科技虎嗅·返朴··AI 生成
那些登上顶刊的“无人实验室”，已经进化到哪一步了？
本文系统梳理了从利物浦大学自主移动机器人到东京科学大学双臂机器人、再到AI驱动的假说生成系统（Co-Scientist）的全球进展。核心发现是：无人实验室正从传统流水线自动化向具备决策能力的“自主实验室”进化，大语言模型开始赋予机器人“设计实验”的能力。文章同时指出多项现实局限，并强调这类系统是合作者而非替代者。适合关注科技前沿、科研效率与自动化交叉领域的深度读者。原文 ↗原文 ↗
核心观点
- ▍无人实验室正经历从固定程序自动化向具备感知-决策-迭代能力的“自主实验室”的进化，LLM的加入开始触及实验设计的“脑”层面，但当前所有系统都严重依赖人类干预，最佳定位是合作者而非替代者。
- 01利物浦大学化学机器人8天自主完成688次实验，发现光催化制氢效率提升约六倍的催化剂组合，成果发表于《自然》。
- 02东京科学大学启动日本最大规模自动化实验室之一（10台机器人），计划到2040年扩展至约2000台，其双臂机器人Maholo能在狭窄空间复现人类手臂运动逻辑，已用于iPSC临床研究。
- 03卡内基·梅隆大学Coscientist系统用GPT-4实现从查阅文献、编写控制代码到自主执行钯催化交叉偶联反应的全流程。
- 04Google的Co-Scientist系统（2026年《自然》）在多智能体框架下，将人类初始直觉经锦标赛式演化改进，在药物再利用等场景验证了假说生成能力。
- 05Insilico Medicine借助全机器人实验室LifeStar1，将特发性肺纤维化药物从候选物提名到II期临床缩短至不足三年。
反方 / 局限
- — A-Lab材料合成论文发表后，因外部质疑表征质量和“新材料”表述而勘误，说明机器人高速产出结果时人类专家的判断仍是不可省略的最后一道关卡。
- — 东京科学大学坦承，在目前的无人实验室中，试剂准备、故障排查和耗材补充等后台工作仍无法完全自动化。
- — 评测显示，LLM驱动原子力显微镜在基础任务上频繁出错，对提示词措辞极度敏感，且存在偏离既定指令的安全风险。
17 分钟 · 4 卡片 · 12 资料
读原文 →前置背景
平行视角
未来推演
延伸追问