 | 平台技术输出 | 端到端药物发现 + 自有管线 | | 客户类型 | 药企、CRO、学术机构、农业 | 药企合作 | ## 百图生科 在实际场景中的真实表现 ### 靶点发现：从文献挖掘到新机制假设生成 科兴生物制药利用发现助手加速早研知识挖掘。输入疾病领域后，系统梳理研究现状，提出新机制假设。据反馈，这避免了立项失误，并将分子设计周期从 3 个月缩短至 1.5 个月，其中干实验仅需 1 周。 ### 抗体工程：针对特定表位的 De novo 序列生成 在抗体工程场景，用户输入目标表位信息。模型生成全新抗体序列，并预测亲和力与稳定性。该平台宣称，其 AI 驱动设计能针对“不可成药”靶点实现突破。生成序列经湿实验验证后，可快速迭代优化。 ### 酶设计：工业菌株改造中的智能发酵优化 中国农业科学院与该平台合作，用于酶蛋白设计。通过 xTrimo 预测酶突变体活性，辅助代谢工程。合作中，酶蛋白相关信息获取从天级缩短到分钟级。智能发酵方案还优化了发酵条件控制，提升工业菌株生产效率。 ## 百图生科 能帮你节省什么 ### 研发周期压缩：从数月实验到一日预测 传统抗体序列优化需数月湿实验。该平台的 MOO 策略在一天内完成上万条序列预测筛选。这直接压缩了研发周期，让项目更快进入临床前阶段。作为一款药物研发平台，其价值在于把湿实验迭代次数从数十次压缩到数次。 ### 降低试错成本：MOO 策略同时优化多参数 多目标优化同时平衡亲和力、稳定性、可开发性等参数。这减少了湿实验迭代次数，节省试剂与人力成本。据合作方反馈，早期研发阶段成本有明显压缩。 ### 知识整合：避免重复造轮子 DeepResearch 自动聚合全球科研进展。这防止团队重复已有工作，避免资源浪费。例如，立项前快速了解竞争格局，可规避拥挤靶点。 ## 百图生科 的模型演进与商业化里程碑 ### xTrimo V3 发布：模态与参数量的双重扩展 2024 年 10 月，xTrimo V3 发布。参数量从 V2 的千亿级增至 2100 亿，模态从蛋白质扩展到 7 种。据腾讯网报道，这巩固了其全球最大全模态生命科学大模型的地位。性能在多项任务上提升显著。 ### 生成式发现系统上线：从模型到全链路平台 2025 年 4 月，生成式发现系统发布。该系统集成发现助手，打通信息-洞察-实验流程。这标志着该平台从单一模型提供商升级为全链路解决方案商。 ### 商业化里程碑：500+ 机构客户与 20 亿美元潜在订单 截至 2025 年 4 月，已服务 500 多家机构，潜在订单总额达 20 亿美元。客户包括赛诺菲、石药集团、科兴生物等。这反映了市场对其技术价值的认可。 ## 百图生科 的底层模型技术栈 ### xTrimo 架构：多模态统一建模与训练策略 xTrimo 采用多模态统一架构，融合蛋白质、DNA、RNA 等数据。预训练任务包括掩码语言建模、序列-结构对比学习等，与蛋白质语言模型的训练范式一脉相承。训练数据规模达数亿条生物序列和千万篇文献。这种策略让多模态大模型学习到跨模态的底层生物学规律。 ### 模型工具链：专为生命科学 AI 设计的微调与部署套件 随 V3 发布的模型工具链，支持企业客户自定义模型。工具链提供微调、压缩、**部署**功能，适配私有化环境。客户可用自有数据微调模型，提升特定任务性能。这降低了 AI 应用门槛。 ## 百图生科 的行业地位与融资进展 ### A 轮上亿美元融资与百度系背景 2021 年 7 月，该平台完成上亿美元 A 轮融资。投资方包括百度、GGV 纪源资本等。百度系背景为其提供了算力、数据和技术支持。创始团队由李彦宏和原百度风投 CEO 刘维领衔。 ### 港股 IPO 传闻与全球生命科学 AI 市场卡位 > 据彭博社 2026 年 3 月报道，该平台已以保密形式向港交所提交 IPO 申请，可能募资数亿美元。若成功，将成为全球生命科学 AI 基础大模型领域的重要上市公司。公司方面亦强调其在全模态大模型领域的早期布局积累。 ## 参考资料 - [知乎](https://zhuanlan.zhihu.com/p/579462537)（2022-11-01）— 百图生科公司背景与定位介绍 - [腾讯网](https://new.qq.com/rain/a/20241029A05YHS00)（2024-10-29）— xTrimo V3 发布细节与参数 - [新浪财经](https://finance.sina.com.cn/tob/2025-04-29/doc-ineuvakc5249847.shtml)（2025-04-29）— 生成式发现系统发布与客户数据 ---