SAION AI: platforma, która skraca rozwój szczepów z lat do miesięcy

Bota Biosciences właśnie uruchomiło SAION AI – platformę fizycznej AI, która łączy modele językowe z robotyzacją laboratorium. Efekt? Rozwój nowych szczepów bakterii skrócony z 6-8 lat do 1-3 lat. Przepustowość wzrosła z setek do ponad miliona szczepów rocznie.

To nie kolejny chatbot dla naukowców. To system, który sam projektuje eksperymenty, steruje robotami i analizuje wyniki. Bez przerwy, bez weekendów, bez zmęczenia.

Czym jest SAION AI i jak działa w praktyce?

SAION AI to platforma oparta na trzech warstwach: kognitywnej (myślenie), orkiestracyjnej (planowanie) i wykonawczej (działanie). Tworzy zamknięty system, w którym AI podejmuje decyzje, a roboty je realizują.

Warstwa kognitywna integruje ponad 300 narzędzi badawczych i dziesiątki milionów publikacji naukowych. Według Bota Biosciences system wyprzedza GPT i Biomni ze Stanfordu w wielu testach porównawczych. Konkretnych wyników firma nie podała, więc bierzemy to z przymrużeniem oka – choć jeśli stawiają takie twierdzenia publicznie, prawdopodobnie mają czym to poprzeć.

Warstwa orkiestracyjna tłumaczy decyzje AI na sekwencje działań laboratoryjnych. Warstwa wykonawcza to zrobotyzowane biofoundry – fabryka szczepów, która pracuje 24/7.

Co to znaczy "fizyczna AI"?

Fizyczna AI to system, który nie tylko analizuje dane, ale też wpływa na świat fizyczny. W przypadku SAION AI chodzi o sterowanie robotami laboratoryjnymi: pipetowanie, hodowle bakterii, analizę próbek, modyfikacje genetyczne.

To rozszerzenie koncepcji agentów AI – systemów, które działają autonomicznie. Tyle że tutaj agent nie klika w przeglądarce, tylko steruje sprzętem za miliony dolarów.

Dlaczego bioprodukcja potrzebowała AI właśnie teraz?

Tradycyjny rozwój szczepu bakteryjnego to 6-8 lat ręcznej pracy. Naukowcy testują setki wariantów, notują wyniki w zeszytach, powtarzają eksperymenty. Wolno, drogo, podatne na błędy.

Bota Biosciences zbudowało zautomatyzowane biofoundry w 2019 roku. Od tamtej pory firma dostarczyła 23 projekty i ma w pipeline 15 produktów komercyjnych. Klienci? NHU, Yili, Proya, Pechoin, BASF, Syensqo. Estée Lauder właśnie dołączyło do współpracy.

Przepustowość wzrosła z setek do ponad miliona szczepów rocznie. Cykl rozwoju skrócił się z 6-8 lat do 1-3 lat. To nie kosmetyczna poprawa – to zmiana modelu biznesowego całej branży.

Gdzie to się przydaje?

Bioprodukcja to nie tylko leki. To kosmetyki (stąd Estée Lauder), żywność (Yili to gigant mleczarski), chemia (BASF), materiały (Syensqo, dawniej część Solvay). Wszędzie tam, gdzie potrzebujesz bakterii lub drożdży do produkcji konkretnej substancji.

Przykład: chcesz wyprodukować kwas hialuronowy bez ekstrahowania go ze zwierząt. Projektujesz szczep bakterii, który go wytwarza. Tradycyjnie: lata prób i błędów. Z SAION AI: miesiące, bo system sam testuje tysiące wariantów równolegle.

Czy to działa tylko w Chinach?

Bota Biosciences to firma chińska, ale klienci są globalni (BASF, Syensqo to europejskie koncerny). Technologia nie jest geoblokowana – jeśli masz budżet i potrzebujesz bioprodukcji, możesz z niej korzystać.

Pytanie brzmi: czy Europa i USA będą chciały polegać na chińskiej platformie AI w strategicznych sektorach jak farmacja czy żywność? Tutaj wchodzą kwestie regulacyjne i geopolityczne, które coraz bardziej wpływają na rynek AI.

Dla polskich firm biotech to sygnał: automatyzacja laboratorium przestaje być science fiction. Jeśli konkurencja skraca cykle rozwoju z lat do miesięcy, a Ty nadal pracujesz ręcznie, masz problem. Nie chodzi o zastąpienie naukowców – chodzi o danie im narzędzi, które mnożą ich możliwości.

Co to zmieni w ciągu roku?

Jeśli SAION AI spełni obietnice, zobaczymy lawinę nowych produktów biotech na rynku. Szybszy rozwój szczepów to szybsze wprowadzanie kosmetyków, suplementów, materiałów biodegradowalnych.

Dla firm biotech to presja: albo automatyzujesz, albo zostajesz w tyle. Dla konsumentów to potencjalnie tańsze produkty (krótszy cykl rozwoju = niższe koszty R&D). Dla naukowców to zmiana roli: mniej pipetowania, więcej projektowania eksperymentów i interpretacji wyników.

Podobne systemy już działają w innych branżach – Naver Cloud buduje AI dla fabryk, Tencent wypuszcza agentów AI dla biura. Fizyczna AI przestaje być konceptem – staje się narzędziem produkcyjnym.

Pytanie nie brzmi "czy AI wejdzie do laboratoriów". Pytanie brzmi: kto pierwszy zautomatyzuje swoje procesy i zdominuje rynek, zanim konkurencja się obudzi?