“无人值守”实验室的变革内幕

本文系统介绍了全球正在兴起的‘自动驾驶实验室’（self-driving labs）技术及其实际应用。这类实验室融合人工智能、机器人技术和自动化仪器，能自主完成科学假设生成、实验设计、操作执行与数据分析全过程。文中以英国曼彻斯特大学研发、后迁至瑞典查尔姆斯理工学院的机器人科学家Eve为例：它体型庞大（5米×5米×3米），动作精准快速，已成功发现三氯生可靶向疟原虫休眠期关键酶，为抗耐药疟疾提供新思路。其前代系统Adam早在2009年就用于解析酵母未知基因功能；新一代Genesis则更经济高效，占地仅为Eve的五分之一，每日可完成约1万次质谱检测。多所顶尖机构正加速布局：多伦多大学Alán Aspuru-Guzik团队运营50台自主机器人组成的‘加速联盟’；卡内基梅隆大学Gabe Gomes开发的Coscientist系统，基于GPT-4大语言模型，支持用日常英语下达指令，自动检索文献、规划实验并操控硬件完成反应优化。产业界亦积极跟进：美国Lila Sciences公司建成超2万平方米的AI科学工厂，测试AI纳米科学家合成纳米颗粒；旧金山Periodic Labs由ChatGPT创始人参与创立，专注自动化材料合成；伦敦LabGenius用AI+机器人开发治疗性抗体；瑞士诺华公司MicroCycle平台可全自动合成、纯化、测试化合物；中国科大研发的ChemAgents机器人助力新材料发现与光催化反应优化。实证表明，此类系统显著降本增效——OpenAI与Ginkgo Bioworks合作项目使试管蛋白生产成本降低40%，产量提升27%。但作者强调，机器人尚无法替代人类的灵巧操作（如抓取活体小鼠）和深层科学直觉；当前AI主要承担‘增量式优化’任务（如改良药物活性或电池材料性能），依赖贝叶斯优化等方法；而大模型引导的优化正带来新突破。整体上，自动驾驶实验室并非取代生物学家，而是将科研流程工业化、规模化，推动科学发现从‘手工作坊’迈向‘智能工厂’。