当AI大模型纷纷学会"读懂"论文、设计实验方案，一个更本质的问题浮现出来：谁能让AI真正"动手"做实验？2026年7月初，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"概念完整落地。这标志着实验室自动化正从传统的"机械臂按指令动作"，向具备感知、决策、执行与自我进化能力的"具身智能"阶段跨越。
一、"想实验"和"做实验"之间隔着整个物理世界
过去一年，OpenAI、Google、Anthropic等全球AI巨头纷纷押注AI for Biology，大模型的能力已从文献分析渗透到实验设计。Google的AlphaFold系列解决了蛋白质结构预测问题，Anthropic发布Claude Science意图为科学家构建完整AI工作台。然而一个关键瓶颈始终存在：会"想"实验不等于会"做"实验。
在真实实验室环境中，物理世界的约束条件远比数字世界复杂。样本准备、试剂配制、移液精度、设备调度、异常处理——这些需要与真实物理设备交互的环节，构成了当前最强AI模型都无法跨越的鸿沟。大多数AI系统在"生成实验方案"后就完成使命，将方案的执行问题留给了人类科学家。这被称为"干湿分离"——AI负责"干"（数字推理），人类负责"湿"（物理实验）。ProtoPilot的突破，正是要打通这个分离。
二、ProtoPilot：从意图到执行的完整链路
ProtoPilot的设计理念与纯数字世界的AI Agent有着本质区别。它不是一个聊天机器人，而是一套完整覆盖"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——例如"我想测试某基因在不同温度条件下的表达水平"——系统就能自动生成科学方案、可执行的标准操作流程（SOP）和机器控制代码，并在湿实验执行反馈的驱动下持续自我修正。
这套系统的核心突破在于"自进化"机制。传统的实验室自动化系统本质上是一套预设指令的执行器——它严格按照预设的程序动作，遇到异常情况时只能停机报警。ProtoPilot则具备从失败中学习的能力。联合团队在验证环节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组装实验中出现转化异常时，ProtoPilot能够自主分析失败原因——例如判断出抗性筛选环节失效——并重新生成修正方案。这种"从失败中学习"的闭环能力，正是Physical AI与传统自动化软件的核心分水岭。
三、BioLab Bench：为行业提供统一评测标尺
与ProtoPilot一同发布的还有BioLab Bench全流程评测体系。BioLab Bench为生命科学领域提供了统一的Agent性能评测标尺，覆盖了从实验方案生成、代码转换到设备执行精度的多维度评估指标。在AI for Bio领域，各家实验室和企业的Agent系统各有各的评估方法，缺乏横向可比性。BioLab Bench的出现类似于ML领域的Benchmark标准，让行业第一次有了统一的"打分规则"。
在标准化测试中占据先机的企业，将拥有定义行业标准的主动权。从这个角度看，BioLab Bench的战略价值不亚于ProtoPilot本身——它不仅是评测工具，更是生态构建的起点。
四、战略跃迁：从基因测序龙头到生命科学智能平台
对华大智造而言，此次发布有着深远的战略意义。作为在生命科学工具领域深耕十余年的行业龙头，华大智造的AI探索最早可以追溯到2019年。2025年，其研究团队曾在Nature Biomedical Engineering上发表"干湿协同"多智能体研究成果。2026年4月，公司专门成立子公司涌生智能，聚焦AI for Science领域的干湿闭环基础设施建设。
通过此次发布，华大智造向外界展示了一个清晰的战略跃迁路径：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"转型。公司的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——每一次真实实验和每一次失败样本，都在为系统进化积累"燃料"。华大智造正在构建"设备即入口、数据即燃料、Agent即操作系统"的闭环生态。
五、Physical AI 的护城河在模型够不到的地方
ProtoPilot的发布也揭示了一个更深层的行业规律。在全球AI for Bio竞赛中，基础大模型的能力正在被迅速"拉平"——OpenAI、Google、Anthropic与国内团队在模型层面的差距正在缩小。但Physical AI的护城河恰恰位于模型能力够不到的"物理那一半"：真实的设备控制、湿实验操作、失败案例的积累以及资深科学家的领域经验。这些资产无法从互联网上下载，无法通过蒸馏从其他模型中获取，只能在实验室里一次次的试错中慢慢积累。
据Grand View Research的数据，全球实验室自动化市场2024年规模为82.7亿美元，预计2033年将增长至183.9亿美元，年复合增长率为9.3%。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。
当然，从技术成果到商业收入之间仍然存在距离。ProtoPilot与头部药企及科研机构的合作深度、技术成果向商业产品的转化速度，仍是后续值得持续观察的关键指标。