来源：新浪财经

当 OpenAI、Anthropic 等巨头将大模型能力投向生命科学，一场 "AI 能否真正接管实验室 " 的竞赛已悄然升级。日前，上海人工智能实验室与华大智造（688114.SH）子公司涌生智能联合发布 ProtoPilot 自进化多智能体系统与 BioLab Bench 全流程评测体系，首次将 " 生命科学实验室的 Physical AI" 概念落地——这不仅意味着 AI 从 " 读懂论文 " 迈向 " 动手做实验 "，更标志着实验室自动化正从传统机械自动化，向具备感知、决策、执行与自我进化能力的 " 具身智能 " 进阶。

从 " 设计层 " 到 " 执行层 "：Physical AI 打破 Agent 落地瓶颈

过去一年，AI for Bio 成为全球科技投资、发力风口。OpenAI 推出 GPT-Rosalind，Google 发布 Co-Scientist 与 ERA，Anthropic 上线 Claude Science ——大模型在生命科学领域的应用已从文献阅读、序列分析等 " 知识层 " 能力，快速渗透至假设生成、实验设计等下游环节。

然而，一个关键瓶颈始终存在：会 " 想 " 实验不等于会 " 做 " 实验。即便是当前业界认为最强的大模型，在真实实验室的物理执行面前，仍止步于 " 设计层 "。

这正是 " 生命科学实验室的 Physical AI" 试图打破的边界。与停留在数字世界的传统 AI Agent 不同，Physical AI 强调智能必须在与真实世界的交互中生长——自动驾驶的能力长在真实道路里，机器人的能力长在真实动作里。而生命科学 Physical AI 的能力，则必须长在样本、试剂、耗材、板位、移液体积、温控条件、设备排程与异常处理的真实约束中。

ProtoPilot 的核心价值正在于此。该系统并非单个聊天机器人，而是目前业内少数完整覆盖 " 实验意图理解→协议生成→代码转换→设备执行→湿实验反馈验证 " 全链路的 Agent 系统。研究者只需用自然语言描述实验意图，系统即可将其拆解为科学合理的实验方案，转化为可执行的 SOP 与机器代码，并在湿实验结果反馈下持续自我修正与进化。

湿实验闭环验证：Bio Agent 的 " 真实世界 " 试金石

资本市场对 AI 概念的热情往往停留在 " 生成漂亮答案 "，但生命科学的特殊性在于——任何一个参数错误或设备不兼容，都可能导致实验失败。因此，Physical AI 的护城河不在参数规模，而在 " 物理那一半 " 的真实能力。

华大智造作为深耕生命科学领域十余年的生命科技工具公司，对 AI 的探索可以追溯到 2019 年。去年，华大智造杨梦团队联合泰国朱拉隆功大学 Nattiya   Hirankarn 教授在   Nature Biomedical Engineering   杂志发表文章，他们开发了名为 "PrimeGen" 的干湿协同多智能体系统。其创新性地将引物设计、实验验证与自动化工作站执行整合为闭环流程。

此外，硬件原生适配优势，以及在全球超过 3800 家用户的经验累积、工程化落地经验等优势，让华大智造的 AI 模型从诞生之初就浸润在真实实验场景中。

联合团队对 ProtoPilot 的验证没有停留在离线打分，而是将系统生成的流程真正放入湿实验执行。更具产业意义的是系统的自我修正能力。在 PCA 组装实验转化环节出现异常时，ProtoPilot 能够分析失败原因，识别抗性筛选失效，并重新生成修正方案——这意味着系统已初步具备 " 从失败中学习 " 的闭环能力，这正是 Physical AI 区别于传统实验室自动化软件的核心标志。

本次联合打造出来的生命科学实验室 Physical AI，直指下一代生命科学发现范式。未来 Bio Agent 不再只靠文本训练提升能力，而是依托 Physical AI 搭建的实验链路，持续积累真实科研任务、自动化操作、专家复核、失败样本与湿实验现场反馈。海量实体实验数据循环优化后，BioAgent 将形成兼具推理、实操、验证能力，落地 7x24 小时无人值守智能实验室。

华大智造的 " 第二曲线 "：将 AI 技术全面融入生命科技工具领域

对华大智造而言，此次联合发布具有深层战略意义。长期以来，市场将其定位为 " 基因测序仪国产替代龙头 "。但近年来，公司正加速从 " 基因测序仪国产替代龙头 " 向 " 生命科学智能化基础设施平台 " 跃迁。今年 4 月份，华大智造成立了一家聚焦 AI4S 领域的子公司——深圳华大涌生智能科技有限公司（简称 " 涌生智能 "），聚焦搭建面向生命科学的干湿闭环基础设施。

本次发布的 ProtoPilot 与 BioLab Bench，正是这一战略的关键落子：前者为行业提供了面向真实实验链路的统一评测标尺，率先制定标准者将在生态构建中占据先发优势；后者则首次证明 Bio Agent 可以从数字智能真正走向物理世界的实验执行，将实验意图、协议、代码与湿实验反馈接成闭环。

对华大智造而言，其自动化设备矩阵不再只是执行终端，而是成为可迭代学习的智能节点；每一次真实实验与反馈都将沉淀为系统进化的训练材料。这意味着华大智造正在构建的，是一个 " 设备即入口、数据即燃料、Agent 即操作系统 " 的闭环生态。

在全球 AI for Bio 竞赛中，模型能力正被迅速 " 拉平 " —— OpenAI、Google、Anthropic 及国内 DeepSeek、通义等，都在以极低成本提供强大的基础模型。但 Physical AI 的胜负手恰恰在于模型够不到的 " 物理那一半 "：真实设备、真实湿实验、真实失败案例与真实专家经验。这些无法下载、难以蒸馏，只能一次次在实验室里长出来的能力，构成了华大智造最深的护城河。

据 Grand View Research 数据，全球实验室自动化市场市场 2024 年规模已达 82.7 亿美元，预计 2033 年将达 183.9 亿美元，复合年增长率 9.3%。在这块高速扩张的蛋糕中，" 能真正进入物理世界执行实验 " 的 Agent 系统将占据价值链顶端。对资本市场而言，在模型平权时代，拥有 " 真实世界这一侧 " 的企业，才握有定义下一代竞争规则的权利。此外，技术成果向商业收入的转化节奏、与头部药企及科研机构的合作深度，仍是后续需要持续跟踪的关键指标。