夜谈 (@gntalktalk) “从Ginkgo Bioworks（DNA）看ai时代的细胞工程 DNA不是研发药物的公司，而是在把生物工” — TopicDigg
夜谈
@gntalktalk
提示词咒语工程师，神经网络病患者，ai硅基带路党
加入 January 2011
1.7K 正在关注 2.9K 粉丝
从Ginkgo Bioworks（DNA）看ai时代的细胞工程
DNA不是研发药物的公司，而是在把生物工程变成可编程平台。
成了，它就是生物界的 AWS；
细胞工程的本质上是实验问题，在ai时代仍然如此，甚至更加如此。
首先，AI 压缩了搜索空间。过去我们要从 10,000 个方案里盲试，现在 AI 能筛选出最高可能性的 100。但这 100 个是否能成仍需做实验测试。
以 AlphaFold 为例：
它解决了“零件（蛋白质）长什么样”的问题，但细胞工程解决的是“整台机器怎么转”。结构正确不代表功能可用，更不代表它在复杂的细胞环境下不会被降解。
因此，AlphaFold不仅没减少实验，反而增加了需求。 因为设计变得太容易了，下游的实验验证反而成了最拥堵的瓶颈。
其次，ai不可能完全替代实验，因为一个细胞包含 $10^{10}$ 到 $10^{12}$ 个原子。要做分子级的精确模拟，每秒的运算量大约在 $10^{37}$ 次。而目前人类最强超算一年才跑 $10^{25}$ 次。这中间差了 12 个数量级——注意，这还仅仅是模拟一个细胞的一秒钟。
而即便算力够了，状态空间也是死路。细胞的变量维度在 $10^5$ 量级，对应的状态空间 $2^{(10^5)}$ 已经超过了宇宙原子总数。这根本不是“搜索”能解决的问题。
细胞是强非线性、多尺度耦合的系统。最麻烦的是，很多变量无法测量，且测量本身会改变系统状态。这意味着你永远无法给 AI 一个 100% 准确的输入，算力再强，也只是在精确地计算一个错误的初始值。
综上，dna的角色--DBTL（Design-Build-Test-Learn） 的闭环--在ai时代可能更加重要。
行业生态如下：
上游（卖铲子）： 卖 DNA、卖酶、卖仪器（Agilent, Illumina）。
中游（平台商）： Ginkgo 在这，想做生物版 AWS。
下游（产品方）： 做药、做材料，拿走最肥的利润。
长期来看，DNA的真正的壁垒是持续产生数据并将其转化为工程能力的能力。
对DNA所处的赛道来的，有相当强的飞轮效应，参考半导体行业：
GPU 越来越便宜，算力越来越普及，但 AI 核心能力反而向巨头集中。
光刻机可以买，但先进制程只有 TSMC 能跑通。
生物系统更极端，它存在大量的隐性知识（Tacit Knowledge）和 Scale-up（放大效应）难题。 实验室里的成功，不等同于工业级的量产。
而DNA平台用户越多，DNA所能积累的隐形知识就会越多。
总的来说，Ginkgo 的核心业务模式在于，用大量的实验拉开能力差距： 更稳定、更高效地完成复杂系统工程，最后争夺行业定价权。
免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor
显示更多
Ginkgo Bioworks（NYSE: DNA）昨天宣布提前公布 Q1 财报，股价当日上涨约 8-13%。
市场解读为管理层对季度进展有信心，尤其是在自主实验室业务上的早期成果。
两个月前，dna宣布上线c基于nebula的云实验室平台cloud lab
第一周有超过 150 名科学家检查协议兼容性。Ginkgo 内部已在 Nebula 上运行数百个协议，科学家正逐步迁移日常工作，效率和可重复性提升明显。
Nebula 是 Ginkgo 位于波士顿的自主实验室，目前是全球规模领先的设施之一，集成 70+ 台仪器，计划 2026 年扩容至约 100 个机器人。
它采用 Reconfigurable Automation Carts（RAC，可重构自动化推车）模块化设计，结合机械臂、磁悬浮传输轨道和工业软件，实现高灵活性生物实验流程（样品制备、液体处理、分析读出、储存孵化等）。
Cloud Lab 是 Nebula 的对外接口，于 2026 年 3 月 2 日正式上线。用户通过浏览器服务cloud. ginkgo 网站提交协议，AI 代理 EstiMate 用自然语言评估兼容性并报价（起步价约 39 美元/次，低门槛）。实验由 Nebula 机器人执行，数据直接返回。
目前以认证协议为主（细胞游离蛋白表达、热稳定性分析、Echo-MS 检测等），每周新增，支持学术界、biotech 公司及 AI 模型（如 OpenAI GPT-5）使用。
两者本质是“Lab-as-a-Service”：Nebula 提供实体基础设施，Cloud Lab 实现远程访问，目标是把传统人工实验台转向可编程、24/7 运行的机器人系统。
平台上已有合作伙伴使用 Nebula 进行高通量 RNA 编辑数据生成。
OpenAI 合作案例显示，GPT-5 自主设计并迭代实验，在细胞游离蛋白合成上实现成本降低约 40%（36,000 次实验，6 个迭代周期）。目前以认证协议为主，自定义协议仍需评估。
长期来看，DNA的这个新业务可能能形成两个相互强化的飞轮：
1. AI 数据飞轮（核心）：
Cloud Lab 使用量增加 → Nebula 产生更多标准化数据 → 训练 EstiMate 和预测模型 → AI 更聪明（兼容性、成本、成功率提升）→ 吸引更多用户和 AI 代理下单，形成正循环。OpenAI 合作已验证这一闭环。
2. 规模采用飞轮：
低价试用 → 成功转化长期合同或自建 Nebula → 收入支持扩容 → 单次成本下降 → 更多采用。Cloud Lab 是入口，Nebula 是基础设施，“试用再买”形成闭环。内部迁移 + 外部数据共同加速飞轮，目标是把生物 R&D 变成像云计算一样可及的基础设施。
现金流概况
现金储备：2025年底现金、现金等价物及可交易证券约 4.23亿美元，无银行债务。流动性较强（流动比率约4-5倍）。
历史现金消耗：2025全年现金消耗约 1.71亿美元（较2024年的3.83亿美元大幅下降55%），主要得益于重组和成本控制（年度成本节省约2.5亿美元）。
2026年指引：公司不再提供传统收入指引，转而重点披露现金消耗，预计全年 1.25-1.5亿美元。Q4 2025单季消耗约4700万美元，已呈现下降趋势。
运营现金流：仍为负（生物科技公司常见），但通过大幅削减R&D和G&A支出，经营亏损已显著改善。调整后EBITDA目标是2026年底实现盈亏平衡。
持续现金消耗与执行风险仍是公司的主要风险。
免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor
显示更多
