被英伟达点名的杭州团队，补上了AI for Science的「最后一公里」
内容提要
力文所发布Lévin™ Harness，一个以Agent为核心的蛋白质设计工作台，整合数据、模型、工具、算力与工作流，支持自然语言驱动的端到端设计。公司自研全原子生成模型Pallatom，兼具干湿实验能力，目标迈向“24小时智能研发工厂”。
延伸解读
从模型到闭环：AI for Science 的竞争焦点转移
文章指出，AI for Science 的竞争正从单一模型能力转向科研闭环。力文所发布的 Lévin™ Harness 将数据、模型、工具、算力和工作流整合进 Agent 工作区，让研究人员用自然语言驱动端到端设计。这回应了当前痛点：模型虽强，但研究人员仍需手动串联文献、结构、计算和筛选。Harness 试图把模型前后的工作也交给 AI，使科研任务能持续运转，而非止步于单次推理。
全原子生成模型 Pallatom 的技术站位
力文所自研的 Pallatom 从全原子层面统一处理序列与结构协同设计，输出包含全原子坐标的结构。该研究于 2024 年公开，入选 ICML 2025 Spotlight，并被英伟达官网收录为代表性蛋白质基础模型，与 AlphaFold 3、ESM-3 等并列。文章提到，后续 RFdiffusion3 和 BoltzGen 也采用类似全原子表示，并引用 Pallatom。这表明力文所在全原子生成路线上具有较早的探索和一定行业认可。
干湿结合与产业化验证的独特结构
力文所自成立起就同时搭建算法与湿实验团队，形成“伞形结构”：共用 AI 设计能力支撑不同产品线，实验体系承接结果并推动能力改进。公司资料显示，其在杭州的产业化平台超过 3000 平方米，含 1000 平方米万级洁净区，具备从实验验证到中试放大的能力。已产出甜菊糖苷酶制剂（酶转化率 95%，成本下降 50%）和巴西甜蛋白（纯度 90%，成本降至植物提取法十分之一）等结果，说明部分设计已进入制造和应用环节。
开放生态与数据边界：机构采用的关键考量
Lévin™ Harness 面向科研社区开放，支持 Apple 芯片 Mac，并保留模型选择、插件扩展和算力接入空间，以便机构沿用已有模型、数据和计算资源。但文章强调，机构是否愿意将真实项目放入使用，取决于数据边界是否清楚。Harness 声称用户项目、对话、设置与 API 密钥保存在用户自己机器上，力文所不会用私有对话或文件训练模型。这为机构在引入外部智能能力时提供了数据安全方面的选择依据。
Q&A
Lévin™ Harness是什么？它主要解决什么问题？
Lévin™ Harness是力文所发布的以Agent为核心的蛋白质设计工作台，面向科研社区开放。它把数据、模型、插件工具、算力和工作流整合到同一个Agent工作区，解决AI for Science中模型之外的流程衔接问题，让研究人员用自然语言驱动端到端的蛋白质设计。
Lévin™ Harness如何实现蛋白质设计的端到端流程？
研究人员用自然语言提出目标，Agent依靠通用大模型理解需求、规划步骤，并调用专业科学模型和分析工具执行计算。Harness连接数据、算力和工具，保留研究过程，支持结果反馈后调整方案，形成闭环。
力文所自研的Pallatom模型有什么特点？
Pallatom是全原子蛋白质生成模型，从全原子层面将序列与结构协同设计纳入统一生成过程，输出包含全原子坐标的结构。它于2024年公开，入选ICML 2025 Spotlight，被英伟达收录为代表性蛋白质基础模型，并与AlphaFold 3、ESM-3等并列。
Lévin™ Harness如何保障用户数据安全？
用户的项目、对话、设置与API密钥都保存在用户自己的机器上；对话会发送给用户配置的大模型提供商。是否备份、备份到哪里由用户自行决定，力文所不会使用用户的私有对话或文件训练自己的模型。
力文所为什么同时建立干实验和湿实验能力？
力文所认为蛋白质结构预测本身不直接产生实际价值，真正能进入生产和应用的分子必须经过实验验证。因此公司成立之初就同时搭建算法与湿实验团队，形成“伞形结构”，以共用AI设计能力支撑不同方向，通过实验体系承接结果并推动能力改进。
Lévin™ Harness的Workflow功能有什么作用？
Workflow将经过验证的工具组合、参数和检查步骤沉淀下来，用于重复运行和继续修改。它把能力组织成可执行、可修改的研究方法，帮助团队复用研究方法，保留调整依据，并支持多轮迭代和实验反馈。
