天壤自2016年成立以来，始终专注于通用智能研究，致力于构建面向复杂系统的通用人工智能平台。其旗下的XLab团队采用一种全新的AI计算范式，力图破解生命科学领域的核心难题——通俗来说，就是希望通过先进算法，为人类生命健康与疾病治疗带来根本性的突破。目前，该团队主要围绕蛋白质的结构解析、功能预测、相互作用分析、突变模拟以及从头设计等关键问题，开发面向生物计算的智能算法与平台。

天壤推出的蛋白质设计平台名为TRDesign，完全由人工智能驱动，其设计理念与传统方法截然不同。过去的蛋白质设计往往需要反复迭代主链与侧链，计算过程既复杂又粗糙；而TRDesign则能直接依据目标功能，快速生成对应的氨基酸序列。这一能力如何实现？AI通过大量学习蛋白质序列与三维结构之间的映射关系，精准探索蛋白质可折叠空间中的所有潜在构象。随后，将蛋白质折叠过程中习得的序列-结构-功能关联进行反向映射，以端到端的方式从头完成蛋白质设计、功能检测，并优化其稳定性与亲和力。凭借这一路线，从头设计能够快速生成多肽、抗体及各类功能性蛋白质。

目前，天壤正全力推进性能更优的人工蛋白质设计工艺与药物开发流程。与此同时，基于在强化学习与自学习领域的技术积累，他们正在结合实验自动化，打造一个全智能化的湿实验平台——TRLab。该平台以AI为核心，依托实验数据的实时反馈，构建自我强化的学习型实验体系，旨在真正超越传统化学与生物学方法，以规模化方式加速发掘更有价值的蛋白质，并将成果转化落地至生物医学、化学、工业、农业、食品、材料学及环境保护等多个领域。

蛋白质由20多种氨基酸以不同长度排列组合而成，在几微秒到几毫秒内即可迅速折叠成独特的三维结构，而正是这种结构决定了蛋白质之间迥异的生物功能。自然界中已知的蛋白质序列数据多达数十亿条，为了清晰解析亿级蛋白质序列与百万级蛋白质结构所对应的功能，必须获取蛋白质折叠过程中序列-结构-功能的高维数据关联关系。这一过程离不开对海量蛋白质序列数据的深度计算。

对于底层分子层面的微观计算模拟而言，要实现高效预测并快速生成具有目标功能的氨基酸序列，就必须全面探索蛋白质可折叠空间中的所有潜在可能性。而提取共进化信息、深入模拟蛋白质间相互作用、构建大规模相互作用图网络、进行靶点发现、突变蛋白质结构模拟以及抗体模拟等研究任务，均需要更优的模拟计算策略与更高性能的计算基础设施来支撑——这无疑是一项极具挑战的工作。

天壤借助NVIDIA A100 Tensor Core GPU与NVIDIA RTX 3090 GPU加速平台，综合运用深度学习、强化学习与高性能计算三大技术手段，成功解决了超大复杂生物模型计算中的高维数据分析难题，使模型同时具备微观尺度的计算精度与宏观尺度的运行效率。他们利用AI研究了亿级蛋白质序列与百万级蛋白质结构及其对应功能，建立了序列-结构-功能之间的深层关联，实现了从一维序列到三维结构的精准映射，进而将这种高维关联进行普适性应用，快速生成具有特定功能的蛋白质。

采用NVIDIA解决方案后，天壤在生物计算中运用深度学习、强化学习等多种机器学习算法进行模型设计、训练及迭代优化的效率得到了极大提升，同时显著降低了基于AI的蛋白质研究与检验的计算闭环成本。

近年来，AI计算在解决长期存在的基础科学难题方面贡献突出，尤其是生物计算在复杂系统高维关联信息挖掘与生命系统设计上展现出了巨大优势。传统的蛋白质结构解析与蛋白质设计等复杂工程，通常需要生物科学家在实验室中完成，仪器造价高昂、耗时长且实验流程繁琐。而运用AI技术的生物计算，通过对海量生物数据信息的深度分析、模型设计与优化，使得高通量、高精度地获取蛋白质结构信息成为现实，大幅加速了蛋白质工程设计的进程。