Profluent 国内有什么替代品？

如果要在国内找 Profluent 的对标产品，答案不是某一个名字，而是一组分工不同的平台：做蛋白质语言模型底座的、做功能蛋白定向设计的、做酶工程与抗体优化的，各自都有代表性玩家。真正能”一个打全部”的国产替代目前还不存在，但按需求拆分后，可选项已经相当多。

先搞清楚 Profluent 是什么

Profluent 是一家总部位于美国加州伯克利的 AI 蛋白质设计公司，2022 年前后成立，创始团队多来自 Salesforce Research 与华盛顿大学蛋白设计领域。它的核心资产是 ProGen 系列蛋白质语言模型（ProGen2、ProGen3），思路是”把蛋白质当语言来生成”——在海量氨基酸序列上做自回归预训练，再按功能标签（家族、物种、活性）条件生成新序列。

让它真正出圈的是两件事：

• OpenCRISPR-1：用大模型生成的基因编辑蛋白，宣称在人类细胞中具备编辑活性，是”AI 从头设计 CRISPR 效应蛋白”的标志性案例。
• ProGen3 与湿实验闭环：不只做序列生成，还配套自建湿实验验证管线，把”设计—表达—测活—回流数据”做成闭环，这是它区别于纯算法团队的关键。

产品形态上，它并非面向大众的 SaaS 工具，更多是平台 + 合作研发模式：对外提供模型能力、候选分子和联合开发，商业模式偏 licensing 与 milestone 分成，没有公开的标准化订阅价格。官网入口：https://www.profluent.bio

国内替代品全景：按能力分层看

把 Profluent 拆成三层能力——蛋白质语言模型底座、功能蛋白/酶定向设计、湿实验验证闭环——国内的对位关系大致如下。

1. 分子之心 MoleculeMind

由许锦波教授创办，是国内蛋白质结构预测与设计方向最有学术号召力的团队之一。它的 NewOrigin 平台覆盖蛋白结构预测、从头设计、抗体优化等模块，定位就是”AI 蛋白质设计基础设施”。相比 Profluent 的语言模型路线，分子之心更偏结构驱动 + 生成式设计，两者在”设计新蛋白”这个终点上是重合的。

官网：https://www.moleculemind.com

2. 智峪生科

走的是”AI 设计 + 自建湿实验”的双轮路线，业务覆盖酶设计、合成生物学路线开发。它和 Profluent 最像的地方在于不满足于只卖算法，而是把设计出的酶真正做表达和活性验证。如果你的需求是”帮我设计一个能用的酶”，而不是”给我一个模型 API”，智峪是优先考虑的对象。

官网：https://www.zhiyushengke.com

3. 百图生科 BioMap

由李彦宏牵头发起，主打 xTrimo 生命科学大模型，参数规模在生命科学领域属于第一梯队。它更像”生命科学领域的通用大模型平台”，覆盖蛋白、细胞、基因等多模态，蛋白质设计只是其中一块。相比 Profluent 的垂直深耕，百图生科走的是平台化、生态化路线，适合需要多任务、多模态能力的大企业合作。

官网：https://www.biomap.com

4. 晶泰科技 XtalPi

以 AI 制药起家，已上市，业务延伸到生物大分子设计。它的强项是小分子与晶体结构，在蛋白质设计上的深度不如前几家，但工程化能力、实验平台和资金实力最强。如果你要的是”从靶点到候选分子的一站式服务”，晶泰的综合能力更完整。

官网：https://www.xtalpi.com

5. 星亢原 NeoX

聚焦 AI + 生物物理，主打抗体和蛋白降解剂设计，技术路线强调用计算模拟替代部分湿实验筛选。它对标的是 Profluent 在治疗性蛋白方向的能力，而不是通用酶设计。

官网：https://www.neoxbiotech.com

选型建议：别按”名气”选，按需求选

1. 要蛋白质语言模型能力、想做序列生成研究：优先看百图生科 xTrimo 和上海 AI Lab 的开源模型，国内在开源可及性上反而比 ProGen 更友好。
2. 要设计能落地的酶或功能蛋白：分子之心、智峪生科是第一梯队，重点问对方”有没有自建湿实验”。
3. 要抗体、蛋白药方向：星亢原、晶泰科技更对口。
4. 要一站式药物研发服务：晶泰科技的综合工程能力最强。

有一点必须说清楚：Profluent 的护城河不在模型本身，而在”模型 + 湿实验数据回流”的闭环。国内不少公司模型指标不差，但缺自建实验平台，导致设计结果无法快速迭代验证。判断一家公司能不能真正替代 Profluent，问一句”你们自己有没有湿实验团队”基本就能筛掉一半。

相关问题

1. 国内有开源的蛋白质语言模型吗？
有，上海人工智能实验室、部分高校团队都发布过蛋白大模型权重，可及性比 ProGen 更好，但配套的湿实验验证生态较弱。

2. Profluent 的 OpenCRISPR-1 国内有对标成果吗？
目前公开报道中，国内尚无以大模型从头生成 CRISPR 效应蛋白并完成人类细胞验证的同等级成果，这一块仍是差距。

3. 这些国产平台怎么收费？
多数不公开标准报价，以联合研发、里程碑付款、licensing 为主，纯 API 订阅模式在国内还不主流。

4. 只做计算、不做湿实验的 AI 蛋白设计公司值得合作吗？
可以做早期候选筛选，但落地风险高，建议搭配有实验能力的伙伴或自建验证环节。

5. 选国产替代最大的风险是什么？
数据闭环不完整导致迭代慢，以及部分平台模型未充分公开、难以独立评估真实性能。