允中 发自 凹非寺
量子位 | 公众号 QbitAI
清晨，一台具身智能机器人正在执行实验任务。
它需要完成数百次实验操作，包括试剂取放、试剂配置、自动分液、细胞毒性检测等流程，并实现多个实验设备之间的协同运行。
整个过程中，实验室内无需人员操作，由机器人自主完成任务。
这个场景并非科幻小说，而正在一个国家级科研平台实验室真实发生。
科学智能（AI for Science）的产业革命
今年7月中旬，国家级科研平台实验室迎来了第一批人形机器人。
这批名为Monte2的人形机器人，由源络科技与国家级科研实验室联合研发。
它的外形并不科幻：两条机械臂、一个简洁的躯干，但执行的操作却比外表看起来精细得多——精准转移微量试剂、精准抓取仪器、自主调动工具，并完成核酸提取预处理、细胞毒性培养实验。
与常见的六轴工业机器人不同，Monte2能够在实验台上完成长序列、灵活的实验操作，并复现人类实验员的操作逻辑。
像细胞毒性检测等实验涉及大量重复性操作、流程调试和实验检测，需要投入大量人力和物力。
国家级科研实验室主任表示，通过引入人形机器人，科研人员无需持续值守实验现场，可以有效缓解人工操作带来的通量瓶颈和一致性问题。
计划到2027年底，实验室将机器人数量扩展至约百台规模，并通过AI统一调度机器人集群，使实验室操作流程进一步智能化。
他将这一愿景称为“实验科学的产业革命”。
在这个实验室落地前，Monte2已经在华大制造投入使用，并积累了一定的实际应用经验。
自主实验室浪潮席卷全球
机器人自主实验室，正在逐渐成为全球科研领域的重要发展趋势之一。
2024年，英国利物浦大学研究团队展示了一套自主运行实验系统，机器人在实验室连续运行8天，相关成果发表于《Nature》。
该系统能够自主切换色谱、核磁等实验仪器，由AI判断哪些反应值得继续推进，并在8天内自主完成680次实验。
美国相关研究也呈现多条路线并行发展的趋势：
伯克利A-Lab专注于材料合成领域，AI通过分析海量文献生成制备方案，机器人在17天内合成41种新材料；
北卡大学则通过优化实验流程，将数据采集速度提升10倍，原本需要数月完成的筛选任务，可以压缩至数周完成。
大模型的发展，也正在为实验室装上“大脑”。
卡内基梅隆大学的Coscientist、谷歌DeepMind的Co-Scientist、日本Sakana AI的AI Scientist等系统，都在探索让AI具备文献理解、实验设计、提出待验证假设，甚至辅助完成研究论文撰写的能力。
而在中国，国家级科研实验室与源络科技正在探索AI4S在真实实验场景中的应用落地，推动人工智能从科学计算进一步走向实验执行。
实验室3.0，理解真实物理世界
要理解实验室的发展，需要从三个阶段来看。
实验室1.0，以科研人员为核心，研究人员依靠经验和操作完成移液、称量、离心、观察等实验流程，大量重复性工作依赖人工完成，实验效率和操作一致性受到限制。
实验室2.0，以设备为核心的孤岛式流水线系统，通过固定基座的协作机械臂和仪器工作站，能够按照预设程序完成固定实验任务，提升了实验执行效率。
但系统不真正理解实验对象、任务目标以及环境变化，面对复杂、多变的科研场景时，系统无法胜任。
实验室3.0，则是在之前基础上进一步演化，以具身智能赋能的自驱动实验，顶层由大模型设计实验方法，底层由具身智能机器人接管物理世界的执行，形成操作和分析闭环。
源络科技基于自研OPN“以物体为中心的物理原生模型”，解决实验室的核心问题——机器人如何在物理世界中理解并完成科研流程。
区别于传统自动化设备依赖预设程序，实验室3.0具备理解环境、执行长流程任务以及实时调整操作的综合能力。
具体来看，它需要具备三个核心能力：
以实验物体为核心理解整个实验场景
实验环境并不是由单一动作组成，而是由样本、试剂、耗材、仪器以及操作流程共同构成的复杂系统。
第三代无人实验室需要让机器人理解不同实验对象之间的关系，而不仅仅是完成某一个动作。
基于OPN物理原生模型，机器人能够围绕实验对象建立对物理环境的理解，识别试剂、试管、细胞以及各类实验仪器，理解不同物体之间的交互关系，并判断每一步操作可能带来的影响，从而摆脱传统机器人依赖固定程序执行任务的限制。
连续数小时稳定执行长流程实验
科研实验往往不是单一操作，而是一系列环环相扣的连续任务。
无论是生化实验、材料实验，还是药物筛选流程，任何一个环节出现偏差，都可能影响最终实验结果。
因此，实验室机器人不仅需要完成单个动作，更需要具备长时间稳定运行能力，在多个步骤、多台设备之间保持任务连续性。
源络机器人目前已实现连续数小时自主操作，能够完成复杂实验流程中的连续执行任务，支撑长周期、高精度科研操作。
多模态实时感知与灵活调整
实验环境始终处于动态变化之中，不存在完全相同的两次操作。
液面高度变化、试管角度变化、抓取力度差异等因素，都会影响实验执行过程。
机器人通过融合视觉、力觉、触觉等多模态信息，根据环境变化实时调整运动轨迹和操作力度，在液体流动、软质耗材等复杂场景中保持亚毫米级操作精度。
实验室3.0的核心，是让机器人具备理解实验环境、执行长序列任务以及适应复杂变化的能力。
通过以物体为中心的环境理解、多模态感知和自主决策能力，机器人能够完成跨设备、多步骤的精细化实验流程。
最真实的案例：细胞生物学实验
在生物医药和生命科学研发领域，细胞毒性检测、细胞培养传代等实验，是最能体现机器人实验室价值的真实应用场景。
人工完成一整套实验流程，往往包含大量细碎且重复的操作：样本取样、工作液配置、反复移液，再到实验仪器操作，每一个环节都紧密关联。
在面对不断变化的实验任务、多设备协同以及高频次的操作需求时，科研人员仍需耗费大量精力在实验执行环节，难以将更多时间投入到创新研究中。
与此同时，人工操作也容易受到疲劳、经验差异等因素影响，例如移液深度、加样量等细微变化，都可能导致实验结果产生偏差。
因此，大量基础实验操作长期占据科研人员较高比例的实验时间。
源络机器人落地国家级科研平台后，已能够自主完成细胞传代、细胞毒性检测等完整实验流程。
依托自研OPN物理原生模型，机器人能够稳定协同操作多台实验设备，完成40余种精细化生物实验操作，达到亚毫米级精准操作能力。
协作，而非替代
北卡罗来纳州立大学教授阿博哈萨尼（Milad Abolhasani）曾说过一句话，被许多研究者引用：
自主实验室将作为人类研究者的合作者，显著缩短达到科学解决方案所需的时间和成本。但它们不会取代人类研究者独特的专业知识和创造力。
这句话值得细细品味。
机器人能以数倍乃至数十倍于人类的速度，完成数据密集型的探索性实验。
AI大模型能辅助研究者从海量文献中提炼假说，辅助判断我们该问什么问题。
但科学的核心问题——某个发现是否真正重要、是否开辟了新的方向、数据背后的机制究竟意味着什么，仍然离不开人类的判断。
从更宏观的角度来看，这场变革的意义或许超出了效率本身。
2023年的一项科学计量学研究指出，在其覆盖的1945年至2010年论文和1976年至2010年专利样本中，颠覆性指标呈下降趋势。
结论显示：无人实验室正在将科学家从大量重复性操作中解放出来，让他们得以把精力投入到真正需要人类判断力的地方。
机器人实验室最能说明问题的地方，不是它把人类实验室原样复制了一遍，而是它正在把实验流程改造成更适合机器连续运行的新形态，建立一种新的工作方式。
汇聚100位合作伙伴，推动AI for Science迈向实验室3.0
为了推动AI for Science真正迈向实验室3.0，源络科技正式发起「原点计划（Origin Program）」。
原点计划的初衷，是让机器人能够承担那些长时间、高精度、重复性的执行工作，让实验室人员回归科学本身。
源络希望与高校、科研院所、生物医药企业及更多科研伙伴，共同开放真实科研场景，共同推动AI for Science从计算走向执行。
目前，源络科技正在寻找首批100位合作伙伴，共同验证具身智能在生物医药、材料科学、化学分析等领域的应用。
如果你的实验过程中经常遇到实验流程较长、需要连续数小时甚至跨夜完成，实验步骤需要精准、稳定执行，或涉及危险、污染、高强度人工操作等情况，欢迎加入原点计划，共同探索实验室3.0。
「原点计划」报名地址（或点击文末“阅读原文”）：https://mp.weixin.qq.com/s/JotsPX4vALohH7Yz6-bY5g
九八策略提示：文章来自网络，不代表本站观点。
