AI for Science进入新阶段：机器人成为科研新基础设施，实验室3.0时代来临
核心论点：具身智能机器人正从计算辅助走向实验执行，推动实验室从人工操作、设备自动化迈向以物理原生模型为核心的自主实验室3.0时代。
全球自主实验室浪潮
各国在自主实验室领域呈现多路线并行发展，核心差异在于实验周期、合成数量和智能化程度。
英国利物浦大学
机器人自主运行8天，完成680次实验
发表于《Nature》，系统可自主切换色谱、核磁等仪器，由AI判断反应推进方向。
伯克利A-Lab
17天合成41种新材料
AI通过分析海量文献生成制备方案，机器人执行合成。
北卡罗来纳大学
数据采集速度提升10倍
优化实验流程，将数月筛选任务压缩至数周。
大模型正在为实验室装上「大脑」：
卡内基梅隆的Coscientist、谷歌DeepMind的Co-Scientist、日本Sakana AI的AI Scientist等系统，探索AI在文献理解、实验设计、假设提出乃至论文撰写方面的能力。中国国家级科研实验室与源络科技正在推动AI4S从科学计算走向实验执行，形成差异化路径。
实验室3.0：理解真实物理世界
1.0
以科研人员为核心 — 全人工操作，依赖个人经验与技能。
2.0
以设备为核心的孤岛式流水线 — 自动化设备单点运行，缺乏系统协同。
3.0
以具身智能赋能的自驱动实验 — 操作与分析闭环，机器人自主决策。
核心模型
OPN
以物体为中心的物理原生模型，使机器人理解实验对象之间的关系，而非仅执行固定程序。
实验室3.0三大核心能力： 以实验物体为核心理解场景 · 连续数小时稳定执行长流程实验 · 多模态实时感知与灵活调整。
操作精度
亚毫米级
在液体流动、软质耗材等复杂场景中通过视觉、力觉、触觉融合保持精度。
真实案例：细胞生物学实验
细胞毒性检测、细胞培养传代等实验包含大量重复性操作，人工操作易受疲劳和经验差异影响，导致结果偏差。
实际操作能力
40余种精细化生物实验操作
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，协同多台实验设备稳定运行。
协作而非替代：人类科学家的不可替代性
「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。」
—— Milad Abolhasani，北卡罗来纳州立大学教授
机器人以数倍至数十倍速度完成数据密集型实验， AI辅助提炼假说，但科学的核心判断——发现的重要性、新方向开辟、机制解读——仍依赖人类。
科学计量学背景
1945-2010年论文及1976-2010年专利中颠覆性指标呈下降趋势
无人实验室将科学家从重复操作中解放，使其投入更需要判断力的领域。
机器人实验室的真正意义 在于改造实验流程以适应机器连续运行，建立新的工作方式，而非简单复制人类实验室。
◆ 核心判断
机器人正从「自动化设备」进化为「科研新基础设施」，实验室3.0的核心是以物理原生模型赋予机器人对真实世界的理解能力。源络科技发起的「原点计划」标志着AI for Science从计算走向执行的关键一步，但人类科学家的创造力和判断力仍是不可替代的引擎。这场变革既提升效率，也重塑科研范式。