核心结论：

碳效率最高的生物基烯烃路线，近期反而最难工业化放大；

以乙醇为公共上游原料的半合成路线更具工业价值。

随着石油资源的日益紧张、下游化学工业对烯烃原料需求的持续增长，以生物质和CO₂等可再生碳源制备的生物基烯烃，正成为绿色化工与生物制造的重要发展方向。直接生物合成看起来更绿——微生物吃糖吐烯烃，一步到位。但是，事实果真如此吗？

【生物基能源与材料】获悉，青岛科技大学邹慧斌教授团队近期在Green Chemistry发表综述，用原子经济性、碳效率、热力学和分离瓶颈四个维度系统评价了C2-C5生物基烯烃的全路线。结论恰恰相反：半合成路线近期更具工业价值。

论文图1先给了一个量级差距：2025年石油基乙烯供应量约2.37亿吨，而商业化生物乙烯仅40万吨。差距巨大，但原因不是“做不出来”，而是“做出来了但工程上不划算”。

01 碳效率悖论：理论上最优的路线，工程上最难放大

论文用原子经济性（AE）和碳效率（CE）两个指标评价每条路线。

AE——你投进去100克原料，有多少克变成了你想要的东西；CE更严格，只算碳原子——你喂进去的碳，有多少留在了产物里，有多少变成了CO₂消耗掉了。乍一看，这两个数字越高越好。但论文的结论恰恰是：AE/CE最高的路线，不一定是最容易工业化的路线。

C2乙烯：乙醇脱水——AE 60.9%、CE 100%，碳效率几乎满分，但真正的瓶颈是乙醇浓缩和催化剂水耐受。

乙醇脱水制乙烯，两个碳全部保留在乙烯中，CE=100%，看起来完美。但论文指出，这条路线的真正瓶颈不在脱水反应本身，而在乙醇回收——发酵液里的乙醇浓度通常很低，浓缩到脱水反应器需要的浓度，分离能耗巨大。

更棘手的是催化剂的水耐受性：湿法进料条件下，催化剂的长期稳定性是工程上的核心制约。换句话说，AE/CE算的是终端反应的碳效率，没有算分离能耗和催化剂更换这些"隐性碳成本"。

图3以乙烯为例直观展示了三条路线的瓶颈分布：半合成路线（分离受限）、糖驱动异养EFE路线（生物受限）、蓝藻CO₂路线（光和气体传递受限）。每条路线的"惩罚因子"累积在不同的工艺层——这正是碳效率悖论的核心：AE/CE只衡量了终端反应的碳保留，而真正决定路线能否工业化的，是分离能耗、催化剂寿命、代谢通量、气体回收这些"非化学计量惩罚因子"。

乙烯的问题在乙醇浓缩能耗和催化剂寿命。丙烯的问题更复杂：不是分离难，而是选择性。

C3丙烯：bio-IPA脱水AE 70.0%更优，但上游供给不成熟；ETP路线AE 60.9%，但受困于烃池选择性。

丙烯的路线选择最能体现"碳效率悖论"。

bio-IPA（生物基异丙醇）脱水制丙烯，AE=70.0%，CE=100%。但问题出在上游：IPA的发酵供给远不如乙醇成熟，IPA-水分离的能耗和酸性催化剂在高含水条件下的寿命都是硬约束。

另一条ETP（乙醇制丙烯）路线则相反——上游乙醇供给最成熟，但乙醇一旦进入烃池反应网络，脱水、寡聚、裂解、重排同时发生，碳被分散到乙烯、丁烯、石蜡、C5烃和焦炭等多个产物中。

C4和C5：碳损失从工程问题升级为化学问题。

C4丁二烯直接合成已从摇瓶推进到补料发酵，达到2.13 g/L，是少数走到反应器级评价的路线。但ccMA到丁二烯需要双脱羧，两个CO₂释放出去，理论碳保留上限只有66.7%——这不是工程优化能解决的，而是反应化学本身决定的碳损失。半合成路线中，异丁醇脱水AE=75.5%最干净但上游薄弱，ETB路线上游最强但下游C-C偶联极其复杂。

C5异戊二烯直接合成是所有直接路线中最成熟的，工程化大肠杆菌补料发酵达到6.3 g/L——综述引用的直接生物合成路线中报道的最高产率之一。但瓶颈不在终端反应，而在乙酰辅酶A和DMAPP的前体供应、ATP/NAD(P)H的能量需求以及尾气回收——本质上是代谢通量和辅因子平衡的问题，不是提高酶表达量就能解决的。

02 既然没有最优路线，那什么才是最优策略？

碳效率悖论的推论很直接：如果不存在单一最优路线，那最务实的策略就不是押注某一条路线，而是找到能同时服务多个目标的共享节点。论文给出的答案是：乙醇。

在论文构建的五条互联骨架中，乙醇中心骨架是近期最具平台价值的节点。

乙醇作为原料通过三个方向制备生物基烯烃：脱水制乙烯（C2）、经ETP路线制丙烯（C3）、经ETB路线制1,3-丁二烯（C4）。这意味着，你不需要为每一个目标烯烃单独搭建一套上游——乙醇发酵平台可以共享，下游根据市场需求灵活切换。

03 AI预测了10条新路线，但最有价值的不是路线本身

论文最后用AI工具（ASKCOS，一个基于机器学习的逆合成路线预测平台）预测了10条新路线。结果出人意料：没有一条在ASKCOS前五预测产物中直接命中目标烯烃。

但论文的结论不是"AI不行"，而是——AI的真正价值不在于替实验给出答案，而在于帮实验排优先级。

10条路线中，R1-R3和R7被评为中等实验优先级（7分），其余为探索级（4分），7条更适合分步验证而非单催化剂"一步到位"。AI在这里扮演的角色是"诊断工具"：它告诉你先测什么中间体、先扰动什么催化剂功能。这个定位对科研团队很有启发——AI不是替代实验，而是让每一个实验都更有诊断价值。

对于生物基化学品企业的技术决策者和科研团队的路线设计者来说，这篇综述建立的评价框架——AE/CE数据打底、热力学筛选定位、分离瓶颈定性——是一个可以直接用来评估自己路线的工具。在生物基烯烃从实验室走向工业化的路上，这套框架比任何单一数据都更有参考价值。

论文信息：Li Y., Xian M., Sun C., Zou H. Post-petrol C2–C5 olefins: biosynthetic or semisynthetic production of biobased olefins. Green Chemistry, 2026, 28, 13122–13151. DOI: 10.1039/d6gc03751h. 第一作者李燕超，通讯作者为邹慧斌教授和中国科学院青岛生物能源与过程研究所孙超，研究获国家重点研发计划（2022YFC2104700）和山东省自然科学基金（ZR2022MB014）资助。

平台声明：部分素材来自Green Chemistry。分享仅为行业信息传递与交流，不代表本公众号立场和证实其真实性与否。欢迎行业投稿！如有需求，请联系我们：15381397601（微信同号）。