AI生物设计：自驱动实验室如何以闭环驱动新一轮科学发现

「自动驾驶实验室」听起来像科幻，但这套机器已经在运转。在药物发现、合成生物学与材料科学领域，一类新系统正在复制软件对信息的改造：设计实验、用机器人执行、读取结果、再改写自己的下一步。闭环本身才是关键。

从流水线到闭环

传统研发是线性的：科学家提出假设、手动设计实验、等待、解读。AI生物设计（AI BioDesign）则将其反转。机器学习模型提出候选——一个突变的酶、一条合成路线、一个类药分子——自动化层用液体处理工作站、读板仪、培养箱与机械臂执行；测量数据回流模型，模型再提出下一批。每一次循环都让预测更准。

文献中这一概念被称为"自驱动实验室"（self-driving laboratories, SDLs），《自然》已将其列为2025年值得关注的技术之一。2025年《自然·通讯》的一篇纲领性论文将其定义为自动化实验、人工智能与实时分析三者的融合。

真实系统，真实产出

材料领域最常被引用的范例是劳伦斯伯克利国家实验室的A-Lab。2023年发表于《自然》的论文显示，A-Lab结合Materials Project与谷歌DeepMind的相稳定性数据、从约3万篇文献合成流程训练出的机器学习模型，以及一条自动称量、加热、用X射线衍射表征粉末的机器人产线。连续运行17天，它合成了58个目标无机化合物中的41个——人类化学家耗时数月才能完成。DeepMind的同伴随模型GNoME则独立提出了逾220万个稳定晶体结构。

生物学方面，伊利诺伊大学iBioFoundry给出了更清晰的闭环示范。由赵惠民（Huimin Zhao）领衔、2025年发表于《自然·通讯》（DOI: 10.1038/s41467-025-61209-y）的团队，将预测有益酶突变的AI模型与铸造厂的自动化构建、测试设备耦合。系统把一种饲料添加剂酶的活性提升了26倍，将一种合成催化剂的活性提升16倍、底物选择性提升90倍。"这是迈向自驱动实验室的一步，"iBioFoundry经理Stephan Lane说。

日本"自主实验室"（ANL）在2025年《科学报告》中采用模块化、贝叶斯优化的思路优化工程大肠杆菌的培养基，说明该模式正走出顶尖机构。

商业栈

两种商业模式已经成形。云实验室——Emerald Cloud Lab（2012年创立）与Strateos（前身为Transcriptic，2014年创立）——让任何科学家通过API在共享机器人设施上编写并运行实验。Emerald用源自Wolfram的符号语言把仪器当作可编程函数，其与卡内基梅隆大学的合作在2024年建成了首个大学级自主云实验室，可同时运行逾100个实验。Strateos已与礼来、拜耳等合作远程闭环生物学流程。

铸造厂模式则不同：2008年自MIT创立的Ginkgo Bioworks建有物理"铸造厂"，机器人批量构建数千种微生物变体，把"设计—构建—测试—学习"作为服务提供给香精、农业与制药客户。

最深入的一端是Recursion：这家"TechBio"公司在盐湖城与牛津的自动化实验室每周运行逾200万次实验。其表型组学平台以海量高内涵显微成像（数百万张图像）训练Phenom-2（19亿参数）、MolGPS（30亿参数）等基础模型，并用基于NVIDIA H100的BioHive-2超算训练；与罗氏/基因泰克、赛诺菲、拜耳、默克等的合作把数据转化为药物项目。2024年末它收购Exscientia，把精准化学设计纳入同一闭环。

DeepMind分拆出的Isomorphic Labs代表"计算机内"一极：AlphaFold及其2024年继任者AlphaFold 3建模分子互作；2024年它与诺华、礼来签下合计约30亿美元的合作，2025年融资6亿美元，正将其首批AI设计分子推进肿瘤与免疫学的首次人体试验。

为何是战略前沿

原创洞察：AI过去十年的经济价值主要在软件——文本、图像、代码——答错了无非是一句坏话。生物学正相反：设计空间近乎无限（伊利诺伊团队指出，一个典型酶的变异可能比宇宙原子还多），实验缓慢且昂贵，而回报——新药物、新材料、可持续化学——极其巨大。自驱动实验室是AI不再只是文档副驾、而成为物理发现本身控制系统的地方。战略锦标不在于某个产品，而在于对闭环的掌控：谁拥有最紧密的"设计—构建—测试—学习"循环，谁就能最快积累专有数据，而数据才是护城河。这正是云实验室、铸造厂与药企在领域尚早时便争相闭环的原因。

诚实的局限

热潮需要锚点。多数SDL仍依赖人类定义实验与目标；"湿实验"——培养、防污染、样本交接——难以完全自动化，A-Lab的失败常是真人几分钟能解决的操作难题。集成是瓶颈：把异构仪器编排进同一闭环，比训练模型更难。麦肯锡估计实验室自动化可让药物提前约500天上市、降低约25%研发成本，但这些收益只有在闭环端到端跑通时才兑现。眼下，自驱动实验室是强大的加速器，而非自主科学家——人类监督既是伦理要求，也是现实必需。