花 78,000 美元也找不到答案：為什麼我們打造自駕實驗室，而不是更大規模的篩選活動
我協助設計的第一座自駕實驗室，之所以失敗，並不是因為 AI，而是因為一台液體處理器。
我們花了好幾週，打造大家最感興奮的那部分——一個包覆著圖神經網路的貝氏最佳化迴圈，它能在幾毫秒內預測鹵化物鈣鈦礦的能隙，而不必等上好幾天讓爐子燒完。在模擬裡，它美極了。採集函數挑選成分的樣子，就像西洋棋引擎看穿棋步一般。然後我們走進真正的實驗室，要把它接上真正的儀器，整套系統卻在一台十二年前的 Hamilton 液體處理器面前戛然而止——那台機器的方法檔案，拒絕跟任何非 Hamilton 自家軟體的東西溝通。
那天，我才真正明白，所謂的自駕實驗室究竟是什麼。它不是一個精巧的模型。它是一個閉環——設計一個實驗、在真實硬體上執行、讀取結果、決定下一個、如此反覆——而這個閉環的強度，只取決於它最薄弱、最無趣的那一環。通常那一環，就是某件 2014 年的設備，當初根本沒打算讓供應商以外的任何人來自動化它。
每個人都想談最佳化器。但真正決定你的實驗室能否變得自主的，是你那台十五年的光譜儀，會不會在凌晨三點把一個數字回傳給一個 Python 程序。
我想帶大家走一遍：為什麼高通量篩選——這個三十年來工業研發的主力——如今在數學上已經過時；AI 導向的實驗室改用什麼方法取而代之；以及那些不起眼、卻決定這類系統能否真正在你的大樓裡運作的工程。這正是我們如今打造自駕實驗室所圍繞的那個問題——而讓它們變得如此困難的大部分因素，跟研討會演講所暗示的完全不是一回事。
為什麼高通量篩選突然就過時了？
先從一個應該讓任何研發主管坐立難安的數字說起。符合利平斯基規則——也就是「這東西能不能做成藥丸」的基礎化學——的類藥小分子，數量估計約為 10⁶⁰。而一場大型高通量篩選活動，就是那種在機器人與試劑上耗資數百萬的規模，大約測試 10⁶ 種化合物。
做個除法。你採樣的，大約只有這整個空間的 0.000000000000000000000000000000000000000000000000000001%。再往生物製劑與多元素合金推進，這個空間會朝著 10¹⁰⁰ 延伸，比可觀測宇宙中的原子總數還要多。
更深層的問題，甚至不在於覆蓋率，而在於它底下的那個假設。篩選預設了答案早已躺在架上某個預先合成好的化合物庫裡。但對於一種真正新穎的材料——一種無鉛鈣鈦礦、一種固態電解質、一種全新的 MOF——最佳成分幾乎肯定從來沒有任何人做出來過。你不是在乾草堆裡找一根針，你是在一座太平洋那麼大的乾草堆裡，找一根你還得自己親手鍛造出來的針。
這正是Eroom 定律背後的引擎——把摩爾定律反過來拼寫——這個有充分記載的事實是：製藥研發的生產力一直在下降，而且已持續了數十年，即使支出不斷攀升。如今每款藥物的開發成本超過 20 億美元（德勤，2024），約 90% 的候選藥物在臨床試驗中失敗，而製藥業的內部報酬率在 2022 年跌至 1.2% 的十二年低點，之後才回升到 2024 年的 5.9%，這在很大程度上要歸功於少數幾款 GLP-1 的異軍突起。暴力搜尋，是對上面每一個數字課徵的稅。
暴力搜尋在真實預算裡到底要花多少錢
以下就是這種過時如何在真實預算中顯現出來的樣子，因為關於 10⁶⁰ 的抽象說法，打動不了任何人。
想像一座中型材料實驗室，正在為次世代太陽能電池，追尋一種具有特定能隙與穩定性特徵的無鉛鹵化物鈣鈦礦。五種候選陽離子、八種陰離子組合、連續的化學計量比——姑且算作 10⁸ 種可行的成分。傳統做法，是一位博士後每週合成三到五種成分，靠的是文獻與指導教授的直覺。一旦把前驅物、基板製備與表徵都算進去，每次合成約 150 美元——這是我在不止一張採購單上，看著它一路累積起來的項目——那就是一整年花掉 78,000 美元，去測試 520 種成分。
一億種當中的五百二十種。那是這個空間的 0.00052%，而它所篩出的最佳候選，可能離真正的最佳解還差得很遠。
在製藥這一邊，同樣的算術對抗的是時鐘，而不是實驗台。我親眼見過完全相同的迴圈邏輯——先預測，只合成值得合成的候選——把傳統上要跑四到五年的臨床前工作，壓縮到接近 Exscientia 所跑出的那個週期：大約十二個月，就把一款 AI 設計的分子推進到第一期臨床，臨床前研發成本下降 25% 到 50%。同樣的原理，分母卻大得多。
現在，把同一個問題當作一座自駕實驗室來跑。你先用來自材料計畫（Materials Project）——一個收錄計算所得材料性質的公開資料庫——的 50,000 個 DFT 計算鈣鈦礦結構，預訓練一個圖神經網路代理模型，好讓模型能在幾毫秒內預測能隙與生成能。接著，一個使用「預期改善」（Expected Improvement）採集函數的貝氏最佳化器，會依兩項準則之一，挑選接下來的每一個實驗：要嘛是預測性能很高，要嘛是模型在那裡的不確定性大到值得去釐清。它會刻意避開那數百次只會產出增量式或無用資料的實驗。
那套系統，只需 80 到 120 次有針對性的實驗，就能觸及成分空間的前 0.1%，試劑花費落在 12,000 到 18,000 美元之間。同一座實驗室、同樣的儀器、同一位博士後——實驗次數少了一個數量級，成本也只是零頭。
致勝之處，不在於把實驗跑得更快，而在於根本不去跑那四百次注定什麼都告訴不了你的實驗。
那種把「達標所需實驗次數」降低 10 到 50 倍的成效，不是我編造出來的行銷數字；它是整個材料文獻中，貝氏最佳化與隨機篩選之間一貫存在的差距。而成本這一面，也有它自己的數字——2024 年發表於 ChemRxiv 的「成本知情貝氏最佳化」（Cost-Informed Bayesian Optimization），把每一次實驗的價格，當作採集函數要去最佳化的一部分，而不是事後才想到的東西，從而把最佳化成本削減多達 90%。
我為什麼不再信任模型，反而開始擔心那些管線
回到那台 Hamilton 處理器。
當我們那個在模擬中完美無瑕的迴圈，一接觸真實硬體就死掉時，我的第一直覺是錯的。我以為那只是個一次性的意外——不過是運氣不好，碰上一台老儀器。於是我們趕寫了一個轉接器，讓它勉強能動，然後就繼續往前。結果下一座實驗室有一台跑著 FluentControl 的 Tecan，再下一座有一批講著第三種方言的 Agilent 儀器，還有一套 LIMS 和一套 ELN，把同一個實驗用兩種互不相容的格式存了下來。每一個場地，模型在第一天都好端端的，而整合工作卻吃掉了接下來的好幾週。
就在那時我終於明白：在一座自駕實驗室裡，AI 大概只佔了 20% 的工作。剩下的 80%，是讓那些異質、往往還很古老的儀器，表現得像一套單一、可程式化的系統。如今，實驗室悄悄地靠著把人變成人肉中介軟體來撐過這一關——一位科學家把光譜儀上的數字重新鍵入試算表、再鍵入 LIMS——而這恰恰就是自動化本應消除的那個手動、易出錯的步驟。
誠實的解法是 SiLA 2，一套旨在給儀器一種共通語言的實驗室自動化標準。但「標準」這個詞說得太滿了。每一種儀器組合，都是它自己獨立的一個整合專案。所以我們開始親手撰寫 SiLA 2 驅動程式堆疊，去包覆特定的老舊儀器——包括那台十二年的處理器在內——並把那個驅動層，當作一項一流的交付成果，而不是一段需要為之道歉的膠水程式碼。它正是決定這座實驗室究竟是自主運作、還是只是個展示樣品的那一部分。
在模型這一邊，也還有第二記技術上的當頭棒喝在等著。第一次，當一個化學計量搜尋衝破幾十個可調參數時，我們那套教科書式的高斯過程最佳化器，慢到幾乎爬不動。標準的、以 GP 為基礎的貝氏最佳化，其複雜度隨 O(n³) 增長；一旦超過大約 50 個維度，它就乾脆不再堪用，你只能轉向稀疏近似——SVGP、深度核學習——而這些是大多數現成工具並不提供的。至於那個在鈣鈦礦範例裡看起來那麼聰明的 GNN 代理模型呢？冷啟動時，它一文不值。它需要 500 到 1,000 個 DFT 計算結構，預測才能勝過擲硬幣。冷啟動問題，不是靠挑一個更好的模型就能解決的；它是一個遷移學習問題，你得靠領域專業知識——知道該從哪一套預訓練過的化學去微調——才能解決。
這些，沒有一項寫在宣傳手冊上。而它們全部，才是這個專案真正的內容。
還有誰在打造自駕實驗室——他們又悄悄地讓你付出什麼代價？
自駕實驗室這個領域整併得很快，而這些玩家都是真材實料、資金充足的。在你簽下任何合約之前，值得先弄清楚每一家實際上能給你什麼。
Radical AI 在一輪種子加碼（seed-plus）融資中募得 5,500 萬美元，並拿下 6,000 萬美元的 A 輪，背後有 RTX Ventures 與輝達（NVIDIA）的 NVentures 撐腰，並於 2026 年 1 月在布魯克林海軍造船廠開設了一座設施，霍楚州長還親自到場——他們篩選數十億種成分，一天跑上超過 100 次實驗，每天處理超過 25 種合金。令人印象深刻，而且是為冶金量身調校的。問題出在結構層面：你的資料活在他們的技術堆疊上，而最佳化邏輯是他們的黑盒子，不是由你來修改的。Emerald Cloud Lab 在卡內基美隆大學運行著 200 多台自動化儀器——你把樣品寄過去，再拿回結果——這確實很實用，但同時也意味著，你的專有化學離開了你的場地，而且你只能受限於他們的檢定目錄。Atinary、Kebotix、以及新近擴張的 Lila Sciences「AI 科學工廠」——都是同一種形狀的取捨。你得讓自己的工作流程，去遷就他們的平台。
這個領域裡的每一家平台供應商，都在用不同的名字，賣給你同一樣東西：他們的最佳化器、他們的儀器、他們的雲——而你的智慧財產，只是寄居其上的一個租客。
接著是那些四大顧問公司，他們會賣給你一份 50 萬到 500 萬美元的實驗室策略顧問案，然後在大半年之後，遞給你一份供應商選型簡報——他們導入平台，並不打造最佳化引擎。還有自建這條路，它給你完全的掌控權，卻要求你組建一支貝氏最佳化與 GNN 團隊，而這支團隊得花上一年，才能真正開始有產出。
幾乎沒有人提供的，是中間那條路：保留你既有的儀器與你的資料，再加上一個屬於你自己的 AI 最佳化層。那道鴻溝——介於自己動手做與平台鎖定之間——正是為什麼一份供應商合約裡，寫著「您的化學資料存放於我方基礎設施之上」的那種條款，會讓一位謹慎的研發主管停下腳步。那也正是我們選擇切入去打造的地方。
當你忘掉那些失敗時，會發生什麼事
有一個來自柏克萊 A-Lab 的數字，我幾乎在每一次提案中都會提到它，因為它切中要害。A-Lab 在 17 天內合成了 41 種新材料——一項里程碑式的自主成果。它的合成成功率是 71%。
從一個企業的角度來看，那 71% 要讀的，是它的補數。有百分之二十九的嘗試失敗了——堵塞的移液管、感測器漂移、劣化的試劑、一台沒能達到溫度的爐子。對一個學術概念驗證來說，這很出色。但對一條受監管的製藥產線而言，那 29% 並不是該被藏起來的浪費。它是你依法必須保留的資料。
這正是我親眼見過最昂貴的錯誤發生的地方，而它跟化學一點關係也沒有。FDA 的資料完整性標準 ALCOA+ 要求記錄必須是可歸屬的（Attributable）、清晰可辨的（Legible）、即時的（Contemporaneous）、原始的（Original）、準確的（Accurate）——以及完整的（Complete）。完整，意味著失敗的實驗也要被記錄下來，而不只是那些成功的執行。大多數自駕實驗室軟體，都會悄悄地把失敗的執行丟在地上不管。在一座研究實驗室裡，沒人會注意到。但在一個 GxP 環境中，那個遺漏，恰恰就是那種會引來一封 CDER 資料完整性警告信、指控記錄缺失的稽查發現。
那不是假設性的壓力。CDER 的警告信在 2025 財年暴增了 50%，其中資料完整性問題名列最主要的引述事由之一；FDA 在 2025 年初，向 Tyche Industries 與 Jagsonpal Pharmaceuticals 等公司發出了完整性警告信。而在 2026 年 1 月，FDA 與 EMA 聯合發布了藥物開發中「良好 AI 實務」的十項指導原則，核心圍繞著資料治理、生命週期管理與人為監督。所以，當我們為一座受監管的實驗室打造一個迴圈時，那條把每一次堵塞移液管的失敗，都連同時間戳與來源出處一併記錄下來的稽核軌跡，並不是我們最後才加上去的功能。它是一項約束條件，從第一行程式碼起，我們就圍繞著它來設計整個迴圈。
「難道那些平台不會直接把這件事給做掉嗎？」——以及人們問我的其他問題
我最常聽到的問題，是那些資金充足的平台，會不會乾脆把這個需求給吸收掉。他們會吸收那些樂於當租客的實驗室。但他們不會服務那種擁有二十年專有資料、一整棟樓都是自己早已付過錢的儀器、以及一個絕不接受自家智慧財產活在別人雲端上的董事會的中型實驗室。這兩種需求在結構上是對立的，而資金並無法調和它們。
第二個問題，是這個 AI 是否已經成熟到值得信任。這個領域自己的基準測試說，建模這一塊已經到位了：在 2026 年的 Matbench Discovery 結果中，45 個模型受到排名，其中表現最好的 PET-OAM-XL，達到了 0.924 的 F1 分數，以及超過 6 倍的發現加速因子。北卡羅來納州立大學那項發表於 2025 年年中《自然化學工程》（Nature Chemical Engineering）的流動驅動自駕實驗室技術，收集到的資料比先前的做法多了 10 倍。科學已經就緒。尚未被商品化的，是把它接進你的儀器、納入你的合規制度之下。
第三個問題，是那個安靜的問題：這是不是只給大藥廠用的？不是。這套經濟學，咬得最狠的，是那些中型材料與生命科學實驗室——它們的研發預算，撐不起花一整年 78,000 美元去搜索一個空間的 0.0005%，也開不出一張 500 萬美元的顧問支票，只為了被告知該買哪個平台。
沒有人會放上簡報的那一部分
我漸漸覺得，自主實驗室的那份浪漫想像——機器人徹夜移液、AI 憑空構想出分子——其實幫了這個領域倒忙。它兜售浪漫，卻藏起了苦工。大多數這類專案之所以停滯，並不是因為最佳化器不夠聰明，而是因為沒有人願意花上好幾週，去為一台液體處理器寫一支 SiLA 2 驅動程式，或是去建一條會把失敗的實驗也記錄下來的稽核軌跡，又或是用對的領域化學，把一個代理模型從冷啟動一路微調到位。
那些不起眼的工作，才是真正的工作。這正是為什麼我們把最佳化引擎、儀器整合，以及閉環架構，當作一套完整的系統來打造，為的是眼前這座特定的實驗室——你的儀器、你的材料、你的資料，都仍然屬於你。
愛迪生曾親手測試了數千種燈絲，因為在他那個年代，理論落後於實驗。但到了 2026 年，那個藉口已經不在了。我們可以在合成之前就先預測，從四百次實驗中挑出那唯一值得跑的一次，然後讓實驗室自己朝著答案運轉下去。那些仍在暴力搜尋的實驗室，並不是在做得徹底。他們是在花掉一位博士後一整年的時間，去看那 0.0005% 的畫面，還把它稱作盡職。
