生物学家长期面临工具碎片化、研究流程繁琐的痛点。一款名为Biomni的开源AI智能体正试图改变这一现状，它通过构建一个统一的工作环境，自动化数据分析、文献检索等常规任务，让科学家能专注于创造性思考，有望加速科学发现的进程。
智能速览
斯坦福博士创立的Phylo公司获a16z领投1350万美元种子轮融资。
Biomni旨在为生物学家打造一个统一的集成开发环境（IDE）。
其通用AI智能体能将自然语言指令转化为可执行代码，自动化处理复杂研究任务。
在真实任务测试中，Biomni分析数据耗时仅为人力的1/600，实验设计能力媲美资深研究员。
开源不到一年，Biomni已被全球7000多个实验室及18家顶级药企采用。
精华内容
Biomni的出现，源于一个朴素的愿景：为生物学家打造一个真正属于自己的统一工作环境，将他们从繁琐的常规任务中解放出来。
从科研痛点到破局点
创始人黄柯鑫在博士期间发表了TxGNN等高影响力AI模型，但这些在基准测试中表现出色的工具，却难以被生物学家真正整合进日常工作流程。这些预测模型更像是“增值服务”而非刚需，科学家们面对复杂的代码和接口往往无从下手。
2024年大语言模型驱动的智能体概念兴起，让他看到了打通模型与应用鸿沟的关键。通过自动化处理生信分析、文献查询等常规任务，AI可以真正融入研究者的工作流，Biomni项目由此诞生。
构建生物学的IDE
Biomni的技术架构分为两部分。第一部分是Biomni-E1，一个统一的生物医学“行动空间”。团队系统分析了2500篇生物医学论文，提取并验证了150个专业工具、105个软件包和59个数据库，构成了完整的行动资源库。
第二部分是Biomni-A1，一个通用型智能体架构。它接收自然语言指令后，能自主生成并执行分步计划，以代码形式调用工具、处理循环和条件逻辑，灵活应对高度异质化的生物学研究任务。
媲美专家的执行力
在多项真实案例中，Biomni展现了强大的执行能力。面对458个包含可穿戴设备数据的Excel文件，它自主生成10步分析流程，在35分钟内发现餐后体温平均上升2.19°C，而人工完成预计需要三周。
在处理单细胞多组学数据时，它不仅重现了已知结论，还发现了新的转录因子作用。在分子克隆任务盲测中，其设计的实验方案与5年以上经验的资深研究员水平相当，远超初级人员。
人机协作的新范式
Phylo选择构建通用型智能体，而非任务专用型，是为了实现规模化并促进跨学科发现。商业化上，在开源版基础上推出了企业级产品Biomni Lab。
其长期愿景是让Biomni成为科学家电脑上永远打开的标签页，形成类似PI与团队的人机协作模式。一个科学家可同时指挥多个AI Agent并行执行分析任务，从而将精力完全投入到提出新想法、设计新实验等更具创造性的工作中。当前的主要瓶颈在于培养生物学家的信任和使用习惯。
Biomni不仅仅是一个工具，更是一种科研范式的革新。它将生物学家从重复性劳动中解放，让科学发现的节奏得以加快。当AI成为科研团队的可靠伙伴，人类的创造力将在探索未知世界的道路上得到更极致的释放。
