上海交大洪亮教授利用海洋所取得的深海耐高温蛋白数据训练大模型，AI 已能够轻松设计出具备耐高温性能的目标蛋白。这一进展的核心意义在于：它把蛋白设计从“依赖人类经验归纳”推向“高维数据驱动”，从而让产业链的话语权向掌握稀缺数据与算法平台的一端集中。 上游是深海蛋白数据的采集与标注，中游是蛋白设计大模型的训练与算法平台，下游是耐高温工业酶与生物医药等应用场景——三者之间的价值分配，正围绕“数据壁垒”重新排列。
上游：稀缺数据成为产业链的起点
蛋白设计大模型的能力上限，取决于训练数据的质量与独特性。深海耐高温蛋白来自极端环境，其序列与结构信息在常规数据库中并不常见，因此这类数据的采集与标注能力，构成了产业链上游最直接的壁垒。
需要看到的是，生物医学领域的高质量数据缺乏、数据孤岛难解，是长期存在的结构性问题。深海蛋白数据的价值，恰恰在于它绕开了这一瓶颈：它不是对已有公共数据的再加工，而是新增了一类带明确环境属性的经验样本。谁掌握这类数据的获取渠道与标注规范，谁就在源头拥有议价权。
中游：算法平台承接数据、输出设计能力
中游的蛋白设计平台，承担的是把数据转化为可复用设计能力的角色。资料指出，以 GPT 为代表的大模型在蛋白质设计方面已经完全碾压了人类——这里的“碾压”体现在逻辑差异上：AI 找到的某些优化点位是违背人类直觉的，却依然能提高稳定性。
原因在于特征维度。人类科学知识多是从实验观测中归纳低维特征，而生物医学、材料工程这类学科可提取的特征太少；深度学习用高维向量描述蛋白质特征时，有可能抓住更本质的因素。这意味着中游平台的价值不只是“算得快”，而是在人类经验难以完备的领域提供更高精度的设计输出。它也决定了产业链的分配格局：上游数据越稀缺，中游平台越需要以数据合作而非单纯采购的方式绑定来源。
下游：耐高温工业酶与生物医药率先受益
下游应用的分化，取决于场景对“耐高温”这一属性的刚需程度。天然蛋白质经自然选择已达到较优的性能、稳定性与活性，但工业或医药的实际使用环境不同，需要通过突变若干氨基酸，在稳定性、结合力、亲和力、催化活性、底物选择性等方面做优化——这正是蛋白设计大模型最能直接发挥作用的环节。
相较之下，AI 制药整体仍处于发展初期。药物研发面临数据、算法与专业人才的挑战，商业模式也需市场进一步验证；AI 在药物发现上的作用仍局限在速度和成本上，而非决策质量。因此，耐高温工业酶等蛋白工程场景，比新药研发更早具备承接这类设计能力的条件。
常见问题
深海耐高温蛋白数据为什么能成为产业链壁垒？
因为蛋白设计大模型的能力依赖训练数据的独特性，而深海耐高温蛋白属于常规数据库中不常见的样本。这类数据需要专门的采集与标注能力，难以被快速复制，因此掌握源头数据的一方在产业链中拥有更强的话语权。
AI 设计耐高温蛋白，和传统蛋白质工程有什么不同？
传统蛋白质工程依赖人类几十年经验总结的规律，但这些规律往往只有相关性、缺乏因果性。AI 用高维向量描述蛋白质特征，可能抓住更本质的因素，甚至找到违背人类直觉却有效的优化点位。两者是经验归纳与数据驱动两条不同路径。
这类能力会先落地在哪些方向？
更可能先落地在耐高温工业酶等蛋白工程场景，因为工业使用环境对稳定性、催化活性等有明确要求，且优化目标相对聚焦。而 AI 制药受制于生物系统复杂性与反馈周期长，整体仍处于探索阶段。