發酵技術是生物制造的核心手段，為了保證發酵質量，通常需要人類工程師根據常年積累的經驗，24小時不間斷地進行手動調控。
近日，上海交通大學李金金教授團隊打造了“基于遷移學習和物理可解釋的小樣本AI工業自動控制系統”（AI自控系統，ManuDrive），并落地轉化，使用“AI工程師”將時間維度引入工業發酵過程，實現了AI動態調控，通過在復雜的生物發酵過程中能動態調控參數，實時生成未來每一個時刻的最優發酵方案，進而大幅度提升了工業發酵產量。
將“時間維度”引入AI，推動產業轉型升級
在實際落地應用中，ManuDrive使發酵罐的發酵產量實現了大幅度的提升，同時生產過程中的波動也得到了極大幅度的降低，工廠的生產穩定性和效率都顯著增強。這改變了傳統的發酵調控模式，不再需要人類工程師手動去進行每個小時的發酵調控工作，而是借助人工智能向中控系統發送操作指令，大大提高了調控的效率與精準度；通過AI調控所生成的方案更加科學有效，對原先以經驗為主的生物發酵方案進行了進一步優化。同時，人工智能的調控具備持續迭代的優勢，基于ManuDrive所產生的高質量數據，AI又能夠持續進行反饋和迭代，使得發酵產量不斷提升，形成了一個不斷輸入新數據、提升產量，再輸入新數據、進一步提升產量的良性循環，進一步推動產業轉型升級。
ManuDrive將“時間維度”引入到工業控制領域當中，攻克了生物發酵這一復雜且動態過程里實時預測與精準調控的國際難題，顯著提高發酵穩定性和產量。“隨著AI技術與生物制造的深度融合發展，發酵生產正逐步從以往依賴經驗的‘試錯模式’向依靠數據驅動的‘智能模式’轉變。它不僅對原有的生產流程進行了重新塑造，更在生物制造領域催生出了一場意義深遠的技術革命，為整個行業的未來發展開辟了更為廣闊的前景。”李金金表示。
低成本“AI大腦”可適應企業輕量化部署
據李金金介紹，不同于主流AI大模型需依賴數千乃至上萬塊GPU卡才能運行的高耗能模式，ManuDrive憑借創新算法架構，僅需十幾張GPU卡，配合傳統AI模型中5%的數據量，就能實現連續、精準的推理預測。這一突破不僅大幅削減企業在算力資源上的資金投入，更顯著降低智能化改造成本，讓中小型企業也能以低成本部署高效 “AI工業大腦”。
在國產化適配層面，該系統深度兼容國產算力服務器，從硬件底層到算法框架實現全鏈路自主可控。系統充分發揮國產算力設備的性能優勢，在保障運算效率的同時，擺脫對進口算力設備的依賴。這種輕量化部署與國產算力的結合，使企業無需擔心算力基礎設施的高昂建設成本與維護壓力，可快速完成系統部署與調試，加速智能化轉型進程。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
