Daniel Marshall（Communications & Ownership 高级经理）
Jason Kelly（首席执行官）
Steve Coen（首席财务官）
晚上好。我是Daniel Marshall，Communications and Ownership高级经理。与我一同出席的还有我们的联合创始人兼首席执行官Jason Kelly，以及首席财务官Steve Coen。一如既往，感谢大家的参与。我们期待向大家更新我们的进展。
提醒一下，在今天的演示过程中，我们将发表前瞻性陈述，这些陈述涉及风险和不确定性。请参考我们向美国证券交易委员会（SEC）提交的文件，以了解更多关于这些风险和不确定性的信息，包括我们最新的10-K文件。
今天，除了更新本季度业绩外，我们还将深入介绍自主实验室，我们认为它将如何改变生物技术，以及我们计划如何在未来将自主实验室商业化。和往常一样，我们将以问答环节结束，我会接受分析师、投资者和公众的提问。您可以提前通过X平台（#GinkgoResults）或电子邮件（investors@ginkgobioworks.com）向我们提交问题。
好了，现在交给你，Jason。
好的。谢谢，Daniel。第四季度对我们来说确实是突破性的一个季度，在定义和引领自主实验室这一类别方面。未来你们会从我这里听到很多关于这方面的内容。首先我想说明，我们的使命仍然是让生物工程变得更容易。但在2026年，公司的技术重点，实际上也是业务重点，将集中在投资以赢得自主实验室这一类别。我认为这确实是机器人技术、人工智能和自主性在经济许多领域兴起的一部分。而我们恰好处于将其带入实验室研究这一高价值领域的有利位置，人们对这一领域的兴趣日益浓厚，我打算在这一领域取得成功。
那么，我们将如何在26年实现这一目标呢？首先，我们希望将平台投资主要集中在这一领域。我稍后会详细说明，但我们在刚刚发布的最新收益公告中提到，我们将剥离生物安全业务。这使我能够将Ginkgo的投资和资金真正集中在自主实验室上，并引入其他新投资者与我们一起投资生物安全领域。这就是投资重点。
其次，在公司内部，我们希望展示我们在波士顿的大型自主实验室的能力。我们的做法是，开始系统性地停用我们的实验室工作台、手动操作自动化设备、工作单元——这些是我们过去10年传统上开展研发服务的方式，并将越来越多的工作转移到波士顿这里由软件控制的单一大型自主实验室。我之所以这样做，是为了向默克、武田、辉瑞以及所有在传统手动实验室有巨额投资的公司展示，将开放式研究通过大型自主实验室系统进行是可能的。所以我认为这确实是我们今年最重要的工作。
最后，我希望实现自主实验室的销售。你们会听到我们上一季度的一项重大公告，即我们与太平洋西北国家实验室达成了4700万美元的交易。我希望向像能源部那样的国家实验室出售自主实验室，但我也希望向生物制药公司、研究型大学出售。因此，这类订单和达成新交易是我们2026年在这一方向上要做的另一件事。
我想花点时间谈谈生物安全业务的剥离。你们可能还记得，在过去五年里，我们在这一领域投入了大量精力。这实际上是从新冠疫情期间开始的，因为我们——说实话，我们看到了需求。新冠疫情是一场全球性的生物灾难，我们觉得应该尽我们所能提供帮助。当时我们找到的 niche 是进行监测，不是诊断检测，而是监测检测，以便重新开放聚集场所，特别是在美国重新开放学校。我对此感到非常自豪。这对我们来说是一项相当规模的业务，但更重要的是，我们帮助全国5000所学校复课。
这是一个非常具有政治性的话题。我认为技术的美妙之处在于，有时你可以找到第三条道路，当时，一端是“嘿，我们真的应该关闭学校，这对教师有危险。我们关心疾病传播。”另一端是“嘿，这正在伤害孩子，我们需要开放学校。每个人都应该回去，不管发生什么。”第三条道路是：“为什么我们不开放学校并进行持续监测，这样如果学校开始爆发疫情，你可以让两三个孩子回家，阻止疫情蔓延。”这正是我们希望在全国范围内建立的，也是新冠疫情后我们与疾控中心合作在机场进行的监测工作——在飞机的废水中寻找病毒，以及在多哈和卡塔尔等地的机场进行的其他国际监测工作。因此，这种识别、发现并在疫情扩散前将其扑灭的工作，对于美国的国家安全和全球安全都是必要的。
在那段时间里发生的另一件事，你们可能已经注意到，像Anduril、Palantir这样的公司，我们的董事会主席Shyam Sankar是Palantir的首席技术官。过去五年，这类国防科技领域确实蓬勃发展。因此，国防领域的纯投资者对下一代生物防御主要企业的兴趣日益浓厚。这些公司将专注于直接为政府和其他机构提供生物防御需求。这非常令人兴奋，因为这意味着有大量新资本对这一领域感兴趣。但回到我之前的观点，我希望Ginkgo在2026年明确专注于自主实验室。
因此，发生的一件好事是，我们收到了很多这类投资者的主动接洽，我们看到了一个机会，可以说：“好吧，为什么我们不通过将公司的这一业务部门分拆出来，使其私有化，并从这些优秀投资者那里引入投资，从而分享生物安全业务的增长潜力呢？”Ginkgo仍将持有该业务的少数股权。因此，我们能够从我们建立的业务中获得一部分收益，但建设生物安全主要企业所需的投资不需要来自我稍后会提到的年底账面上的4.3亿美元。我们可以将这笔资金集中用于自主实验室。
所以我认为这是一个双赢的局面。我还认为，将这些优秀人才引入这家私营实体，真的将为国防领域等打开大门，并且让它成为一个独立品牌的生物防御公司。现在是合适的时机。所以我对此感到非常兴奋。我想再次向Ginkgo的生物安全团队表示感谢，他们在新冠疫情期间通过Ginkgo（哦，抱歉）做了绝对出色的工作，现在我认为他们有真正的机会在国防领域建立一项具有时代意义的业务。
好的。在我交给Steve之前，我想说的最后一点。再次强调，我认为过去两年我们做了大量出色的工作。我们同时做了两件事。当我们看到生物技术行业出现下滑，许多客户缩减了外包的大型研发项目（这是我们公司多年来的主要业务）时，我们大幅削减了支出。正因为如此，我们大幅减少了支出。2024财年，我们的现金消耗为3.83亿美元，而去年为1.71亿美元。年度现金消耗减少了55%。这为我们奠定了良好的基础。Steve将向大家介绍我们今年的现金消耗目标。
即使在对自主实验室进行重点投资，并将生物安全领域的投资转移到独立的私营实体的情况下，我们实际上能够比2025年的支出做得更好。我认为，对于投资者来说，了解我们的现金状况以及我们在控制现金支出方面所做的出色工作非常重要，因为我们将继续投资并在自主实验室领域把握正确的时机。好的。
所以我现在交给Steve，让他更深入地介绍财务情况。
谢谢，Jason。我将从细胞工程业务开始。2025年第四季度，细胞工程业务收入为2600万美元，与2024年第四季度相比下降了26%。2025年第四季度，我们共支持了109个产生收入的项目。这同比下降了4%，主要归因于作为重组活动一部分的项目合理化。
转到下一张幻灯片。在全年基础上，2025年细胞工程业务收入为1.33亿美元，而2024年为1.74亿美元。如前所述，2025年第一季度的收入包括与BiomEdit协议相互终止相关的750万美元非现金收入（因递延收入释放产生）。
2024年第三季度，细胞工程业务收入包括与Motif FoodWorks协议相互终止相关的4500万美元非现金收入（因递延收入释放产生）。剔除这些影响后，2025年细胞工程业务收入为1.25亿美元，2024年为1.29亿美元。收入下降主要是由于与重组相关的客户项目合理化，正如之前所讨论的。
生物安全业务在2025年第四季度产生了700万美元收入，2025年全年产生了3700万美元收入。需要注意的是，我们的净亏损包括多项非现金和其他非经常性项目，这些在我们的财务报表中有更详细的说明。由于这些非现金和其他非经常性项目，我们认为调整后息税折旧摊销前利润（Adjusted EBITDA）是衡量我们盈利能力的更具指示性的指标。部门经营亏损、调整后息税折旧摊销前利润与GAAP净亏损之间的完整调节表可在附录中找到。
细胞工程研发支出从2024年第四季度的5000万美元下降44%至2025年第四季度的2800万美元。2025年全年，细胞工程研发支出从2024年的2.72亿美元下降42%至1.59亿美元。正如上一季度所报告的，2025年全年研发支出包括与我们与谷歌云的多年战略云和人工智能合作伙伴关系相关的2100万美元短缺义务。2025年10月，我们修订并重置了未来几年的年度承诺，并以1400万美元解决了短缺义务。
重置承诺与原始条款相比，将我们未来的最低承诺减少了超过1亿美元，并将承诺期限从3年延长至6年。细胞工程一般及行政（G&A）支出从2024年第四季度的2000万美元下降40%至2025年第四季度的1200万美元。全年来看，细胞工程一般及行政支出从2024年的1.15亿美元下降51%至2025年的5600万美元。这些下降都是由我们的重组努力推动的。
2025年第四季度，细胞工程部门经营亏损为1700万美元，而2024年同期亏损为3800万美元。2025年全年，细胞工程部门经营亏损为9600万美元，而2024年为2.19亿美元。亏损减少直接与我们的重组努力相关，同时部分受到前面提到的事项的影响。2025年第四季度，生物安全部门经营亏损与2024年同期相比改善了60%，2025年全年生物安全部门经营亏损与2024年相比改善了38%。
继续往下看，你们会注意到2025年第四季度的总调整后息税折旧摊销前利润为负3600万美元，低于2024年第四季度的负5700万美元。2025年全年总调整后息税折旧摊销前利润为负1.67亿美元，低于2024年的负2.93亿美元。同样，各期间的下降可归因于我们的重组努力，同时部分受到前面提到的事项的影响。
转到下一张幻灯片，我们按部门展示调整后息税折旧摊销前利润，以显示各部门的相对盈利能力。部门经营亏损与总调整后息税折旧摊销前利润之间的主要差异与 excess leased space 的持有成本有关，2025年为400万美元，第四季度该持有成本为1500万美元。该成本代表与我们未占用的租赁空间相关的基本租金和其他费用，扣除转租收入后的净额。这是一项与当前创收无关的现金运营成本，可通过转租潜在缓解。
最后，谈谈现金消耗。2025年第四季度现金消耗为4700万美元，低于2024年第四季度的5500万美元，下降了15%。2025年全年现金消耗为1.71亿美元，低于2024年的3.83亿美元，下降了55%。现金消耗不包括ATM发行的收益或某些现金限制。现金消耗的显著下降是重组的直接结果。
转向指引。关于2026年的展望，正如Jason所提到并将进一步阐述的，2026年是在投资我们的人工智能机器人和软件以将自主实验室带给生物科学客户（包括在波士顿建设前沿自主实验室）的同时，继续保持成本效益的一年。过去两年，我们纯粹专注于重组行动，而今年，我们不仅要关注成本效率，还要关注投资我们所看到的机会，同时继续为客户提供他们期望的先进服务。
我们还将完成已宣布和披露的生物安全业务交易。出于这些原因，2026年我们将不提供收入指引，因为我们认为现金消耗最能反映我们持续的服务和工具以及对自主实验室的进一步投资。2026年，我们总体预期的现金消耗指引区间为1.25亿美元至1.5亿美元。该区间反映了成本效率、持续服务和工具以及我们正在进行的进一步投资之间的坚定平衡。
总之，我们对2025年现金消耗和成本削减的持续改善感到满意，并对2026年的前景感到兴奋。
现在，我把话筒交回给你，Jason。
谢谢，Steve。好的，在我进入我的部分之前，我想花一点时间，更详细地谈谈Steve最后提到的关于我们今年的指引，我们将如何以现金消耗而非收入来提供指引，以及我们这样做的原因。这与我本次财报电话会议的主题一致，即Ginkgo的重点。一方面，我们希望专注于投资正确的事情，因此我认为，再次强调，让Ginkgo的投资者了解我们如何使用现金储备、现金消耗速度以及我们的支出用途非常重要。
再次强调，重点是我们正非常有针对性地将资金用于自主实验室，并且是以可控的方式进行。我们希望支出远低于去年，并且相对于我们的现金储备，我们的状况看起来相当良好。因此，在我看来，在投资引领自主实验室领域方面，我们有坚实的安全边际。
我们需要保持关注的第二件事是公司内部的注意力。我们今天的大部分收入确实来自研发服务。我们喜欢为这些客户提供服务，并希望扩大这些服务。但正如我 earlier 提到的，2026年团队的重点不是围绕自主实验室的服务业务实现短期收入目标，以确保达到某个目标，或者试图准确预测未来12个月的收入。
我希望他们的重点是停用Ginkgo的所有不同实验室，并将工作转移到我们的自主实验室，这样我们就可以向所有客户展示这是可行的，自主实验室可以真正替代他们在生物技术和学术科学领域手动实验室的巨额支出。这是主要事件。我认为，继续关注收入目标等会分散人们的注意力。我还认为，这会偏离长期导向，而我认为这对Ginkgo至关重要。这就是我们做出这一决定的原因。很乐意在提问环节或其他时候就此展开更多讨论，只是想说明其背景。
好的。如前所述，我们的使命是让生物工程变得更容易。上一季度发生了三件非常了不起的事情，我将简要介绍一下。首先，我们宣布了一个与OpenAI合作了六个月的项目。这是他们的博客文章中提到的，我们谈到将GPT-5作为一种人工智能科学家，即像科学家一样设计实验，只不过它们会将这些实验提交给我们在波士顿的自主实验室。实验室将开展工作，将数据发送回GPT-5，在六轮这样的过程中，我们在无细胞蛋白质合成这一相当复杂的实验科学挑战中，比最先进水平高出40%。我认为这件事的酷之处在于，首先，关于这个X帖子的浏览量，他们在同一天宣布Codex，浏览量与Codex相当，对吧？
我认为现在人们对推理模型如何进入物理世界确实有很多兴奋。对吧？我稍后会谈到交通领域，比如Waymo将它们带入物理世界。但我认为我们确实有能力将人工智能带入实验室的物理世界。我们在这方面处于领先地位。我稍后会详细讨论这一点。
其次，我非常荣幸与能源部部长Wright在华盛顿的太平洋西北国家实验室举行新闻发布会，我们在12月宣布，作为Genesis项目的一部分，我们将为PNNL安装首批18台机器人。这是白宫推出的一个新项目，旨在将人工智能引入科学，特别是引入国家实验室。但在剪彩仪式上，部长在我们的系统上签名，你可以看到他在那里签名，我们还宣布与能源部达成一项新的4700万美元合同，未来将在PNNL的同一地点建造一个拥有97台机器人、97个机架的自主实验室。
这真的很令人兴奋，我认为这表明自主实验室引起了联邦政府的兴趣，联邦政府是另一个巨大的研究支出来源。例如，美国国立卫生研究院（NIH）每年在实验室工作上的支出约为400亿美元。这与制药公司的支出相当接近。这些是主要的支出领域，我认为看到它来自联邦政府和制药公司都很重要。
最后但同样重要的是，我们参加了SLAS（实验室自动化与筛选协会）会议。该会议就在会议中心举行。幸运的是，对我们Ginkgo来说，距离这里只有大约五分钟的路程。因此，我们举办了Nebula的参观活动，这是我们在波士顿设置的拥有50多个机架的自主实验室。有590人前来参观，看到这样的实验室实际上在白天进行真正的科学研究，对人们产生了多么大的影响，这非常令人大开眼界，对吧？就像人们进来看到我们的科学家用它做什么。这对他们来说是大开眼界。
因此，我越来越清楚地认识到，我们在26年专注于进一步扩展这个系统的选择是正确的。我们将在上半年将机架数量从50个增加到100个。这是我希望你们关注的事情。我们能够多快地扩展它？我们能够多快地将更多工作添加到该系统中？因为这正是我们的制药公司、国家实验室和大学研究领导者在考虑是否购买这样的系统时会关注的。
好的。现在我将深入探讨自主实验室，因为再次强调，我认为这确实是我们2026年的重点，也是公司未来十年的技术基础。因此，我将讨论：什么是自主实验室？为什么它将改变生物技术？其次，它具体是什么样子的？为了提供生物技术研发，实验室需要具备哪些能力？最后，我们将如何将其推向市场？我们将通过两种方式做到这一点：一是为您建造一个，就像我们在PNNL所做的那样；二是您刚刚看到图片的那个漂亮实验室，我们能够通过我们的研发服务和即将推出的新服务以云服务模式运行。
好的。这是我喜欢用的类比，我在SLAS做过演讲，也和很多人谈过这个。我认为这是一个很好的类比。所以我将从交通运输行业开始，以帮助解释我所认为的自主性。看这个图表，Y轴是自动化程度。X轴是用户对自动化的请求灵活性。
在交通运输中，如果请求灵活性低而自动化程度高，那就是地铁，对吧？你坐在地铁的后排，它就载着你走了，对吧？在那里，你什么都不用做。它是完全自动化的。但你最好想去地铁线路上的某个站点，因为它不会带你去你家、杂货店或任何你想去的地方。它在轨道上运行。好吧？它非常不灵活。现在，低自动化、高请求灵活性，那就是汽车，对吧？你把手放在方向盘上，脚放在踏板上，你可以直接开到你的前门或那家杂货店，对吧？
这两个极端基本上是过去100年交通运输行业的样子。翻到下一张幻灯片。除非你在过去四五年里在旧金山，看到过这些车在行驶。这是Waymo。你坐在后座，就像坐在地铁座位上一样。你什么都不用做。它载着你走了。但与地铁不同的是，它会直接带你回家，直接带你去杂货店。它具有汽车的灵活性，但具有地铁的自动化程度。这是如此令人惊讶，我们给它一个新词。我们称之为自主性。好吧？我认为当你看到所有这些对人形机器人等的兴趣时，你会看到这种情况的重现，现在有大量投资投入其中。
从广泛的投资者层面来看，工业革命本质上是将自动化和系统化应用于所有需要低灵活性的任务。比如回到织布机，对吧？所有那些需要高度灵活性的任务，我们都保持手动。现在发生的情况是，人工智能模型变得足够好，软件变得足够好，允许自动化应用于灵活的事情，我们将看看我们能在多大程度上推动这一点。你越能推动灵活性，机器人技术的机会就越大，因此我们将在实验室推动这种变革。
现在，最后一点，这是关键。如果你看一下美国火车和地铁的行驶里程与汽车和卡车的行驶里程之间的比例，无论如何，99%是汽车和卡车。因为你需要灵活性去各个地方，对吧？这是必要的。不是我们不知道轨道。它们只是不能满足所需的灵活性。好吧，让我们看看实验室。低灵活性，高自动化。在上一张幻灯片中地铁所在的位置，我们实际上有这种情况。我们称之为自动化工作单元，你可以从HighRes Bio、Biosero和赛默飞世尔等公司购买。基本上，你告诉他们你想要什么协议，他们为你构建一个工作单元来运行该协议。这很棒。它是完全端到端的。中间没有人员。它是完全自动化的。所以它在图表的顶部，你最好要求与昨天相同的协议，因为它无法处理使用它的科学家的请求变化。
降低自动化程度，提高请求灵活性。所以不是自动化的，但非常灵活。那是实验室工作台，我们已经使用了100多年。它让你可以做任何你想做的实验，而中间的人类科学家提供了灵活性。好吧，这就是系统的样子。我们已经有40多年的工作单元自动化了，在过去的40年里，我们基本上处于这两个极端。
就像研究一样，或者抱歉，就像交通运输一样，在SLAS期间，我请两家制药公司的研发负责人来我家吃饭。我问了一个问题：“你们在工作单元和实验室工作台上的支出比例是多少？”他们说：“实际上，99%用于实验室工作台”，但我们可以说超过95%的研究预算用于实验室工作台。原因与99%用于汽车和卡车相同。你需要做科学研究的灵活性。
如果你能看出来，如果你在默克、辉瑞、武田的走廊里走一走，你不会看到机器人。你会看到一个接一个的实验室工作台，上面有台式设备，科学家基本上是连接所有不同设备的人类粘合剂，并设法用移液管手动处理液体以及他们所做的所有事情。这是绝大多数研究支出，制药公司每年通过该平台进行的研究支出（不是开发支出）在400亿到600亿美元之间。
我们试图构建什么？我们试图构建那个Waymo。Ginkgo认为，当涉及到我们的机架硬件，以及非常重要的运行它的软件时，我们拥有的是一个自主实验室。它具有实验室工作台的灵活性，但具有工作单元的自动化程度。我们认为，这本质上是不同的。它比工作单元市场大得多。工作单元市场，再次像地铁一样，在研究资金流动方面非常有限，因此我们希望直接进入自主实验室市场。
关键的技术问题，下一张幻灯片，是如何在实验室中没有人类双手的情况下同时获得高自动化和高灵活性？好吧。这是我接下来要谈论的内容。为了实现这一现实，我们实际上必须在技术上完成什么？当人们来参观我们在波士顿的实验室并看到我们所构建的东西时，他们对什么印象深刻？好吧。另外，我不知道你是否注意到，如果你在LinkedIn上关注我，你会发现我最近有点像个有影响力的人。
这就是你站在实验室工作台前手动工作的样子。真正的主要活动是，第一，你作为手动液体处理者。换句话说，你正在非常精确地在不同的液体容器之间移动小体积的液体，以用正确的材料设置实验。第二，你正在移动样品，换句话说，你刚刚在塑料管或其他容器中设置的液体，到实验室的不同设备。你根据协议要求将样品移动到可能三个、可能十个不同的设备，具体取决于你所做的协议的复杂性。
最后，每次样品最终到达设备上时，所有这些设备都是复杂的、长尾的科学设备。它们有一些你需要设置的参数，以便让它做你想让它做的事情。所以你作为科学家，是那个设置这些参数的人，你要么通过触摸屏，要么通过第三方软件来设置。好的。好吧。要取代传统实验室，自主实验室必须完成我刚才说的那些事情。那就是一、二、三：可靠的液体处理、材料运输和设备的参数化控制。
但非常重要的是，如果你想想武田或默克的那些实验室是什么样子的，在一层楼里有一堆工作台，可能有20或30名科学家使用它，你会在那个实验室周围有50多种设备，那些科学家在不同的日子、作为不同协议的一部分使用这些设备。所以你必须能够在一个大的设置中至少放入50台设备。那些科学家正在做的另一件事是，当第一个科学家早上进入实验室时，他们不会关上门，锁上它，并挂一个牌子说“实验室正在使用中”。没有人能进来，对吧？实验室很忙。
但是在工作单元上，就像我们实验室中的那些地铁系统自动化一样，情况正是如此。一旦它被使用，你就不能介入这个过程并提交新的工作。但在手动实验室中，绝对是这样，10、20、30名科学家都在那个实验室里走动，基本上共享设备，并避免彼此使用设备。所以如果我早上使用某物，你会在下午使用它。除了这个限制，他们可以使用所有设备，并且可以并行使用。最后，使用实验室工作台非常容易。你不必编写软件程序之类的东西。我今天没有太多时间谈论它，但在即将到来的财报电话会议中，我会更深入地探讨我们的软件。
但我们真正受益的一件事是所有这些对编码代理的投资。像OpenAI的Codex和Claude Code这样的东西现在允许人类语言变成相当复杂的软件。我们希望将科学意图转化为在自动化上运行的工作，而无需科学家编写代码。我认为这将非常可行，谢天谢地，这是第六点。它需要感觉就像我每天进入实验室工作时，我不必坐下来编写代码。对于自主实验室，你不应该必须这样做。这确实是一系列困难的挑战。
今天的工作单元可以完成前三个。它们输送液体。我们有液体处理自动化。像Hamilton和Tecan这样的公司已经存在了25年。它们很棒。它们很棒。第二，可靠的材料运输可以用机械臂完成，第三，参数化控制是可行的。第四、第五和第六点不是传统实验室自动化今天能很好实现的，但我们在Ginkgo已经实现了。好吧，理解如何实现第四、第五和第六点的第一件事是，工作单元，换句话说，那个地铁，是围绕协议设计的。
因此，如果你要为你构建一个自动化系统，这些公司会问的第一件事是“你的协议是什么？你在做高通量筛选吗？”这是最常见的之一。抗体可开发性，蛋白质生产。你在做什么，对吧？你说，“哦，好吧，我在做这个。这些是步骤，这是我需要的设备，这是吞吐量。”然后他们会设计一个带你到那个站点的地铁。自主实验室不是围绕你的工作流程设计的，而是围绕设备设计的。因为这正是当你在武田或默克建立一个新的手动实验室时发生的事情。如果你是负责那个实验室的人，你是那种小组负责人，你会问你的科学家在未来五年内他们在那个实验室需要什么设备。他们不确定他们要做什么协议，但根据他们正在做的工作类型，哺乳动物工作、细菌工作、癌症研究等等，他们会使用不同类型的设备。
因此，我们将机器人硬件的设计定位，不是围绕协议，而是围绕设备。所以在这里你可以看到，我们的机架自动化推车。每个推车内部都有一个设备。在这种情况下，那是一个离心机、一个六轴工业机械臂和一个Magnum Motion轨道。该轨道允许你在连接的机架之间输送样品。所以每个机架，它们的小轨道相互连接，你可以发送样品并输送它们。
如果你翻到下一张幻灯片，我们可以在这里展示一个视频，展示样品在我们位于波士顿的自主实验室中移动。有趣的是，这实际上是OpenAI的协议之一，对吧？所以当这个运行时，你可以看到样品被放置在轨道上。那是一个384孔板。在那个板的每个孔中，都有一组由GPT-5设计的条件。这些板在Magnum Motion轨道上移动，在这种情况下，它们被输送到那个离心机，对吧？所以离心机将旋转那个样品。这恰好是这个协议的第一步。
现在它要去那些液体处理设备之一。这就是所谓的声学液体处理器。它用声音移动液体。所以这件事的一大优点是，它实际上可以以比科学家手动操作更高的精度处理更小的体积。它可以移动纳升体积的液体。作为一名手动使用移液管的科学家，在准确性方面，你在微升范围内受到限制。
现在我们将在这种情况下，向每个孔中添加DNA。所以我们与OpenAI的项目，一段DNA被添加到所谓的无细胞试剂混合物中。无细胞混合物的想法是将那段DNA代码转化为蛋白质，而我们试图通过OpenAI优化的是蛋白质水平。我们试图看看，你是否可以改变条件，使得你获得的蛋白质产量比文献中任何科学家之前展示的都要高？所以一旦DNA被添加，我们现在将其摇匀，确保充分混合，然后它将最终进入分析设备，以便基本上运行反应，然后测量该384孔板中每个孔的蛋白质水平。
为了让你了解OpenAI项目，每次我们与模型进行一轮，我们运行100个这样的384孔板，收集所有数据，将其返回给模型，然后模型能够设计下一轮实验。好的，这就是样品在系统中移动的样子。在视频开始时，你会快速看到数据进入的图片，比如来自OpenAI的特定设计，然后是调度程序。那个调度程序当时只运行一个协议。当我们Ginkgo的科学家向系统提交了30个协议时，调度程序就是这样的。所以你看到的每一行都是系统上的不同设备，X轴是时间。
在这种情况下，那个橙色条就像现在。好吧？很棒的是，我们基本上可以预测未来，对吧？系统确切地知道什么设备将用于什么协议，每个协议在这个图表上是不同的颜色。未来每个协议将使用什么设备。调度程序的作用是，如果你作为科学家出现在Ginkgo，并向我们的自主实验室提交一个新工作，你会说，“好吧，我要使用离心机五分钟，然后我可以等待最多两个小时，然后我需要使用Echo”，等等。你会用时间窗口指定你的协议。调度程序将检查，你是否可以适应？
这非常类似于那些科学家在手动实验室里走来走去问他们的同事，“嘿，你什么时候用完PCR仪？要多久？我可以通宵运行HPLC吗？你需要用它吗？”对吧？就像关于设备可用性的对话一样，只是在这种情况下，一切都是计算机控制和计算机调度的，所以我们基本上可以完美地调度它。当你添加更多协议时，有一个复杂的算法来处理所有这些。据我所知，我们是世界上唯一在单个自动化系统上进行接近这种规模的可变协议的人。在SLAS参观期间，当我能够向人们展示这一点时，他们睁大了眼睛，这充分证实了这一点。好的。
如果你翻到下一张幻灯片。这只是不同的颜色。是的，你也可以看到Ginkgo的不同用户提交的那些协议。所以我认为这实际上非常有趣，我们不仅有大量的协议，还有大量的独特用户提交这些协议。这在世界上也是非常独特的。当你有那些工作单元时，有一两个自动化工程师负责它，一切都通过他们进行。在我们波士顿的自主实验室中，我们每天有数十名科学家提交协议，这些协议与昨天不同，并且都在同时调度。好的。希望——下一张幻灯片。
希望这能让你了解我们如何在列表中勾选四、五、六，即许多设备都在一个设置上同时并行运行，科学家可以轻松使用，而无需是自动化工程师。请注意，现在这个拥有50多个机架的系统，Ginkgo最初是七八个机架。它非常可扩展。事实上，在下一张幻灯片中，SLAS会议结束后，我们能够将会议上的机架推车（我想是七八个）在一天内安装到系统上。因此，我认为与传统的地铁式自动化相比，真正扩展这个系统的能力再次是独特的。
那么对客户的价值主张是什么？我认为大型生物制药公司或国家实验室会对三件事感到兴奋。首先，通过关闭传统实验室节省管理费用。这是我今年最兴奋的事情之一，我们的CRO，我们在Ginkgo的所有实验室中运行的研究服务。当我将越来越多的工作转移到自主实验室时，我可以缩小实验室的占地面积，这为我节省了EHS成本、租金以及运行这些实验室时必须承担的所有不同费用。
其次，它提高了研究人员的研究生产力。因此，现在，他们的许多想法最终受到他们在实验室花费的时间的限制。我们希望真正打开这一点，从你的科学家中获得更多的每研究美元数据。我的意思是，最后，就像我们对OpenAI所做的那样，你可以让人工智能科学家运行行业中所谓的“循环实验室”实验，其中人工智能模型设计实验，在自主实验室上运行，然后数据返回。因此，我们也看到制药公司对这方面的兴趣越来越大。
好的。最后一部分我想谈谈我们将如何销售这些自主实验室？我们将通过两种方式做到这一点。一是，我们将像在太平洋西北国家实验室那样放置一个系统。我们将把它放置在客户现场。我们将销售资本支出，基本上销售软件和设备维护的服务费。未来，我可以看到我们甚至销售像试剂和耗材之类的东西给我们系统的用户，这些都是特定于自动化的。此外，我们在波士顿有这个大型自主实验室，我们可以在其上提供服务。好吧。
那么，总体市场潜力是什么？回到地铁占1%，汽车占99%的情况。绝大多数研究支出，制药行业的400亿至600亿美元，政府的400多亿美元等等，现在都通过工作台进行。这还不包括我们完全没有谈论的另一个大行业，即诊断行业，我也看到了那里的机会。因此，所有这些工作台实验室支出，我认为，如果我们的自主实验室能够取代工作台，最终都有机会通过我们的平台进行。我们实现这一目标的方式是，我们将首先通过两种方式商业化。首先，为客户构建这些自主实验室。其次，运行云实验室。好吧。
云实验室服务。其中两个是你已经听说过的。我们的解决方案服务，这是Ginkgo科学家使用我们的自主实验室为客户提供研究成果的地方。我们与诺和诺德、拜耳作物科学、默克、辉瑞以及多年来的所有这些公司的交易，Ginkgo科学家使用Ginkgo的实验室提供研究成果。我们获得特许权使用费，我们获得里程碑付款。你可以以不同的方式构建这些。我们通过解决方案业务与政府和研发赠款等进行了大量工作。
第二，在Datapoints中，客户科学家使用我们的自主实验室。他们设计他们想在上面运行的东西。这像传统的CRO一样运行。没有特许权使用费，没有里程碑付款。我们向他们发送大量数据，通常发送给他们的机器学习团队，他们用这些数据来训练蛋白质设计或RNA设计或他们可能正在做的任何事情的生物AI模型。
第三，我将在未来的财报电话会议中提供更多信息，但我们很快就会宣布，这是我们的云实验室产品。所以我们在这里提供的是，客户科学家将少量实验室工作直接外包给我们的自主实验室。所以想象一下50美元或200美元的订单，实际实验将在云实验室上运行，数据将返回给科学家。我认为这是让对自主实验室感兴趣的科学家在购买前尝试的好方法。有很多东西可以尝试，不同的市场推广方式。你会听到我们即将推出的消息。我对此真的很兴奋。
只想说，我们在解决方案业务方面并不陌生。在过去10年中，我们已经建立了250个合作伙伴关系。我们每个季度都在继续签署这些协议。我们与政府和大型制药公司有很多业务往来，这确实是我们看到最多的两个领域，但农业也是如此。自2022年以来，工业生物技术基本上变得更加困难。但农业、制药和政府仍然会签署解决方案协议。
在过去一年中对我们来说增长非常好的另一个领域，我想向Ginkgo的Datapoints团队表示敬意，我们一直在发展这项业务，我们运行机器人技术，根据客户的设计生成大数据集。这项业务在一年半前开始。在我们推出的第一年，我们已经与10家顶级20强（我想是30强）制药客户合作。所以人们对此真的很兴奋。这很合适。我们实际上发布了一堆公共数据集。如果你访问Datapoints网站，你可以下载一些最大的数据集，用于药物寻找和抗体可开发性等。
翻到下一张幻灯片。我认为我们在社区建设方面也做得很好。我们发起了可开发性竞赛。我们有一个虚拟细胞药理学倡议，作为建立大型公共数据集的一部分，我们免费生成数据。所以真的，我认为如果你对这个领域感兴趣，如果你正在做生物AI，一定要查看Datapoints，参加我们的一些活动。
关于我们运行CRO实验室，我要提到的最后一点是，我们的科学家使用我们在波士顿的大型自主实验室有点像五年前的Waymo工程师，坐在帕洛阿尔托的驾驶座上，手指像这样，就在方向盘旁边，随时准备在汽车撞到邮箱之类的东西时抓住它。他们是第一批将实验室自主性推向前沿的人，对吧？当你看到系统上运行的30个协议时，我们是第一批这样做的人，对吧？事情会出错，这使我们能够非常快速地加快自主实验室的开发周期，相比那些真正只专注于机器人技术或软件等的公司。因为我们正在我们自己的基础设施上进行湿实验室研究，我们真的很快了解到什么有效，什么无效，非常重要的是，如何让科学家加入自主实验室。这是一种文化变革，对吧？因此，它涉及技术工具，使这更容易、更快，以便他们仍然可以完成他们非常重要的工作，但他们可以在一夜之间运行它。
我们的科学家真正喜欢做的一件事是，如果你观察Nebula（我们这里的大型自主实验室）上协议的增加，它在下午达到高峰，然后人们的实验在一夜之间运行，他们早上来查看数据。虽然我已经有一段时间没在实验室了，但梦想就是早上带着咖啡出现，看到新的数据集。所以我确实认为，当我们降低障碍时，科学家们对此非常兴奋。但同样，Ginkgo的团队成为 guinea pigs，以便我们的自主实验室客户最终能够看到什么是可能的，并且很多调试工作已经提前完成。
我将花一分钟谈谈我们的OpenAI项目。如果你坐在Waymo的后座，一辆自动驾驶汽车，你告诉它去哪里。一旦你关上门下车，或者下车关上门，Waymo的AI接管，它告诉自动驾驶汽车去哪里。所以自动驾驶汽车解决的问题是取代手动驾驶，而不是指导。这里的想法相同。当我们在Ginkgo解决自主实验室问题时，我们解决的是手动实验室工作，而不是指导要做什么实验室工作，这可以由科学家完成，就像每天在Ginkgo所做的那样，正如你在调度程序上看到的所有那些协议。但你也可以尝试让那些实验由人工智能科学家运行。
所以我们与GPT-5的项目，就像我提到的，我们正在运行100个这样的384孔板。我们将数据返回给模型。它解释数据，然后发送新的设计。我们有一篇很棒的存档论文。如果你谷歌一下，如果你看OpenAI的博客文章，你可以找到它。我们从中学到了很多东西。我认为我们在这里与OpenAI做了一些非常聪明的事情。我只给你一个简短的小插曲。所以模型正在设计实验的参数，但我们不让它运行任何东西。我们有一个所谓的pedantic模型，这基本上是一组软件定义的规则，我们已经开源了，你可以下载它，GPT-5将设计提交到其中，它必须通过一系列测试我们才愿意运行它，如果没有通过，我们会告诉它失败了，它会重新设计直到通过测试。
简单的事情。384孔板，提交384个孔。孔的体积是这么多液体，不要超过那个液体量，否则会到处溢出，对吧？更复杂的事情。你的实验做四次重复，因为我们想发表一篇关于这个的论文，科学家们希望看到复制。在实验之间包括一组标准对照，这样我们可以公平地比较你随着时间的表现。所以我们把这些规则放进去，但在实验孔中，比如板的其余部分，只要它放入正确的体积，它可以做任何它想做的事情。
因此，在实验中的500个板中，我们认为只有两个是完全荒谬的设计。其中一个是我们的pedantic模型的问题，GPT-5设计了某些试剂的负体积，试图在体积限制下挤压更多试剂。显然，你不能做负体积，所以我们将其添加到模型中，它学会了不这样做。所以真的，我认为这是真正更开放式实验工作的首次演示，击败了最先进的水平。未来肯定有很多很好的方法来跟进这项工作，我们将继续跟进。OpenAI基本上把我们当作云实验室，对吧？他们付钱给我们进行数据生成，他们的模型能够从我们在波士顿的自主实验室发送和接收命令和数据。
我将在接下来的一张幻灯片上结束，或者差不多。Ginkgo是将自主实验室大规模推向市场的合适公司。我深信这一点。尤其是在上个季度，这对我来说现在很明显。我们的现金消耗得到了控制。这就是为什么我们想要提供这方面的指引，并让团队和投资者了解我们计划在这方面投资多少。我们在自动化实验室工作方面有丰富的实践经验。这是我们在Ginkgo过去十多年一直在做的事情。我们知道什么是困难的。我们知道将工作台工作转移到液体处理器上需要什么，当你以高通量和高容量运行时，每个台式设备相关的小技巧和窍门是什么。
所有这些信息都被嵌入到模型和我们的软件中，以使科学家在转向自主实验室时能够神奇地工作。我认为我们是唯一能做到这一点的公司，这与让生物工程变得更容易的使命非常契合。我确信，目前该领域的头号问题是实验室工作。我们只是不能尝试足够多的基因设计来擅长基因工程。这不是Ginkgo的问题，而是整个行业的问题。下一张幻灯片。
我确实想提一下，因为我确信一些收听的人是科学家或潜在客户等等，我们也经常听到科学家说：“嘿，我应该担心这个吗？显然，我的部分工作是在实验室工作台工作，生成这些数据。”我真的很喜欢这则1951年IBM的旧广告，它谈到了机械计算器，或者我应该说电子计算器，在你的公司做150名额外工程师的工作。我喜欢这一点的原因是，如果你不熟悉那个设备，对于这个电话会议上的年轻人或其他人来说，那是一个计算尺。所以这是在通用计算机出现之前，计算是手动完成的时代，这个设备实际上只是一个设备，比如，加减和除法，做基本的算术，将完成150名工程师的工作，你可能会说那个设备将取代150名工程师。当然，快进70年，现在的工程师数量是1951年的100倍，这是因为在计算的手动工作自动化之后，理解工程的人的头脑中的投资回报率急剧增加。
如果你翻到下一张幻灯片，我非常相信实验室的手动工作也会是这种情况。我们让拥有博士学位、了解所有生物学、了解这些极其复杂的生物系统的所有细节的人，同时他们必须是极其小心的实验室技术人员，以便移动液体并以极高的保真度完成这项工作，甚至能够尝试和测试他们的实验假设，这是多么疯狂。我们需要将这两件事分开，就像20世纪50年代计算所做的那样。如果你这样做，我向你保证，当我们的投资回报率受到工作台手动工作的限制时，我们将获得比今天多得多的基因工程师，多得多的科学家，我们必须这样做，Ginkgo将做到这一点。所以如果你感兴趣，请放下你的移液管，加入我们。
好的。下一张幻灯片。那是我的电子邮件。像往常一样，如果你对这些东西感到兴奋，随时发电子邮件。感谢今天的时间，很高兴回答问题。
谢谢，Jason。和往常一样，我将从公众的问题开始，并提醒线上的分析师，如果您想提问，请在Zoom上举手，我会叫到您并打开您的线路。谢谢大家。
好的，我们开始吧。第一个问题来自Bag，来自X平台。“随着波士顿设施的RACs容量计划从大约50个扩展到100个单元，您能否帮助我们了解这种增加的容量预计将如何转化为2026年的收入？具体而言，您预计这部分贡献中，有多少比例将是经常性的，例如软件、运营、耗材，而不是基于项目的服务？”
是的，我可以回答这个问题。首先，RACs的扩展，部分是为了，再次强调，能够转移，我们这里有广泛的实验室，其中有各种不同水平的自动化。有手动操作自动化，即一个人走到液体处理器前。那个液体处理器做一些自动化工作，然后你把样品带到实验室的其他地方。工作单元自动化，也就是我所说的地铁，然后是工作台。我们——对于我们的一些实验室工作，我们仍然在工作台上，对吧？我们希望在未来一年将所有这些工作基本上转移到Nebula，转移到那个100个RACs的大型系统上。所以这就是它的意义所在。
现在，在那个系统之上，我们将提供这些服务，对吧？我们将有我们的Datapoint服务、即将推出的云实验室服务、解决方案服务。所以我可以谈谈服务的可重复性。解决方案交易的运作方式是，这些通常是多年的研发交易，所以在一个交易中有一些可重复性，比如，我们为ARPA-H做一个大项目，我们与拜耳作物科学的长期合作关系，已经持续了五六年。所以在合同中有一些可重复性，但每次我们签订新合同，都是在寻找新项目。
Datapoint有点不同。正如我在电话会议中提到的，我们现在开始看到，我们已经进入了10家顶级（我忘了是20家还是30家）制药公司，我们在那里有。随着我们能够基本上与这些合作伙伴建立信任，我们可以作为他们团队的外包数据生成服务，这正成为更多的重复业务。
云服务，我们拭目以待。我的意思是，这是一个新的实验，我想针对工作台上的科学家的小批量工作。我认为如果你看更窄范围的CRO，比如构建DNA、表达蛋白质的公司，我认为一旦有人对供应商有信心，你会看到很多重复业务。我们显然试图做更灵活的工作，这将是一种新的体验，所以我们拭目以待。我希望这也看起来像平台上的重复业务。在这三者中，我认为解决方案是你真正每次都在寻找新的研究合作伙伴的领域。另外两个更多的是重复业务。
然后只想提一下，这都是关于使用我们在波士顿的系统，这是你问的问题，但当然，我们也在销售我们的系统。比如，我们把那个系统卖给PNNL或制药公司或其他人。当我们的机器人投入使用时，有初始的资本支出，但然后我们有持续的服务和软件许可，随着时间的推移，这也像SaaS业务一样是重复的。如果我们有像专用试剂、一些高通量的东西，随着系统的使用，这也将是重复业务，但初始资本支出是一次性的。
好的。谢谢，Jason。我们的下一个问题来自TD的Brendan。他实际上有两个问题。所以我先问第一个。第一个问题是，我们应该如何看待美国制造业回流作为RACs收入增长的潜在推动力，您认为Ginkgo在未来几年需要做些什么来最大限度地分享这一趋势？
是的。在制造方面，我们一直看到在制造质量控制方面的兴趣，对吧？所以再次强调，我们的系统在典型的制造环境中所做的，你将在更大的罐中进行生产。这些机架实际上是关于集成实验室台式设备。现在，制造工厂中有很多实验室台式设备，用于跨批次进行质量控制，有时甚至与许多这些药物的患者随访相关的半诊断工作。实际上，一旦药物上市，有相当多的实验室工作以重复的方式继续进行。
我认为我们在这方面的优势是能够在一个大型系统上处理许多不同的QC协议。对吧？再次强调，优势在于复杂的协议，多步骤，今天你可能在实验室工作台上做的。你经常在那些研究中心有属于制造团队的人员等等，他们不是开放式研究的博士科学家。因此，能够进行最新类型的测定或能够将其部署为QC步骤，我认为RACs为这打开了大门。我们正在与一些客户讨论将我们的自动化引入制造场所。我认为那里可能会有一点推动力。我们拭目以待。是的。
好的。下一个问题是，Ginkgo的Datapoints产品在客户中反响如何？您预计未来12个月这部分业务会有任何实质性的推动力吗？
是的。非常好。我认为我们在提供方面找到了甜蜜点。我想在AI方面简单说一下，对吧？AI对生物技术行业的影响有两个方面。一个是我在电话会议上花了很多时间谈论的，即推理模型和编码模型，基本上任何信息技术领域每个人都在使用的相同类型的模型，将影响科学家使用自主实验室和机器人在实验室中的能力。推理模型使所有这些变得更容易。除此之外，还有生物AI模型，其中最著名的是谷歌推出的AlphaFold，这是一个不是在人类语言、人类推理上训练的模型，而是在生物语言上训练的模型。
特别是在那种情况下，比如蛋白质的氨基酸序列和这些蛋白质的结构。所以在那个领域有很多工作正在进行，为了构建这些生物AI模型，你需要生成非常大的数据集，在那种情况下，比如蛋白质及其结构的多样性，但在功能基因组学、抗体可开发性等其他领域，制药公司要求我们为他们的机器学习团队制作这些大数据集。这方面的业务得到了推动力。如果你今年参加摩根大通会议，像Chai Bio宣布了他们与礼来和Noetik的合作关系。
在初创公司方面，有很多公司开始与大型制药公司合作，因为他们有很棒的生物AI模型，他们拥有很棒的生物AI模型的原因是他们拥有专有数据。这不仅仅是他们在建模方面有多聪明，而是他们一直在生成这些大型数据集。所以这有点让人们大开眼界，我认为在那里创造了一点浪潮，我们绝对是为大型制药公司、大型生物技术公司、机器学习团队提供数据集的领导者，这些团队都准备好进行训练等等。我们可以做机器人部分和数据清理部分，他们可以专注于生物建模。这一直很好，我想说。是的。我对今年的情况感到兴奋。
好的。下一个问题来自@TTBigRoad，来自X平台。这个问题基本上不仅关于机架的利用率，还关于机架的制造和部署。问题是，类似于特斯拉使用Giga Press显著提高制造效率，Ginkgo是否正在探索任何特定的策略、技术或方法来显著提高机架的生产效率和可扩展性？
是的。这是我们开始考虑的事情。我的意思是，主要是因为这些事情需要时间来实施。我们确实做出了一些好的决定。在过去四年左右，我想，自从我们收购Zymergen（这项技术的起点）以来，我们实际上对机架的硬件进行了一代升级，并使它们。这种设计变更实际上不是关于，事实上，我们过去在Zymergen的旧机架，这些是，新的机架是兼容的。该系统的组件少得多，所有这些都是为了可制造性设计，正是出于这个原因。
我们现在在圣何塞制造它们。我们通过合作伙伴进行最终组装，然后在加利福尼亚州埃默里维尔的我们的站点进行最终组装和与第三方设备的集成。随着我们销售越来越多的这些，我认为你会看到我们投资于，比如，基本上更大的合作伙伴来重复制造过程。但即使我们现在拥有它，我们实际上也可以相当不错地扩展。所以我认为我们想提前计划，这不是我们面临的直接问题。
好的。我想今晚我们就到这里。当然，如果有人有任何问题，他们总是可以给我们发电子邮件到investors@ginkgobioworks.com。Jason earlier 也把他的个人电子邮件放在那里了，所以你可以给他发消息。是的。谢谢大家，祝大家度过愉快的夜晚，希望每个人都有一个很棒的季度。
谢谢大家。