Benchling把科学AI模型搬进研发记录：结构预测结果不再散落在共享盘
核心概要
Benchling推出Model Hub，让科学家在Benchling内部发现、运行并追踪科学AI模型，每次预测的输入、模型版本和时间戳都回连到研发记录。此前运行一个模型要等DevOps搭好基础设施，结果落在共享盘里与产生它的序列脱节。该中心目前收录AlphaFold 2、Chai-1、Boltz-2、OpenFold 2、OpenFold 3、Protenix等结构预测模型，以及Lilly TuneLab、Inductive Bio和开源DeepSP等性质预测模型，并支持批量预测与v3 alpha API。
深度剖析
科学AI模型的运行与结果记录被收进研发数据所在的同一平台，预测结果与产生它的实验保持绑定，而不是散落到多个工具里。 此前科学家找到模型后要等DevOps搭建支撑它的基础设施，结果再落到共享盘，与产生它的序列断开，下一位科学家只能从头开始。 Benchling称Model Hub让每次预测都带输入、模型版本和时间戳回连到研发记录，并引用其2026 Biotech AI Report中蛋白质结构预测以71%成为研发中第二广泛采用的AI用例。
使用者在导航栏图标进入中心，选输入、选模型，得到带完整审计轨迹的结构化结果，无需写代码也无需自备GPU。 Model Hub把模型目录、运行和追踪放在一处，取代在多个单点方案之间寻找模型的做法。 中心目前收录AlphaFold 2、Chai-1、Boltz-2、OpenFold 2、OpenFold 3、Protenix等结构预测模型，以及Lilly TuneLab专有可开发性模型、Inductive Bio小分子模型和开源DeepSP等性质预测模型。
启示与展望
报道范围限于Benchling公布的产品功能：模型目录、无代码运行、审计轨迹、批量预测、GPU加速比对、更快的结构运行和v3 alpha API，以及结构预测与性质预测两类模型的收录情况。面向的读者是使用科学AI模型做研发的科学家与计算团队。生成式蛋白质设计模型和其他模型类型被描述为在途，尚未列入。
采用率数字来自Benchling自己的2026 Biotech AI Report，材料未说明该调查的样本与口径。材料称运行足够多的结构预测后可以构建用于校准和改进后续模型的数据集，但未给出这一效果的实际测量。生成式蛋白质设计模型被列为在途，未说明时间。