AI for Science開始“動手”了：機器人正式走進國家級實驗室

它需要完成數百次實驗操作，包括試劑取放、試劑配置、自動分液、細胞毒性檢測等流程，並實現多個實驗設備之間的協同運行。整個過程中，實驗室內無需人員操作，由機器人自主完成任務。這個場景並非科幻小說，而正在一個國家級科研平臺實驗室真實發生。科學智能（AI for Science）的產業革命 今年7月中旬，國家級科研平臺實驗室迎來了第一批人形機器人。這批名為Monte2的人形機器人，由源絡科技與國家級科研實驗室聯合研發。它的外形並不科幻：兩條機械臂、一個簡潔的軀幹，但執行的操作卻比外表看起來精細得多——精準轉移微量試劑、精準抓取儀器、自主調動工具，並完成核酸提取預處理、細胞毒性培養實驗。

與常見的六軸工業機器人不同，Monte2能夠在實驗臺上完成長序列、靈活的實驗操作，並復現人類實驗員的操作邏輯。像細胞毒性檢測等實驗涉及大量重複性操作、流程調試和實驗檢測，需要投入大量人力和物力。國家級科研實驗室主任表示，通過引入人形機器人，科研人員無需持續值守實驗現場，可以有效緩解人工操作帶來的通量瓶頸和一致性問題。計劃到2027年底，實驗室將機器人數量擴展至約百臺規模，並通過AI統一調度機器人集群，使實驗室操作流程進一步智能化。他將這一願景稱為“實驗科學的產業革命”。在這個實驗室落地前，Monte2已經在華大製造投入使用，並積累了一定的實際應用經驗。

自主實驗室浪潮席捲全球 機器人自主實驗室，正在逐漸成為全球科研領域的重要發展趨勢之一。2024年，英國利物浦大學研究團隊展示了一套自主運行實驗系統，機器人在實驗室連續運行8天，相關成果發表於《Nature》。該系統能夠自主切換色譜、核磁等實驗儀器，由AI判斷哪些反應值得繼續推進，並在8天內自主完成680次實驗。美國相關研究也呈現多條路線並行發展的趨勢： 伯克利A-Lab專注於材料合成領域，AI通過分析海量文獻生成製備方案，機器人在17天內合成41種新材料； 北卡大學則通過優化實驗流程，將數據採集速度提升10倍，原本需要數月完成的篩選任務，可以壓縮至數週完成。

大模型的發展，也正在為實驗室裝上“大腦”。卡內基梅隆大學的Coscientist、谷歌DeepMind的Co-Scientist、日本Sakana AI的AI Scientist等系統，都在探索讓AI具備文獻理解、實驗設計、提出待驗證假設，甚至輔助完成研究論文撰寫的能力。而在中國，國家級科研實驗室與源絡科技正在探索AI4S在真實實驗場景中的應用落地，推動人工智能從科學計算進一步走向實驗執行。實驗室3.0，理解真實物理世界 要理解實驗室的發展，需要從三個階段來看。實驗室1.

0，以科研人員為核心，研究人員依靠經驗和操作完成移液、稱量、離心、觀察等實驗流程，大量重複性工作依賴人工完成，實驗效率和操作一致性受到限制。實驗室2.0，以設備為核心的孤島式流水線系統，通過固定基座的協作機械臂和儀器工作站，能夠按照預設程序完成固定實驗任務，提升了實驗執行效率。但系統不真正理解實驗對象、任務目標以及環境變化，面對複雜、多變的科研場景時，系統無法勝任。實驗室3.0，則是在之前基礎上進一步演化，以具身智能賦能的自驅動實驗，頂層由大模型設計實驗方法，底層由具身智能機器人接管物理世界的執行，形成操作和分析閉環。

源絡科技基於自研OPN“以物體為中心的物理原生模型”，解決實驗室的核心問題——機器人如何在物理世界中理解並完成科研流程。區別於傳統自動化設備依賴預設程序，實驗室3.0具備理解環境、執行長流程任務以及實時調整操作的綜合能力。具體來看，它需要具備三個核心能力： 以實驗物體為核心理解整個實驗場景 實驗環境並不是由單一動作組成，而是由樣本、試劑、耗材、儀器以及操作流程共同構成的複雜系統。第三代無人實驗室需要讓機器人理解不同實驗對象之間的關係，而不僅僅是完成某一個動作。

基於OPN物理原生模型，機器人能夠圍繞實驗對象建立對物理環境的理解，識別試劑、試管、細胞以及各類實驗儀器，理解不同物體之間的交互關係，並判斷每一步操作可能帶來的影響，從而擺脫傳統機器人依賴固定程序執行任務的限制。連續數小時穩定執行長流程實驗 科研實驗往往不是單一操作，而是一系列環環相扣的連續任務。無論是生化實驗、材料實驗，還是藥物篩選流程，任何一個環節出現偏差，都可能影響最終實驗結果。因此，實驗室機器人不僅需要完成單個動作，更需要具備長時間穩定運行能力，在多個步驟、多臺設備之間保持任務連續性。

源絡機器人目前已實現連續數小時自主操作，能夠完成複雜實驗流程中的連續執行任務，支撐長週期、高精度科研操作。多模態實時感知與靈活調整 實驗環境始終處於動態變化之中，不存在完全相同的兩次操作。液麵高度變化、試管角度變化、抓取力度差異等因素，都會影響實驗執行過程。機器人通過融合視覺、力覺、觸覺等多模態信息，根據環境變化實時調整運動軌跡和操作力度，在液體流動、軟質耗材等複雜場景中保持亞毫米級操作精度。實驗室3.0的核心，是讓機器人具備理解實驗環境、執行長序列任務以及適應複雜變化的能力。通過以物體為中心的環境理解、多模態感知和自主決策能力，機器人能夠完成跨設備、多步驟的精細化實驗流程。

最真實的案例：細胞生物學實驗 在生物醫藥和生命科學研發領域，細胞毒性檢測、細胞培養傳代等實驗，是最能體現機器人實驗室價值的真實應用場景。人工完成一整套實驗流程，往往包含大量細碎且重複的操作：樣本取樣、工作液配置、反覆移液，再到實驗儀器操作，每一個環節都緊密關聯。在面對不斷變化的實驗任務、多設備協同以及高頻次的操作需求時，科研人員仍需耗費大量精力在實驗執行環節，難以將更多時間投入到創新研究中。與此同時，人工操作也容易受到疲勞、經驗差異等因素影響，例如移液深度、加樣量等細微變化，都可能導致實驗結果產生偏差。因此，大量基礎實驗操作長期佔據科研人員較高比例的實驗時間。

源絡機器人落地國家級科研平臺後，已能夠自主完成細胞傳代、細胞毒性檢測等完整實驗流程。依託自研OPN物理原生模型，機器人能夠穩定協同操作多臺實驗設備，完成40餘種精細化生物實驗操作，達到亞毫米級精準操作能力。協作，而非替代 北卡羅來納州立大學教授阿博哈薩尼（Milad Abolhasani）曾說過一句話，被許多研究者引用： 自主實驗室將作為人類研究者的合作者，顯著縮短達到科學解決方案所需的時間和成本。但它們不會取代人類研究者獨特的專業知識和創造力。這句話值得細細品味。機器人能以數倍乃至數十倍於人類的速度，完成數據密集型的探索性實驗。

AI大模型能輔助研究者從海量文獻中提煉假說，輔助判斷我們該問什麼問題。但科學的核心問題——某個發現是否真正重要、是否開闢了新的方向、數據背後的機制究竟意味著什麼，仍然離不開人類的判斷。從更宏觀的角度來看，這場變革的意義或許超出了效率本身。2023年的一項科學計量學研究指出，在其覆蓋的1945年至2010年論文和1976年至2010年專利樣本中，顛覆性指標呈下降趨勢。結論顯示：無人實驗室正在將科學家從大量重複性操作中解放出來，讓他們得以把精力投入到真正需要人類判斷力的地方。

機器人實驗室最能說明問題的地方，不是它把人類實驗室原樣複製了一遍，而是它正在把實驗流程改造成更適合機器連續運行的新形態，建立一種新的工作方式。匯聚100位合作伙伴，推動AI for Science邁向實驗室3.0 為了推動AI for Science真正邁向實驗室3.0，源絡科技正式發起「原點計劃（Origin Program）」。原點計劃的初衷，是讓機器人能夠承擔那些長時間、高精度、重複性的執行工作，讓實驗室人員迴歸科學本身。源絡希望與高校、科研院所、生物醫藥企業及更多科研夥伴，共同開放真實科研場景，共同推動AI for Science從計算走向執行。

目前，源絡科技正在尋找首批100位合作伙伴，共同驗證具身智能在生物醫藥、材料科學、化學分析等領域的應用。如果你的實驗過程中經常遇到實驗流程較長、需要連續數小時甚至跨夜完成，實驗步驟需要精準、穩定執行，或涉及危險、汙染、高強度人工操作等情況，歡迎加入原點計劃，共同探索實驗室3.0。「原點計劃」報名地址：https://mp.weixin.qq.com/s/JotsPX4vALohH7Yz6-bY5g *本文系獲授權刊載，觀點僅為原作者所有。版權所有，未經授權不得以任何形式轉載及使用，違者必究。