AI for Science进入新阶段：机器人正在成为科研新基础设施

AI摘要 Monte2人形机器人已在国家级科研平台投入实际运行，执行核酸提取、细胞毒性检测等长序列实验操作，实现无人化、高一致性实验流程。

适合AI for Science工程师、自动化实验室架构师、生命科学领域技术负责人阅读

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，而正在国家级科研平台实验室真实发生。

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。

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。

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 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。

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。

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。

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。

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。

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。

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。