先正达用50个AI模型造农药：最大价值不是更快成功，是更早失败

#先正达 # AI模型造农药

时间：2026-08-12

先问你一个问题：如果现在让AI设计一种新农药，它会怎么干？

咱们很多人脑子里的画面，可能是科学家对着AI聊天框说一句：帮我设计一个能杀死杂草、又不伤庄稼的分子。AI思考几秒，屏幕上跳出一个结构式。拿去生产，齐活。

真实世界当然没这么简单。不过，我最近看了全球头部农化公司——先正达公开的一套研发流程，发现AI在真实实验室里已经达到的程度，还是远远超过了我的想象。我知道咱们大部分都不是造农药的，但这个过程还是很让人受启发。所以，今天就来和你分享一下。

因为现在，AI不只是帮科学家查论文、整理数据，也不只是在几十万个现成分子里挑一个看起来不错的，这已经是前年和去年的AI能力了。到了今天，AI已经开始从头设计人类没有做过的新分子，同时调动大约50个预测模型，一起检查15个左右的参数。

药效够不够强，对人和其他生物是否安全，能不能降解，生产成本高不高，能不能大规模制造，最后能不能配成农民真正可以使用的产品，这些条件，从一开始就同时放进了对AI的要求里。

先正达负责人用了一个特别好懂的比喻：研发新农药，很像拧魔方。

魔方咱们都玩过，最开始的时候肯定很抓狂。造农药也是一样。过去的办法，是先搞定一个面。这个分子杀虫效果很好，再去看安全性；好不容易把安全性调过来了，发现成本太高；把成本降下来，又发现合成困难。你每拧好一面，都可能把刚才拼好的另一面打乱。

所以，一种新的农药有效成分，从最初发现到真正商业化，经常要走10到15年。

而现在AI带来的变化，也并不是打个响指，啪的一声把魔方六面全部复原。更准确地说，它能同时看见六个面的变化，再从海量组合里快速找出一批更接近答案的走法。

在整个过程中，科学家先定义理想分子需要满足哪些条件，AI再根据这些条件去寻找“理想的分子应该长什么样”，生成一批候选结构。后面那50个预测模型就像一支评审团，同时给它们挑毛病：

这个分子可能很能杀虫，但会不会也伤害蜜蜂？在实验室里效果很好，到了田里会不会马上分解？化学结构很漂亮，可工厂能不能造出来？就算能造，农民买不买得起？

这件事真正厉害的地方，不是AI会生成，而是它一生成，旁边就有几十个评价模型盯着。

先正达一位研发数字化负责人说，可供人类探索的化学空间，大到里面可能存在的分子类型，比宇宙里的星星还多。

过去，人类化学家只能靠经验、实验筛选和传统计算方法，在自己熟悉的那一小片地方反复寻找。现在AI可以先在这个几乎无穷大的空间里跑一遍，把大量明显不合格的方向提前排掉，再把最有希望的候选交给人。

但有希望，还不等于做得出来。

先正达披露，他们计划合成的分子里，目前大约有30%到40%，最后会因为合成失败而放弃。你可以把它理解成，AI画了一张看起来很漂亮的建筑图，工程队到了现场才发现，按现有材料根本盖不出来。

所以他们又和IBM合作，让AI学习化学反应和公司内部大量没有公开过的实验数据。一个新分子该分成哪几步合成，哪条路线成功率更高，产率怎么样，会不会太贵，都先在电脑里推演。现在先正达说，所有新的合成流程都会经过这套AI系统。

你看，这已经不是一个好看的演示系统了，而是进了真实工作流。

到这里也还没结束。分子真做出来以后，还得进行大量测试。过去在温室或者试验田里，研究人员要一排一排看叶片，判断病斑少了多少、杂草死了多少、庄稼有没有被误伤。人的经验当然重要，但同一片叶子，不同人可能打出不同的分。

现在，他们开始用图像识别自动读取叶片和植株的变化，再让无人机去田间收数据。AI不只看人眼能看到的颜色和形状，还可以通过高光谱影像捕捉更细微的变化。

更有意思的是，AI还会决定下一次最值得测哪个分子。

过去的思路很直接，谁现在分数最高，就让谁进入下一轮。但现在AI会多问一步：测试哪一个候选，最能带回来最有价值的新信息？这时，一些分数虽然不是最高，但有可能代表一个新探索方向的候选方案，也会进入流程。

设计、合成、测试、分析，再回到下一轮设计。先正达把这套循环简称为DSTA，生成式AI负责提出新分子，合成模型判断能不能做，图像模型读取实验结果，主动学习模型选择下一次实验，真实结果再喂回去，训练下一轮模型。

讲到这里，我才觉得这件事真的有点震撼。而且，它已经产出了真实的候选物。

先正达与AI制药公司英矽智能合作，已经针对两个生化靶点找到了新的先导化合物。而它与Enko的另一个合作，先通过DNA编码化合物库筛选了数十亿个分子，然后利用AI筛出了有潜力的候选，发现了用于控制谷物真菌病的新化学结构，后来还把一批新型除草候选分子推进到了概念验证阶段。

当然，咱们先别急着把它们称为“研制出了新农药”。因为它们还要继续优化，还要做严格的药效、安全、环境和田间测试，目前更没有完成上市登记。

这也是这条新闻最容易被说过头的地方。先正达负责人说，希望未来的新产品能够大幅提前到达农民手里。报道里还提到，过去需要数年的一些实验室设计、优化和田间工作，有机会缩短到数月。

但是，这不等于一种新农药已经从15年压缩到几个月。

先正达自己的资料写得很清楚，开发和登记一种新有效成分，平均仍然需要8到10年，通常要完成100多项研究，光监管机构评估数据就可能用掉2到4年。另一份2026年7月的行业报道还提到，真正从这套AI密集流程里诞生的产品，距离市场仍可能有5到10年。

当然，这个我们也都能理解。一款打给小麦的农药，如果没有几年的观察数据，怎么可能拿农民的生计当试验品？农作物的生长不能靠一两句提示词按下快进键，农药带来的慢性毒理和对自然生态的影响，也不能让AI猜，这些都需要实打实的观察数据。

可如果因为时间没有大幅缩短，就觉得AI只是画了几张分子图，那又严重低估它了。咱们不要走极端。

我看了一些报告，发现一款候选农药最怕的，根本不是第一天失败，而是花了五年、做了几千次实验、投入大量人力和资金以后，才发现它在某个关键指标上根本走不通。

AI正在做的事情，是把这种失败往前挪。

举个简单粗暴的例子，假设有一百个分子候选，原来可能只有真正合成、进入实验流程以后，才知道其中九十多个都走不通。但有了AI系统以后，可能先在电脑里就能淘汰掉大半，只把最值得验证的几个交给实验室。

它没有让现实世界里等待植物生长的时间消失，却正在提高实验的成功概率。

我觉得这才是AI进入真实产业以后，最值得兴奋的能力。它不只会模仿人已经写过的话、画过的图。它开始进入一个人脑根本不可能穷举的搜索空间，提出人类没有想到的候选，再调动一整套评价系统，告诉科学家下一步最值得把钱和时间花在哪里。

今天是农药和药物，以后还会有新材料、电池、食品配方，甚至更多我们现在根本想不到的东西。比如，放到一个非常个人的场景里，如果AI已经非常了解你了，理论上来说，它可以根据你每天的日程或者接下来的安排，为你挑选一周后参加某个活动时可以穿的衣服。

它可以从市场上海量的品牌和设计里去寻找，如果发现没有符合要求的，甚至可以自己设计一件，然后联系一个一件就能生产的服装制造平台，为每个人打造一件AI生成的高级定制服装。

这个听起来有点儿科幻，但从实现逻辑上，我觉得完全可行。

值得关注的是，8月16-18日，即将在宁波举办的 #2026第5届合成生物与绿色生物制造大会（简称SynBioCon 2026）上，我们将设置一场聚焦产业一线热点话题的圆桌讨论—— 『 AI时代浪潮下，生物制造产业发展和落地探讨』

出席嘉宾：
- 王戴琦，上海市未来产业生物制造专委会秘书长
- 吕震林，酶赛生物工程有限公司总裁
- 罗小舟，中国科学院深圳先进技术研究院合成生物学研究所研究员、合成生物学研究所所长助理、合成生物化学研究中心执行主任；森瑞斯生物科技（深圳）有限公司创始人
- 康震，深圳瑞德林生物技术股份有限公司动物营养与绿色农业首席科学家兼睿德莱（深圳）医疗健康管理有限公司总经理
- 王筱，杭州欣贝莱生物科技有限公司联合创始人兼CEO

同时，酶赛生物副总裁杨欣航、浙江大学杭州国际科创中心江玲研究员、西安卓虹超源生物研发负责人陆瑶、百图生科农业与合成生物学行业负责人罗朝晖等嘉宾将出席分享AI+生物制造最新进展！

SynBioCon 2026

第5届合成生物与绿色生物制造大会

·探索生物制造新增量·

8月16-18日，浙江·宁波凯洲皇冠假日酒店

（宁波市海曙区药行街129号）

“十五五” 开局新程，生物制造作为国家重点培育未来产业，迎来发展关键期。2026（第5届）合成生物与绿色生物制造大会（简称SynBioCon 2026）定于8月16-18日在浙江·宁波举办，由DT新材料主办，酶赛生物共同协办。

大会致力于搭建产业上下游交流合作平台、助推创新成果转化和探索行业趋势进展，设置 “5大主题论坛+1场科技论坛+4大同期活动”。活动将汇聚创新企业、知名专家和高校科创团队、中试平台、资本、政府园区等多方力量，围绕“绿色化工和新材料、AI+生物制造、海洋生物制造与创新农业、未来食品和营养健康”等领域热点话题和方向。诚邀产业链从业者参会，共探生物制造新增量！

主办单位

宁波德泰中研信息科技有限公司（DT新材料）

协办单位

宁波酶赛生物工程有限公司

支持单位

中国科学院大连化学物理研究所

生物反应器工程全国重点实验室

低碳合成工程生物学（全国）重点实验室

上海市未来产业生物制造专委会

大会顾问

张先恩，深圳理工大学合成生物学院院长

陈国强，清华大学教授、合成与系统生物学中心主任