【SynBioCon】上回发布，2026 年开春伊始，酶赛生物宣布正式启动 IPO。公司计划于上半年完成Pre-IPO融资，用于现金流的补充和产能的扩建，届时估值预计突破 15 亿元。此前，该公司已获得来自元生创投、普华资本、康君资本等投资机构的C轮融资，累计融资金额突破 3 亿元。

目前，酶赛生物已实现20多款产品的商业化，涵盖医药中间体、食品添加剂、生物基尼龙单体等多个领域，预计今年营收将实现倍增。尤其是在医药行业，该公司正以自主研发的关键产品，服务全球患者的健康需求。

本篇深度访谈中，有幸邀请到了酶赛生物创始人兼副总裁陈海滨博士，围绕酶赛生物从技术服务到产品化制造的转型路径、技术平台的工业化升级逻辑，以及在医药中间体与生物基材料双线布局下的战略思考，展开系统性的讨论。在合成生物产业从“叙事驱动” 逐渐转向“ 制造能力驱动” 的当下，酶赛生物的发展路径也为生物制造企业如何构建长期竞争力提供了一个强有力的现实参考。

// 主持人

01

公司定位与发展历程：从酶催化服务到技术驱动产品公司

范锐：

过去几年，生物制造行业发生了显著变化，酶赛生物公司战略与业务结构也在这四年时间经历了调整。能否请您先介绍一下酶赛生物？

陈海滨：

酶赛生物在业内算是一个创业比较早的团队，很多人对我们应该都不陌生。刚创立的时候，我们主要是以技术服务公司的模式起步。当时国内虽然在学术界对合成生物学有一定了解，但是工业界几乎完全没有相关概念，更不用说“生物制造”，“生物经济”，这些词当时都还不存在。

2013 年那会儿，我们选择以生物催化、酶催化技术为核心，并把它放在“绿色化学”的整体框架下跟投资人和行业客户沟通。绿色化学在化工行业有一定知名度，而且贴合当时国家加强环保、去产能的大背景。那几年国家以环保为名大幅提升行业标准，把高污染、高能耗、高危险的落后产能逐步压下去，鼓励绿色合成、绿色化学的方式。

我们的团队在国外服务制药公司时，看到很多新药合成的复杂小分子片段，传统化学当然能做，但往往要用高成本催化剂，又需要高温高压，过程具有危险性。所以国际上的很多团队开始尝试用酶来构建那些常规化学难以高效、低风险完成的结构。我们觉得这些技术在国内也一定有空间，所以就把它引进来，最终在医药中间体方向找到了比较好的落地场景，也算是顺利推广开了。

现在，酶赛已经从一家技术服务公司成功“进化”为一家技术驱动的产品公司，核心技术开发能力也从酶催化扩展到代谢工程、化学合成和高分子聚合，公司的组织架构和运营流程经历了深刻的变革，实现了市场导向的“研-产-销”的高效整合。

范锐：

酶赛总部长期扎根宁波。宁波在政策支持、产业基础与人才结构方面，为公司早期提供了哪些关键条件？同时，您提到医药中间体是公司利润的重要来源。这一战略方向的形成，是团队先有产业判断再匹配区位，还是宁波及周边产业集群对业务重心产生了决定性影响？

陈海滨：

我们当时选择在宁波成立，主要是因为 2013 年前后国内刚刚掀起大规模引进海外创业人才的政策浪潮。力度最大的几个城市之一就是宁波。当时我们团队在全国走访洽谈，和宁波的沟通最顺利，理念也契合，加上市政府给了非常大的支持，我们就决定落户宁波。

除了政策支持，宁波还有一个非常大的优势：它靠近国内医药中间体最集中的产业集群，比如台州、绍兴等地。这里是全国做医药中间体最重要的区域之一，客户高度集中。我们作为一家做技术落地和产品路线改造的公司，靠近产业集群对业务推进非常重要，也让我们早期发展更顺畅。

我觉得是两方面共同构成的。我们团队一开始全部是产业背景，不管是做技术还是做市场的合伙人，都在相关行业有多年经验，对医药中间体的技术路线、原料供应链、质量体系和市场渠道都很熟悉。

基于之前的经验，我们判断酶催化技术最容易在医药中间体这个行业切入，并且比较快速产生商业回报。而且我们对这个行业也足够了解，比如公司总裁吕震林在医药中间体行业做市场多年，对上下游都非常熟悉。
所以从技术和市场判断，这个方向最适合我们，也最容易实现利润。之后再结合宁波周边的产业集群优势，两边刚好结合，方向就进一步稳定下来。

范锐：

目前酶赛的业务结构同时涵盖高毛利的医药中间体产品，以及面向更大市场空间但利润率较低的生物基材料方向。两类业务在客户需求、成本结构与商业路径上存在明显差异。在这样的双轨布局下，公司内部如何进行资源配置与能力协同，以确保战略稳定性与长期增长？

陈海滨：

先说医药中间体。这个方向结合了我们团队的技术背景和市场经验，是最容易做深做透的领域。所以我们从转型做产品之后，就把它作为公司的基本盘，一直坚持做到现在。酶赛已实现了十余款医药中间体的商业化，涵盖治疗高胆固醇的依折麦布片、控制高血压与心衰的沙库巴曲、针对糖尿病的替尔伯肽等多个市场规模千万以上甚至过亿的单品。

我们会持续做仿制药里的关键技术路线和新合成路线，把原来难以再下探的成本继续往下压，做到颠覆性地降低关键中间体的合成成本，从而拿到市场优势。医药中间体不能只做一款，因为它属于精细化学品，一些产品虽然单品利润高，但市场容量不大。

所以我们必须形成产品矩阵和产品网络，通过原料整合、上下游延伸，让整体利用率最大化。这样可以降低原料成本、制造成本，从而形成规模化和竞争力。我们也会不断探索新的品种，扩充产品矩阵，让整体模块更加稳固。这块的发展会比较线性、有机，根据产品选择和量产方法逐步进入市场，是一个稳健的发展模式。

再说生物基材料。从生物制造的演化逻辑来看，要让生物制造技术发挥更大价值，就必须进入更广阔的材料市场。生物基材料这个市场本身非常大，但现在确实被石化基材料占据着绝对份额。石化路线几十年优化下来，成本非常低，所以生物基材料要形成规模需要很长周期。

但从趋势判断，这是必然方向。生物基材料在某些领域一定会找到机会点：填补现有市场满足不了的需求，抢占石化材料难以继续优化的领域，提供可再生、更环保的新选择。它的底层逻辑也很清晰：第一，它来自可再生资源，符合可持续与碳中和趋势；第二，生物路线代表更先进的制造方式。

至于什么时候能形成真正的规模化市场，这需要行业里所有参与者共同推动，包括我们酶赛在内。我们认为这个方向值得投入，有一些产品当下就有市场，若技术突破即可变现；更多生物基产品的市场时间培育，酶赛也会长期坚持。

范锐：

在医药中间体方向，酶赛近年来开始引入 AI 辅助酶设计与理性进化。在“AI 驱动酶设计—工艺优化—规模化生产”这三个核心环节中，您认为哪一环节对企业长期竞争力最为关键？此外，相较于 Codexis 等国际公司，酶赛的差异化优势主要体现在技术路径、市场定位，还是成本结构层面？

 
陈海滨：

我们先还是从医药中间体说起，这是酶赛目前最成熟的业务板块。生物基材料未来可能会独立发展，但两个板块在产品上并不存在太多重叠或冲突。

从产品角度来说，路线设计、工艺优化、规模化生产是制造业里最关键的三个环节。酶的开发是否能支持一条新路线，就涉及到 AI 驱动的酶设计部分。AI 目前主要集中在 DBTL 循环里的 design 和 learn 阶段，可以帮助我们提高酶设计效率、减少盲目筛选。但它还无法取代 build 和 test，这两个环节仍然依赖实验验证。对于做产品的公司来说，三方面都不能有短板。做技术服务可以靠一个长板，但做产品不行——你设计能力再强，如果工艺环节或市场环节有短板，也没办法真正把产品做出来。酶赛现在在设计、酶开发、工艺优化、放大生产这些环节基本都补齐了，整体能力比较均衡。

说到国际竞争，过去我们做服务时确实跟 Codexis 有过竞争。但实际上我们面对的客户群体完全不一样。Codexis 面向的是原研药企业，比如默沙东、辉瑞这些，且只进行实验室阶段的研发。这些客户开发新药、新化合物，需要 Codexis 做全新的酶开发，收费非常高。而国内大部分客户做的是市面上成熟的产品，不是新结构、不是受专利保护的新药。他们的需求可以非常明确：你必须开发出酶加工艺的整体解决方案，把物料和生产成本做到极致，甚至比化学路线已经做到的极低成本还要更低。

这对我们提出更高要求，也让我们形成了不同的竞争力。我们在国际市场上的客户也主要不是做新药的，而是农业、香精香料、精细化学品这些领域的头部企业，他们需要的是能降低成本或提升安全性的生物催化整体解决方案。这种需求本身就和 Codexis 的业务逻辑完全不同。

02

融资、现金流与技术平台建设

范锐：

自 2022 年以来，公司未再披露新的融资信息。是否可以理解为酶赛已进入相对稳定的商业阶段，完成阶段性现金流闭环？在当前阶段，公司在资本策略、产能扩张与技术平台建设之间的资源分配逻辑是怎样的？

陈海滨：

可以这么说。我们上一轮是 C 轮融资。一般在制造业里，做到 C 轮意味着商业模式已经跑通，后续融资主要是用来扩大产能和提升盈利能力。酶赛其实很早就实现了收入，我们现在主要是推进收入增长，特别是提升盈利能力。

作为一家产品型公司，我们一直把自己定位为“技术驱动的产品公司”。做产品不能拘泥于只用一种技术，所以在确定某个医药中间体产品非常有潜力，并且我们设计的路线未来会有巨大竞争力时，我们在技术布局上就会非常开放，不会只依赖酶催化。我们这几年扩展了技术平台——在酶催化之外，我们完善了传统有机化学路线开发能力，也加入了细胞工厂技术，用全细胞反应或代谢工程的方式来做一些产品。

这样我们在设计一条产品路线时，可以在酶催化、化学合成、细胞工厂之间进行排列组合，选出效率最高、成本最低、可放大性最强的路线，从而形成更具竞争力的解决方案。这是我们过去几年在资金使用和能力建设上最重要、也最值得强调的部分。

03

技术进展：高通量、AI、本地大模型、数据体系的全面升级

范锐：

在过往的采访中，您曾介绍过 BioEngine 与 BioNavigator 平台，几年过去了，这两个平台在数据规模、模型能力与实验通量方面有哪些实质性升级？尤其是在高通量测试与数据体系建设方面，是否形成了可持续的技术壁垒？

陈海滨：关于技术平台这块，刚才前面我也提到，我们过去几年一方面扩展并基本完成了化学合成技术平台、细胞工程技术平台的建设；另一方面，包括后端的中试能力、生产体系，我们在过去一年也做了很大的建设和提升。

回到你提的 BioEngine 和 BioNavigator 这两块。我们在 2021 年采访时确实刚开始尝试做 AI大模型。后来随着 AlphaFold2、AlphaFold3 等模型的迅速发布，我们其实很快意识到——以我们这种体量的公司，自己去开发一个蛋白质大模型是不现实的。虽然我们已经积累了相当多的数据，但还不足以支撑一个真正的大模型训练。算力和人才这两方面，也不是一家中型公司能完全自己投入去做的。所以我们后来采取的是“拿来主义 + 本地部署 + 私有数据强化训练” 的策略。能开源的模型，我们就拿来本地部署，然后用我们自己高质量的实验数据做强化训练、微调，再应用到具体项目中。这样既提升效率，也不会在数据和 IP 上有风险。

除了 AI，我们过去几年还落地了一个非常重要的能力，就是 高通量测序技术。我们基于纳米孔（Nanopore）平台搭建了一套完整的高通量测序体系，可以对我们实验室构建的所有酶突变体克隆进行全量测序。以前因为测序成本很高，我们只能挑“最感兴趣”“最关键”的突变体测。但现在因为纳米孔平台成本大幅下降，我们可以把所有构建出的突变体都全部测掉，这对我们数据积累的速度和丰富度提升非常明显。

我经常在很多场合强调，酶工程这个领域，数据的积累不仅仅是量的积累，质量的积累更重要。特别是在test（测试）环节上，你的测试方法、实验方案的设计都至关重要。

酶工程是一个典型的“设计—构建—测试”系统工程，你想要得到可靠数据，就必须把每个实验环节的误差控制得非常好，信噪比要高，否则 AI 也用不上这些数据。

测试手段也非常关键。现在有一些行业倾向于追求极高通量，比如微流控这种方式，或者基于某些酶标仪的高通量筛选。但它们往往只能给出“有/无”式的答案，也就是定性的，而不能提供精确的定量测量。
但酶催化要解决的是小分子的化学反应，真正要评估催化性能，还是必须回到色谱（GC、HPLC）或质谱。特别是在一些工艺类项目里，time-course（多时间点采样）非常关键，而 time-course 本身通量就上不去，但这些数据不能不做，否则项目很难成功。

因此我们一直坚持中通量、低通量和高质量数据结合。用低质量数据与高质量数据互补，来完成整个项目的开发。在数据积累上，我们现在已经有一个非常庞大的“数据库”或者说“语料库”。其中 高质量数据超过五十万条，其他不同质量等级的数据加起来有几百万条。因为最近几年我们在设备上的投入，以及项目数量的增加，都非常明显。

另外我想特别提一下，经过十多年，我们做了 200 多个研发项目，积累了大量的工程酶库。我们知道这些酶能催化哪些反应，催化效果如何。这样当我们面对一个新化合物的时候，我们往往能在数据库或酶库里找到很好的起点。而这些起点在公开数据库、文献、甚至自然界里都找不到。这大大提升了我们开发的成功率。
有了 AI 的加持之后，AI 可以提升的是开发效率，但不能提高成功率。因为目前 AI 的蛋白质模型虽好，但它不能理解化学，而酶最终还是要解决一个化学问题。

所以从我们自己的使用效果，也包括行业的观察来看，AI 确实能提升开发效率，但成功率还是取决于三件事：是否有好的起点酶，开发过程中是否有好的系统性实验设计，能不能确定出在生产环节最优势的工艺条件（即“提出正确的问题”）。

这些因素才是真正决定成功率的关键。

范锐：

从 2021 年到 2025 年，AI 与蛋白质工程的结合发展非常快。不仅是蛋白设计，AI 在 RNA 以及其他生物分子方向也取得了很大进展。结合酶赛生物 12 年的产业化经验，您认为 AI 在多大程度上改变了传统定向进化的范式？

陈海滨：

AI 确实提升了效率，但从范式角度来看，目前还没有太大的变化。

定向进化本质上仍然是 design、build、test 、learn的系统工程。AI 目前主要介入的是 design和learn 阶段，在 build 和 test 环节的参与度还比较有限，大部分工作仍然依赖湿实验。

在蛋白质设计阶段，AI 的作用更多是帮助缩小筛选文库规模。比如以前为了获得几倍的性能提升，可能需要筛选一万个克隆。现在通过模型，可以提前排除明显存在缺陷或意义不大的突变体，筛选规模可能降到三千或五千个。

真正影响成功率的，仍然是整个实验系统工程是否合理，尤其是 test 环节是否具有明确目标和产业导向。我们进化或设计蛋白质或酶是为了解决具体的问题，这里最关键的是“提出正确的问题”，而test环节就是“提出正确的问题”。

在数据层面，AI 也带来了一些新的要求。例如，我们需要更规范地收集数据，特别是负面数据（negative data），以便用于模型训练。在 learn 环节，数据格式和管理方式都需要更加标准化。

但总体而言，在我的观察来看，定向进化的基本理念并没有发生根本改变。

范锐：

从产业视角看，意味着真正的壁垒或许并不在算法本身，而在长期积累的高质量数据与工程经验。BioEngine® 在有机相/低溶解度底物体系下如何保持高通量筛选的可靠性？

陈海滨：

这个问题非常关键，因为本质上涉及化学层面的挑战。很多需要催化的反应，其底物在水中的溶解度非常低，这是一个客观存在的问题。

要真正解决这个问题，必须具备实际的化工生产制造经验，尤其是化工或精细化学品生产的产业经验。这也是酶赛从技术服务公司转型为技术驱动的产品公司的重要原因之一。早期我们为客户做技术服务时，客户提出一个反应目标，但并不会明确告知最终采用的工艺条件。我们在实验室条件下实现了技术指标，但到了放大阶段才发现，某些反应条件或有机溶剂在客户工厂环境中无法放大或无法稳定运行。

在与客户的合作过程中，我们逐渐理解并学习到工业放大的关键约束。直到我们建立了自己的中试平台，拥有工厂和生产团队之后，才真正打通了从实验室开发到工厂生产的完整链条，实现“以终为始”的开发逻辑。一开始就明确最终工厂条件，在实验阶段就围绕量产条件进行设计。

回到有机相和低溶解度底物的问题，本质是如何在实验室阶段模拟工业生产环境。底物溶解度低，如何保证筛选体系的稳定性和可重复性，这是核心挑战。

举个例子，有些底物在水中几乎无法溶解，连加入孔板体系都很困难。那就必须设计新的实验手段，比如采用固体加样的方式。我们会将难溶化合物以固态形式预封装到孔板或其他载体中，再引入反应体系。类似这样的方案，都需要在实验环节中进行创造性的设计。

酶工程本质是一个系统工程，design、build、test和learn 四个环节缺一不可。我们特别强调 test 环节，因为实验方案的设计必须具备产业导向。如果只是单纯在实验室追求设计效率，而不考虑未来生产端的条件限制，那么开发与制造之间仍然会脱节。

早期为客户服务的经历，让我们积累了大量关于工艺可行性的反馈。这些经验成为后来转型为产品公司的重要基础。拥有自己的生产团队之后，内部反馈更加及时，也使我们在实验阶段就能预判未来可能采用的工艺条件。

很多人现在更关注 design 和learn环节，认为模型够好、设计能力足够强就可以解决问题。但 design 一定要有明确目标。目标如果设定错误，设计再好也没有意义。而目标是否合理，需要通过 test 环节不断验证。

我们不可能直接把设计出的蛋白拿去工厂生产，必须在实验室先进行验证。关键在于，实验设计如何衔接未来工业条件，包括溶剂体系、时间尺度、放大条件等。这需要产业经验，也需要工艺工程师参与前期预判。

04

产能逻辑与产品组合：制造业视角下的盈利节奏管理

范锐：

酶赛在医药中间体和生物基材料上双线布局。以现有的10000 升酶制剂工厂为例，你们如何结合 AI 酶设计和工艺优化来确定核心产品组合，提升产能利用率，并在不同市场需求下保持盈利节奏？

陈海滨：

这个问题需要从制造业的角度来看。当你拥有一座10,000 升规模的酶制剂工厂，就意味着你具备一定的固定产能，10,000升发酵产出的催化用酶可以带动下游至少百倍的反应体量。要让工厂产生效益，关键在于产能不能闲置。制造业普遍面临一个问题：一旦产能闲置，折旧、人工和其他固定费用仍然存在，这些成本都需要由产品来分摊。如果没有足够的产品体量去分摊，或者分摊的产品数量过少，那么单个产品的成本就会显著上升。

因此，我们在产品规划上，首先考虑的是如何充分利用产能，保证工厂稳定运行。从实际情况来看，我们前期在产品和技术上积累较好，目前的产能可以被充分利用，有时甚至不够使用。在订单较多的情况下，我们也会通过委托加工的方式，寻找代工厂协助完成部分生产任务。

至于产品组合的确定，本质上是订单驱动的。如果有订单，我们就根据订单进行排产，围绕客户需求组织生产，同时保证产品质量和交付周期。

05

葡萄糖二酸：生物基产品布局与结构性替代逻辑

范锐：
刚才您也提到，通常是订单驱动生产、先有客户再排产。我们留意到酶赛近期表示已经实现葡萄糖二酸的生产，并正在寻找下游合作伙伴。酶赛生物为何布局这一生物基材料，有何考量？

陈海滨：

这属于我们战略布局中的一个产品。从选品逻辑来看，产品大致可以分为两类。

第一类是成熟产品。市场上已经存在稳定的供应和需求，属于成熟市场。只要你能够在品质或成本上优于竞争对手，就可以进入市场销售。这类产品最大的优势在于市场已经存在，不需要从零开始做市场教育。

第二类是尚未真正成熟的产品。市场上可能有少量存在，但价格高、需求不明确，或者应用场景还没有完全打开。如果选择做这类产品，就必须承担市场开发的过程。

可以类比新药开发。新药从靶点筛选、化合物优化、临床前测试，到临床一、二、三期，本质上都是市场开发的过程。只有通过临床验证，证明产品有效，市场才会逐步接受。

但如果是新的食品添加剂、新材料或新的功能性产品，它们没有类似临床审批这样清晰、规范的市场验证流程，就需要企业自己推动市场教育。通过行业推广、会议、渠道建设等方式去培育需求。这类产品的不确定性更高，周期也更长。

我印象比较深的是凯赛董事长刘修才博士曾提到，杜邦当年推出尼龙，从能够量产到被市场广泛接受，花了十多年时间。即便产品已经具备生产能力，市场真正大规模应用仍需要很长时间。回到合成生物和生物制造行业，选品本质上就是在这两类产品之间做权衡。

如果选择成熟产品，只要做得更好、更便宜，就可以进入市场；如果选择新产品，就必须准备承担长期的市场培育成本。

葡萄糖二酸更接近第二类产品，是一个布局型产品。因此我们需要寻找下游合作方，共同推动应用场景落地。

范锐：

从整个化工历史角度来看，所有新材料和化学品都需要经历较长的市场培育周期，经历了从技术实现到规模化应用的漫长过程。结合酶赛在生物制造领域的布局，您如何判断哪些产品具备“结构性替代”的潜力，创造传统石化路线难以实现的空间？可以以葡萄糖二酸为例分享一下您的见解吗？

陈海滨：

产业发展本身有其基本的经济规律，也受到市场需求和现实条件的约束。如果从产品逻辑来看，大体还是可以分为两类。

第一类是成熟产品。对于这类产品，无论是生物制造还是生物合成路径，只要你的解决方案能够在同样产品的基础上实现更低成本、更小碳足迹，或者更符合未来的环保与产业政策趋势，就具备竞争力。这是老产品的逻辑，本质上是替代与优化。

第二类是新产品。这类产品往往是传统石化工业难以高效实现，或者结构上并不适合石化路径的产品。

以葡萄糖二酸为例，它从化学结构上决定了必须从葡萄糖出发。葡萄糖本身是生物基原料，而石化工业的原料主要是碳氢化合物，含氧量低。如果通过石化路线去引入大量氧元素，成本和工艺复杂度都会非常高，并不经济。即便采用传统化学方法氧化葡萄糖，也存在反应难以控制、副产物多、提纯成本高等问题。因为大规模化工设备通常并不适合处理复杂的碳水化合物体系。相比之下，通过生物路径，无论是酶催化还是细胞工程，将葡萄糖转化为葡萄糖二酸，在结构匹配度上更自然。因此，这类产品更适合生物制造路径。

但新产品能否成功，最终还是取决于市场是否接受。关键在于性能开发与应用场景开发，这本质上是一个商业问题。

范锐：

那目前市面上的供应情况如何？现有化学路线的价格大致在什么区间？酶赛通过生物合成路径预计可以做到怎样的成本水平？

陈海滨：

根据我们目前的调研，市面上能够找到的产品主要是在美国销售的膳食补充剂，形式为葡萄糖二酸钙。据了解，一些印度公司采用硝酸氧化葡萄糖的方法生产。由于氧化过程难以精确控制，副产物较多，后续提纯成本较高。市场价格大约在一百多美元，甚至数百美元每公斤的水平。

从我们目前中试阶段的估算来看，根据不同纯度和应用场景，例如个人护理用途或农业与水处理用途，我们的成本可能控制在几十元人民币每公斤的水平。

在绿色化工的低碳转型道路上，国内外化工企业均在布局生物基单体和材料。由生物法可以实现哪些生物基产品的产业化？目前全球进展和趋势如何？

 #第11届生物基大会暨展览 （Bio-based 2026）将于5月20-22日在上海举办，同期举办关键化学品与材料论坛、HMF-FDCA-PEF产业论坛等11大上下游主题论坛，将邀约出席上下游头部企业和机构代表、国际知名专家深度交流与合作，欢迎行业报名参加！

▌参考信息：本文部分素材来自***。由作者重新编写，系作者个人观点，本平台发布仅为了传达一种不同观点，不代表对该观点赞同或支持。如果有任何问题，请联系我们：15356747796（微信同号）。