华大智造联合上海人工智能实验室发布“Physical AI”成果：生命科学Agent首次打通“干湿闭环”

深圳新闻网2026年7月2日讯（记者 范洋航）当AI大模型纷纷“读懂”论文、设计实验，谁能让它真正“动手”做实验？日前，上海人工智能实验室与华大智造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。这标志着实验室自动化正从传统机械执行，向具备感知、决策、执行与自我进化能力的“具身智能”进阶。

过去一年，OpenAI、Google、Anthropic等巨头纷纷加注AI for Bio，大模型已从文献分析渗透至实验设计。但一个关键瓶颈始终存在：会“想”实验不等于会“做”实验。在真实实验室的物理约束——样本、试剂、移液精度、设备排程、异常处理面前，最强模型仍止步于“设计层”。

Physical AI的突破正在于此。不同于纯数字世界的AI Agent，Physical AI强调智能必须在与真实世界的交互中生长。ProtoPilot正是这一理念的产物：它不是聊天机器人，而是业内少数完整覆盖“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。研究者用自然语言描述实验意图，系统即可自动生成科学方案、可执行SOP和机器代码，并在湿实验反馈下持续自我修正。

验证环节更具产业意义。联合团队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。在PCA组装实验转化出现异常时，ProtoPilot能分析失败原因（如抗性筛选失效），并重新生成修正方案——初步具备“从失败中学习”的闭环能力。这正是Physical AI与传统自动化软件的核心分野。

对华大智造而言，此次发布具有深层战略意义。作为深耕生命科技工具十余年的龙头，其AI探索可追溯至2019年，去年团队曾在Nature Biomedical Engineering发表“干湿协同”多智能体成果。公司今年4月成立子公司涌生智能，聚焦AI4S领域的干湿闭环基础设施。本次两大成果中，BioLab Bench为行业提供统一评测标尺，率先制定标准者将占据生态先机；ProtoPilot则首次证明Bio Agent能从数字智能走向物理执行，将意图、协议、代码与湿实验反馈接成闭环。

华大智造的自动化设备矩阵不再只是执行终端，而成为可迭代学习的智能节点；每一次真实实验与失败样本都沉淀为系统进化的“燃料”。公司正从“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，构建“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，基础模型能力正被迅速“拉平”，但Physical AI的护城河恰恰在模型够不到的“物理那一半”——真实设备、湿实验、失败案例与专家经验，这些无法下载、难以蒸馏，只能在实验室里一次次长出来。据Grand View Research数据，全球实验室自动化市场2024年规模达82.7亿美元，预计2033年达183.9亿美元，年复合增长率9.3%。能真正执行实验的Agent系统将占据价值链顶端。在模型平权时代，握有“真实世界”能力的企业，才握有定义下一代竞争规则的权利。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，仍是后续关键观察指标。

（本文图片由华大智造提供）