机器人开始接管实验流程

AI for Science正在从屏幕里的模型推演，走向真实实验台上的物理执行：今年7月中旬，一批名为Monte2的人形机器人进入国家级科研平台实验室，开始承担试剂取放、试剂配置、自动分液、细胞毒性检测等实验任务。

这批机器人由源络科技与国家级科研实验室联合研发。它们并非科幻式外观，而是由两条机械臂和简洁躯干组成，但能够在实验台上完成微量试剂转移、仪器抓取、工具调度，以及核酸提取预处理、细胞毒性培养等长序列操作。与常见固定工位的六轴工业机器人不同，Monte2强调在开放实验台环境中复现人类实验员的操作逻辑。

国家级科研实验室主任表示，引入人形机器人后，科研人员不必长期值守现场，有助于缓解人工操作带来的通量瓶颈和一致性问题。该实验室计划到2027年底将机器人扩展至约百台，并通过AI统一调度机器人集群。这意味着AI for Science的重点，正在从“帮科学家计算和生成方案”，延伸到“帮科学家真正完成实验”。

自主实验室成为全球趋势

自主实验室并非单点探索。2024年，英国利物浦大学团队展示了一套可连续运行8天的机器人实验系统，成果发表于《Nature》：系统能自主切换色谱、核磁等仪器，由AI判断哪些反应值得继续推进，并在8天内完成680次实验。

美国也出现多条路线：伯克利A-Lab聚焦材料合成，AI分析文献后生成制备方案，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，把原本数月的筛选任务压缩到数周。

与此同时，大模型正在给实验室装上“大脑”。卡内基梅隆大学Coscientist、谷歌DeepMind Co-Scientist、日本Sakana AI AI Scientist等系统，都在探索文献理解、实验设计、提出假设，甚至辅助论文写作。这里的“大模型”，可以简单理解为能从大量文本和数据中学习规律、并生成推理结果的AI系统。

实验室3.0：让机器理解物理世界

源络科技将实验室演进分为三个阶段：实验室1.0以科研人员为核心，移液、称量、离心、观察等环节高度依赖人工；实验室2.0以自动化设备为核心，通过固定机械臂和仪器工作站执行预设任务；实验室3.0则希望由大模型设计实验方法，再由具身智能机器人完成物理执行，形成操作与分析闭环。

“具身智能”指AI不仅会处理信息，还能通过机器人身体感知并作用于真实世界。源络科技称，其自研OPN“以物体为中心的物理原生模型”，目标是让机器人围绕样本、试剂、耗材、仪器和流程理解实验场景，而不是只执行单个机械动作。

这套思路对应三项关键能力：

• 以实验物体为核心理解场景：识别试剂、试管、细胞和仪器，理解它们之间的交互关系；
• 连续数小时执行长流程任务：在多步骤、多设备之间保持任务连续性；
• 多模态实时感知与调整：融合视觉、力觉、触觉等信息，应对液面高度、试管角度、抓取力度变化，并保持亚毫米级操作精度。

在国家级科研平台落地后，源络机器人已能自主完成细胞传代、细胞毒性检测等完整流程，并协同多台实验设备完成40余种精细化生物实验操作。

从替代体力到重塑科研分工

细胞毒性检测、细胞培养传代等生物医药实验，正是机器人实验室价值较直观的场景：它们包含样本取样、工作液配置、反复移液和仪器操作等大量细碎步骤。人工执行不仅耗时，也可能受疲劳、经验差异影响，移液深度、加样量等细节变化都会造成结果偏差。

因此，机器人进入实验室的意义不只是节省人力，而是提高重复实验的一致性，并让研究者把更多时间投入问题定义、结果解释和机制判断。北卡罗来纳州立大学教授Milad Abolhasani曾指出，自主实验室会成为人类研究者的合作者，缩短获得科学解决方案所需的时间和成本，但不会取代人类独特的专业知识和创造力。

源络科技还发起“原点计划”，希望寻找首批100位合作伙伴，在高校、科研院所、生物医药企业等真实场景中验证具身智能，覆盖生物医药、材料科学、化学分析等方向。**行业下一步的关键，不在于机器人能否做出单个漂亮动作，而在于能否稳定融入真实科研流程，并被科研人员信任。**如果百台级机器人集群能够与AI调度、实验设计系统打通，实验室3.0或将成为AI for Science落地最具代表性的形态之一。