2月的最后一天，合成生物学巨头 Ginkgo Bioworks 宣布收购两家人工智能驱动的药物发现初创公司 Reverie Labs 和 Patch Biosciences以及一家 RNA 平台公司 Proof Diagnostics。
三项收购旨在提高 Ginkgo 在人工智能药物设计、机器学习基因药物设计和基因编辑检测方面的平台化能力。
上市之初，Ginkgo 市值一度超过260亿美元，轰动全球，是合成生物学行业中当之无愧的超级独角兽。
后却被指控无核心技术和产品，商业模式遭到质疑，Ginkgo当前市值仅剩27.59亿，距*时期跌落近90%。
尽管实施了一系列自证手段，但效果并不理想，财报表现诚实，2023 年全年收入为 2.51 亿美元，比上年下降 47%。
而这次，Ginkgo看中了爆火的AI，试图弥补其核心技术和产品的不足。
只是，AI能否拯救Ginkgo？AI+合成生物学是一门好生意吗？
01 一口气三项收购
上述三项收购是 Ginkgo 更广泛战略的一部分，旨在通过新的 Ginkgo 技术网络增强其研发产品。
Ginkgo技术网络是一个开创性的生态系统，由人工智能、遗传药物、生物制品和制造等各个领域的超过 25 个合作伙伴组成，目的是通过集成能力增强客户研发计划。
Ginkgo 在集成平台技术和建立战略合作伙伴关系方面拥有超过 15 年的经验，是资深的系统集成商。现在，该公司通过该网络以及新收购的初创公司扩大其服务范围。
*笔收购是 Patch Biosciences，这是一家总部位于纽约的人工智能平台开发商。
Patch Biosciences 以其使用机器学习模型和检测而闻名，这些模型和检测现在将增强 Ginkgo 的现有服务，为其遗传医学工具包增添宝贵的功能和资源。
第二笔收购是 Reverie Labs，这是一家总部位于马萨诸塞州剑桥的公司，专门从事人工智能驱动的药物发现。
此次收购包括 Reverie Labs 的先进基础设施和软件，对于训练大规模人工智能基础模型至关重要。
此外，Reverie AI 团队的四名重要成员也将加入该公司，其中包括首席技术官 Ankit Gupta，他将担任 Ginkgo 的 AI/ML 推进主管。
此次整合旨在显着增强 Ginkgo 的 AI/ML 驱动的发现服务，并加快下一代生物基础模型的开发。
新加入的 Reverie 团队将在将 Reverie 的技术融入 Ginkgo 不断扩展的 AI/ML 基础设施以及未来 AI/ML 技术在生物工程中的开发和应用中发挥至关重要的作用。
Ginkgo 计划整合 Reverie 的模型、软件和工作流程，以推进其 AI/ML 驱动的实验设计基础设施。
此外，Reverie 的化学生成人工智能平台将集成到 Ginkgo 的工具包中，以支持小分子项目。
Ginkgo 目前的 AI/ML 计划包括 Owl，这是一种人工智能引导的设计工具，它补充了 Ginkgo 酶工程团队在众多项目中审查过的一整套计算工具。
该公司还开展了多项旨在推进生物工程和生物安全的战略合作，包括与谷歌云、默克、辉瑞和勃林格殷格翰的合作。
还有一笔收购是 Proof Diagnostics 公司，该公司因开发“面向未来”的 COVID-19 筛查仪而受到关注。
值得一提的是，Proof Diagnostics 由张锋联合创立，因其创新的 OMEGAs 技术而受到认可，这是一种新兴的 RNA 可编程非 Cas 酶，为当前基因组医学工具提供了一种有前途的替代品。
收购 Proof Diagnostics 的目的是通过将 OMEGA 整合到 Ginkgo 的基因编辑工具包中来加强 Ginkgo 的基因治疗服务，为基因组医学提供更通用的方法。
02 早已布局AI
这并非Ginkgo首次切入AI赛道。
2022年6月，Ginkgo收购了Bitome，后者开发了GeniiTAS 代谢组学监测平台的 AI 引擎，能够对细胞培养基持续监测，实时阐明细胞代谢状态。
2022年10月，又宣布收购老对手Zymergen ，得到了后者集产品设计、微生物制造、量产于一体的AI自动化生物制造平台。
收购也是Ginkgo提高其平台服务能力惯用的手段，2022年还连续收购 FGen AG、Altar、Circularis三家公司，2023年又收购 StrideBio 的 AAV 衣壳和载体平台资产。
除了大举收购，Ginkgo也在自建相关AI算法和模型。
2022 年12月，公司宣布推出酶相关服务“Ginkgo Enzyme Services”，以超高通量筛选、机器学习指导的蛋白质设计以及专有的菌株优化技术作为支撑，Ginkgo能提供从新酶发现、活性功能优化到规模生产各环节的解决方案。
据了解，利用其在DNA合成和高通量筛选方面的能力，Ginkgo合成了1.09 亿个DNA碱基对，筛选属于12个酶类的7117种酶，并评估了2719条通路，总共进行菌株测试30445种。
包括Cradle、Biomatter Designs、Cambrium、Arzeda和Basecamp Research在内，都在利用AI/ML技术来设计新型酶或改进现有酶。
Ginkgo还通过合作布局AI。去年与Google Cloud达成合作，Ginkgo将利用Google Cloud的VertexAI平台，在生物工程应用领域开创新的大型语言模型，应用于药物发现和生物安全等领域。
人工智能通过促进生物系统的设计、构建和优化，在推进合成生物学的发展中发挥着至关重要的作用。
除Ginkgo外，也有不少公司尝试将AI应用到合成生物学医疗细分赛道。例如Jura Bio，致力于利用机器学习和合成生物学开发新型 tcr 疗法。
AI技术加持下，Ginkgo依旧不自己生产化学品，而是设计有机体并将其许可给其他公司，其商业模式更像是一家CRO公司。
可惜，这样的商业模式并未给Ginkgo带来颇天富贵。
2月29日，Ginkgo公布了第四季度和 2023 年全年的财务业绩，其中2023 年全年收入为 2.51 亿美元，比上年下降 47%。
公司的理由是，由于转型和扩张，2023年收入下降。
公司首席执行官 Jason Kelly 强调 2023 年是该公司的“突破年”，生物制药业务显着增长，并围绕 Ginkgo 平台建立了生态系统。该公司的战略收购和技术网络的推出预计将增强其在人工智能和生物制药领域的能力。
但这样的说辞并未打动投资者，受此消息影响，股价跌超15%。
好消息是该公司今年的净亏损从上一年的 21 亿美元亏损改善至 8.929 亿美元。年终现金余额接近 9.5 亿美元，为 Ginkgo 提供了坚实的财务基础，以推动盈利并利用提高的平台效率。
03 说在最后
需要肯定的是，2024年随着人工智能技术及优质的数据不断突破迭代，AI将成为助推合成生物学发展的一大利器。
而作为合成生物学的巨头，Ginkgo提早布局AI，*潜力，且目标清晰，一直坚持其商业模式——以买促卖。
但当下合成生物学产业仍处于起步阶段，尚未真正解决大规模商业发酵等基本问题。
Ginkgo避开问题，不选品也不生产，利用AI能否实现其合成生物学平台的真正潜力，还得打个问号。
