花 78,000 美元错过答案：我们为什么构建自主实验室，而不是更大规模的筛选活动
我参与设计的第一个自主实验室之所以失败，并不是因为 AI，而是因为一台液体处理仪（liquid handler）。
我们花了数周时间，去构建人人都为之兴奋的那个部分——一个包裹着图神经网络（graph neural network）的贝叶斯优化（Bayesian optimization）循环，它能在毫秒之间预测卤化物钙钛矿的带隙，而不必等上数天去用炉子烧制。在仿真里，它无比优美。采集函数（acquisition function）挑选组分的方式，就像国际象棋引擎洞察棋步一样。可当我们走进真实的实验室、要把它连接到真实的仪器上时，整个系统却在一台已有十二年历史的 Hamilton 液体处理仪面前戛然而止——它的方法文件拒绝与任何非 Hamilton 自家软件的东西对话。
就在那一天，我才真正明白，一个自主实验室究竟意味着什么。它不是一个聪明的模型，而是一个闭环——设计一个实验、在真实硬件上运行、读取结果、决定下一个实验，如此循环往复——而这个闭环的强度，只取决于它最薄弱、最不起眼的那一环。通常，那一环就是一台 2014 年的设备，它从被造出来起就只打算由自家厂商来自动化，而不是任何其他人。
人人都想谈优化器。而真正决定你的实验室能否走向自主的，是你那台用了十五年的光谱仪，会不会在凌晨 3 点把一个数字返回给一个 Python 进程。
我想逐一讲清楚：为什么高通量筛选（high-throughput screening）——三十年来工业研发的主力——如今在数学上已然过时；AI 主导的实验室转而采用了什么做法；以及那些并不光鲜的工程工作——正是它们决定了这类系统究竟能否在你的大楼里真正跑起来。这正是我们如今围绕其构建自主实验室的那个问题，而其中大部分的困难，与那些会议演讲所暗示的完全不是一回事。
为什么高通量筛选会突然过时？
先从一个应该让任何研发主管不安的数字说起。符合 Lipinski 规则——也就是“这有可能做成一颗药丸”的基本化学条件——的类药小分子数量，估计有 10⁶⁰ 个。而一次大型高通量筛选活动，就是那种要在机器人和试剂上花费数百万美元的规模，大约只测试 10⁶ 个化合物。
做个除法。你采样的大约只是整个空间的 0.000000000000000000000000000000000000000000000000000001%。再推进到生物制剂和多元合金，这个空间会膨胀到 10¹⁰⁰ 量级——比可观测宇宙中的原子总数还要多。
更深层的问题甚至不在于覆盖率，而在于它背后的那个假设。筛选预设答案早已躺在货架上某个预先合成的化合物库里。可对于一种真正新颖的材料——无铅钙钛矿、固态电解质、一种新型 MOF——其最优组分几乎可以肯定从未有人制备过。你不是在草垛里找一根针，而是在一个太平洋那么大的草垛里，找一根你还必须自己亲手锻造出来的针。
这就是驱动Eroom 定律的引擎——即把摩尔定律（Moore's Law）倒过来拼写——一个有充分记录的事实：制药业的研发生产率一直在下降，且这一下降已持续数十年，即便支出不断攀升。如今，每个药物资产的开发成本超过 20 亿美元（德勤，2024 年），约 90% 的候选药物在临床试验中失败，制药业的内部收益率在 2022 年暴跌至 1.2% 的十二年低点，随后在 2024 年回升至 5.9%，这在很大程度上要归功于少数几个 GLP-1 的异军突起。暴力搜索，对上述每一个数字而言都是一种额外税负。
在真实预算里，暴力搜索究竟要花多少钱
下面就说说这种过时在真实预算里是怎么体现出来的——因为关于 10⁶⁰ 的抽象数字，谁听了都无动于衷。
设想一家中型材料实验室，正为下一代太阳能电池寻找一种具有特定带隙和稳定性特征的无铅卤化物钙钛矿。五种候选阳离子、八种阴离子组合、连续可调的化学计量比——姑且算它有 10⁸ 种可行组分。传统做法是让一名博士后每周合成三到五种组分，靠文献和导师的直觉来指引方向。把前驱体、基底制备和表征都算进去，每次合成约需 150 美元——这是我在不止一张采购订单上眼看着一点点累积起来的一笔开支——于是一年下来花费 78,000 美元，才测试了 520 种组分。
一亿里挑五百二十。那只是这个空间的 0.00052%，而它筛出的最佳候选，也许离真正的最优解还差得很远。
在制药这一侧，同样的算术不是跟实验台较劲，而是跟时钟赛跑。我见过完全相同的闭环逻辑——先预测，只合成那些值得合成的候选——把传统上要花四到五年的临床前工作，压缩到接近 Exscientia 所走过的那种周期：大约十二个月就把一个 AI 设计的分子推进到 I 期临床，临床前研发成本降低 25% 到 50%。原理一样，只是分母大得多。
现在，把同样的问题当作一个自主实验室来处理。你在来自 Materials Project——一个收录计算所得材料属性的公开数据库——的 50,000 个经 DFT 计算的钙钛矿结构上，预训练一个图神经网络代理模型，让它能在毫秒之间预测带隙和形成能。然后，一个采用期望改进（Expected Improvement）采集函数的贝叶斯优化器，会依据两条标准之一来挑选下一个实验：要么是预测性能很高，要么是模型在那里的不确定性大到值得去消除。它会刻意避开那几百次只会产生无关紧要或毫无用处数据的运行。
这样的系统，只需 80 到 120 次有针对性的实验，就能抵达组分空间中最优的前 0.1%，试剂成本仅为 12,000 到 18,000 美元。同一个实验室、同一批仪器、同一位博士后——实验次数少了一个数量级，成本也只是原来的一个零头。
真正的胜利，不在于把实验做得更快，而在于压根就不去做那四百次注定什么也告诉不了你的实验。
这种把“达到目标所需实验次数”减少 10 到 50 倍的数字，不是我编出来的营销说辞；它是整个材料学文献中，贝叶斯优化与随机筛选之间一贯存在的差距。而成本这一侧也有自己的数字——2024 年发表于 ChemRxiv 的成本感知贝叶斯优化（Cost-Informed Bayesian Optimization），通过把每次实验的价格纳入采集函数所要优化的目标之中、而非事后再考虑，把优化成本削减了最多 90%。
我为什么不再迷信模型，转而开始操心那些管路
回到那台 Hamilton 液体处理仪。
当我们那个在仿真中完美无缺的闭环一接触真实硬件就宕机时，我的第一反应是错的。我以为这只是偶发事件——不过是碰上一台老仪器的坏运气罢了。于是我们赶写了一个适配器，让它勉强能动，就继续往前走了。可接下来那家实验室有一台跑着 FluentControl 的 Tecan，再下一家有一批说着第三种“方言”的 Agilent 仪器，还有一套 LIMS 和一套 ELN，把同一个实验以两种互不兼容的格式存了下来。每一个现场，模型在第一天都好好的，而随后的数周全被集成工作吞掉了。
就在那一刻，我彻底想明白了：在一个自主实验室里，AI 大概只占 20% 的工作量。另外那 80%，是让一堆异构的、往往老旧不堪的仪器，表现得像一个统一的、可编程的系统。如今，实验室之所以还能勉强撑下去，靠的是把人变成人肉中间件——一位科学家把光谱仪上的数字重新敲进电子表格、再敲进 LIMS——而这恰恰正是自动化本应消除的那种手动、易错的步骤。
诚实的解决办法是 SiLA 2，这是一套旨在给各类仪器一门通用语言的实验室自动化标准。但“标准”二字言过其实。每一种仪器组合，本身都是一个独立的集成项目。于是我们开始手写 SiLA 2 驱动栈，去封装特定的老旧仪器——包括那台十二年历史的处理仪——并把这一驱动层当作头等的交付物来对待，而不是那种需要为之道歉的胶水代码。正是这一部分，决定了实验室究竟是真正自主，还是只是一个演示。
在模型这一侧，还有第二次技术上的当头一棒等着我们。当一次化学计量搜索头一回冲破几十个可调参数时，我们那个教科书式的高斯过程优化器慢得像蜗牛爬。标准的基于 GP 的贝叶斯优化的复杂度是 O(n³)；一旦维度超过 ~50，它就干脆不再可用，你不得不转向稀疏近似方法——SVGP、深度核学习——而这些大多数现成工具都并不提供。至于那个在钙钛矿例子里显得如此聪明的 GNN 代理模型呢？冷启动状态下，它一文不值。它需要 500 到 1,000 个经 DFT 计算的结构，其预测才能胜过抛硬币。冷启动问题不是靠挑一个更好的模型就能解决的；它是一个迁移学习问题，得靠领域专长来解决——即知道该从哪一种预训练好的化学模型去微调。
这些，宣传册上一样也不会写。可它们，才是这个项目真正的全部。
还有谁在建造自主实验室——以及它们暗地里让你付出了什么代价？
自主实验室这个领域整合得很快，入局的玩家个个来头不小、资金雄厚。在签下任何合同之前，值得先弄清楚它们各自到底能给你什么。
Radical AI 在一轮种子加轮中融资 5,500 万美元，又完成了 6,000 万美元的 A 轮，背后有 RTX Ventures 和英伟达的 NVentures 支持，并于 2026 年 1 月在布鲁克林海军码头开设了一处设施，霍楚州长（Governor Hochul）还亲临现场——他们能筛选数十亿种组分，每天运行上百次实验、处理 25 种以上的合金。令人印象深刻，而且是为冶金专门调优的。但陷阱是结构性的：你的数据存活在他们的技术栈上，优化逻辑是他们的黑箱，你无从修改。Emerald Cloud Lab 在卡内基梅隆大学运营着 200 多台自动化仪器——你把样品寄过去，再拿回结果——这确实很有用，但也意味着你专有的化学工艺离开了你的场地，而且你只能局限于他们的检测目录。Atinary、Kebotix，还有新近扩张的 Lila Sciences“AI 科学工厂”——都是同一种形状的取舍。是你去让自己的工作流迁就他们的平台。
这个领域里的每一家平台厂商，都在用不同的名字向你兜售同一样东西：他们的优化器、他们的仪器、他们的云——而你的知识产权，则是寄居其上的租客。
再往下，是那些四大咨询公司，它们会以 50 万到 500 万美元的价格卖给你一个实验室战略项目，然后在耗去大半年之后递给你一份供应商选型的幻灯片——它们只做平台落地，并不构建优化引擎。还有自建这条路，它给你完全的掌控权，代价是你得组建一支贝叶斯优化和 GNN 团队，而这支团队要花上一年才能形成战斗力。
几乎没有人提供的，是中间那条路：保留你现有的仪器和你的数据，再叠加一层属于你自己的 AI 优化层。正是这道缝隙——夹在自己动手与平台锁定之间——才是一份写着“你的化学数据将驻留在我方基础设施上”的供应商合同条款，会让一位审慎的研发主管停下来的全部原因。而这，也正是我们选择去构建的地方。
当你把失败忘掉时，会发生什么
有一个来自伯克利 A-Lab 的数字，我几乎在每一次推介中都会提起，因为它切中要害。A-Lab 在 17 天里合成了 41 种新材料——这是一个里程碑式的自主实验成果。而它的合成成功率是 71%。
但从企业的角度看，这 71% 读起来更像是它的另一面。有 29% 的尝试失败了——移液管堵塞、传感器漂移、试剂降解、炉子没能达到设定温度。对于一个学术上的概念验证，这很了不起。可对于一条受监管的制药生产线，那 29% 并不是可以藏起来的废料，而是你在法律上被要求必须保留的数据。
正是在这里，我目睹过代价最高昂的错误，而它们与化学毫无关系。FDA 的数据完整性标准 ALCOA+ 要求记录必须可归属（Attributable）、清晰（Legible）、同步（Contemporaneous）、原始（Original）、准确（Accurate）——以及完整（Complete）。完整意味着失败的实验也要被记录下来，而不只是那些成功的运行。大多数自主实验室软件会悄无声息地把失败的运行丢弃掉。在研究型实验室里，没人会注意到。可在 GxP 环境下，这样的遗漏恰恰就是那种会招致 CDER 因记录缺失而发出数据完整性警告信的稽查发现。
这并不是假想出来的压力。CDER 的警告信在 2025 财年激增了 50%，数据完整性问题位列最主要的引用事由之中；FDA 在 2025 年初向 Tyche Industries 和 Jagsonpal Pharmaceuticals 等公司发出了完整性警告信。而在 2026 年 1 月，FDA 与 EMA 联合发布了药物研发中良好 AI 实践的十项指导原则，核心围绕数据治理、生命周期管理和人为监督。所以，当我们为一个受监管的实验室构建闭环时，那条为每一次移液管堵塞失败都记录时间戳和来源出处的审计轨迹，绝不是我们最后才加上的功能，而是我们从第一行代码起就围绕它来设计整个闭环的约束条件。
“这些平台难道不会直接把这事做了吗？”——以及人们常问我的其他问题
我听到最多的问题，是那些资金雄厚的平台会不会干脆把这块需求给吞并掉。它们会吞并那些乐于当租客的实验室，却不会去服务这样一家中型实验室：它拥有二十年积累的专有数据、一整栋楼里都是自己早已付过钱的仪器，还有一个绝不会接受把自家知识产权放到别人云上的董事会。这两种需求在结构上是对立的，而资金并不能把它们调和到一起。
第二个问题，是这些 AI 是否成熟到值得信赖。这个领域自己的基准测试说，建模已经到位：在 2026 年 Matbench Discovery 的结果中，共有 45 个模型参与排名，最好的 PET-OAM-XL 拿到了 0.924 的 F1 分数，发现加速因子超过 6 倍。北卡罗来纳州立大学（NC State）那项发表于 2025 年年中《自然·化学工程》（Nature Chemical Engineering）的流驱动自主实验室技术，采集到的数据比以往方法多出 10 倍。科学本身已经就绪。尚未被商品化的，是把它接入你自己的仪器、并让它在你自己的合规体系下运行。
第三个问题，是那个不常被说出口的：这难道只是大型药企的事吗？不是。经济账咬得最狠的，恰恰是那些中型的材料与生命科学实验室——它们的研发预算，既承受不起用 78,000 美元的一年去搜索一个空间的 0.0005%，也开不出 500 万美元的咨询支票，只为被告知该买哪个平台。
没有人会放进幻灯片里的那一部分
我渐渐觉得，自主实验室的那种浪漫想象——机器人彻夜移液、AI 凭空构想分子——其实是在坑这个领域。它兜售浪漫，却把真正的工作藏了起来。这些项目大多陷入停滞，原因并不是优化器不够聪明，而是没有人愿意花上数周时间去为一台液体处理仪写一个 SiLA 2 驱动，去搭建一条记录失败实验的审计轨迹，或是用恰当的领域化学知识把一个代理模型微调到越过它的冷启动。
那些不光鲜的工作，才是真正的工作。正因如此，我们把优化引擎、仪器集成和闭环架构当作一个整体系统来构建，专为我们眼前这一家具体的实验室而做——你的仪器、你的材料、你的数据，始终归你所有。
爱迪生曾用手工测试了成千上万根灯丝，因为在他那个年代，理论落后于实验。到了 2026 年，这个借口已经不复存在。我们可以在合成之前就做出预测，从四百个实验中挑出唯一值得一做的那个，让实验室自己朝着答案运转起来。那些仍在对搜索进行暴力穷举的实验室，并不是在做到周全。他们是在花掉一位博士后整整一年的时间，去看这幅图景的 0.0005%，还把这称作尽职尽责。
