黄仁勋说的Physical AI，被这家中国跨界选手带进了生命科学实验室 没错又一热门AI赛道被国产玩家率先跑通了——AI for Bio生命科学领域。时至今日这个赛道几乎挤满了最不缺算力的一批硅谷玩家OpenAI发GPT-Rosalind专攻药物发现和基因组学谷歌推Co-Scientist和ERA把多Agent系统塞进科学推理流程Anthropic上线面向科研流程的Claude Science工作台。虽然大家想的都是让大模型读完论文后写个「完美」的实验方案再真正走进实验室但奈何现实很骨感真正让AI接管实验室并跑通实验的约等于无。就拿最接近终点的OpenAI和Ginkgo Bioworks的合作来说GPT-5在那个项目里负责的是实验设计和参数探索真正在实验台上执行的Catalyst protocols全部由Ginkgo的人类工程师编写。换句话说强如OpenAI模型也没有真正接触到「做实验」这一层。图源OpenAI官网不过现在全球第一个补上这关键一步的来了。华大智造子公司涌生智能×上海人工智能实验室联合发布两项新成果ProtoPilot一款由真实实验室场景驱动的自进化多智能体系统BioLab Bench生命科学领域首个从用户需求到设备可执行的全流程Agent评测体系。从自然语言实验意图到湿实验物理执行完整闭环真实验证。这一次让AI「真正走进实验室」的不是哪家AI巨头是一家跨界做AI的中国Bio公司。这事估计连老黄都没想到年初他在CES上说「Physical AI的ChatGPT时刻」到了说的是机器人和自动驾驶。但是现在第一个在生命科学实验室交出Physical AI答卷的来自深圳。AI for Bio到底卡在哪了为什么硅谷这帮最不缺算力的玩家集体卡在了实验室门口要回答这个问题其实只需要弄清楚一件事从模型到实验室这中间到底缺了什么顶尖模型在手怎么就跨不过这道坎呢让我们从AI for Bio这个赛道的真实进展说起。过去几年AI在生命科学领域的应用多聚焦于「理解」和「分析」。文献阅读、知识问答、序列比对、蛋白质结构预测模型确实博学但它本质上是个坐在屏幕后面的助理。它能帮你理解世界但还没真正进入世界。Agent时代来了之后事情开始变了。AI不再只满足于回答问题它开始「设计和行动」。应此潮流以OpenAI、Anthropic为代表的前沿AI玩家开始把目光投向更下游、更主动的方向假设生成、实验设计、参数空间探索、药物发现、蛋白工程、自动化实验。听起来是不是已经很接近「让AI进实验室干活」了但现实情况是——还差得很远。当下AI for Bio最真实的现状就一句话能出方案出不了结果。能力达到博士级水平的顶尖AI确实能写出一段看起来专业的实验方案但写得好≠跑得通。图片由AI生成这中间几乎隔着一整条转换链。ProtoPilot的论文拆得很清楚一个实验意图要变成湿实验台上的真实操作需要穿过五层——科学意图、Protocol方案设计、SOP标准操作流程、设备代码再到物理执行和反馈修正。而每一层都要解决不同的模糊性比如Protocol要表达生物逻辑、样本谱系和质控结构SOP要把逻辑落到可操作的体积、浓度、耗材和温控条件上设备代码要绑定deck布局、孔位映射、液体处理动作和厂商SDK指令……就这一套下来只要有任一环节出错实验就可能失败。所以当AI for Bio的竞争从「模型能不能回答生命科学问题」转向「模型能不能走完从屏幕到实验台的全链路」时行业真正缺的也就浮出水面了。一块是「铲子」能接住模型输出、连接专家、设备和湿实验反馈的Bio Agent Harness。没有这个方案再漂亮也只能停在屏幕上。一块是「尺子」能评价Bio Agent真实实验链路能力的benchmark。不是考它做选择题是看它生成的流程能不能在真实设备上跑得通。现在公开的benchmark比如ProtocolQA考的还是阅读理解。需要提醒这两件事都不是坐在屏幕前就能凭空设计出来的它们必须来自真实实验室真实任务、真实设备、真实约束、真实失败和真实专家判断。所以现在你明白为啥两家国产团队选择联手了吧doge坐拥全栈生命科学设备、自动化实验平台、AI4Science经验和丰富真实实验场景的涌生智能把最难被复制的「物理底座」和「场景底座」带了进来。它不仅提供湿实验验证能力更从真实用户需求、实验室约束和自动化执行逻辑出发参与定义什么样的Protocol才算可用、可评、可执行。上海人工智能实验室则基于其在大模型训练、评测标准和Agent框架上的积累提供生成实验Protocol的模型基础并与涌生智能共同构建Design2Protocol和Protocol2Code的benchmark、评分标准与评测工具。两边一合沉淀出了ProtoPilot和BioLab Bench。Bio Agent第一次真正走向了可评测、可执行、可迭代的真实实验闭环。ProtoPilot和BioLab Bench如何填补行业空白ProtoPilot和BioLab Bench具体如何填补行业空白我也去仔细扒了扒论文。ProtoPilot第三方测评超越OpenAI最强旗舰GPT-5.6 Sol先说多智能体系统ProtoPilot。目前AI for Bio赛道上能打通Design2Protocol、Protocol2Code、设备执行与湿实验反馈验证的系统仍然极少大多还停留在分段优化阶段而ProtoPilot是少数已经实现全链路贯通的代表之一。怎么个「全链路贯通」举个例子当你用自然语言对ProtoPilot说「构建8个GLuc突变体」它就能把这句话拆解成科学合理的Protocol识别可用设备转化为可执行的工作流代码下发到物理设备执行并根据湿实验反馈持续修正和进化。注意这不是聊天机器人也不是单一设备的脚本生成器。ProtoPilot背后是多个Agent在协同发力Orchestrator Agent统筹全局工作流状态Protocol Expert Agent生成实验方案和SOPCoding Agent将方案转化为设备可执行代码。三个Agent各司其职逐层推进。通过这种行业主流的「多Agent协同工作」方案它成功解决了三个过去卡死行业的「老大难」。第一个需求模糊。做过实验的都知道很多时候你脑子里的实验意图往往只有个大概方向。怎么将这种模糊意图转化为下一步具体行动这便是Orchestrator Agent首先登场的原因。Orchestrator本质上干的是实验室主管的活先把你的大目标拆成几个模块每个模块单独细化成可操作的SOP做完一个确认没问题再做下一个最后拼成完整流程。这样做的好处是不会一上来就从头写到尾写到后面发现前面的参数跟后面打架。第二个写得好≠跑得通。Protocol写得再漂亮真实执行还涉及孔位、体积、slot、耗材、温控、设备SDK、安全边界一堆硬约束。ProtoPilot的Protocol2Code环节就是专门来啃这块硬骨头的。怎么啃Coding Agent拿到SOP之后会根据你实验室里实际用的设备把每一步操作翻译成那台机器听得懂的SDK指令。同一个「移液100μL」的动作在MGI Prepall/AlphaTool上怎么写、在OpenTrons上怎么写、deck怎么排、孔位怎么映射它都替你对齐。翻译完还不算完内置的验证器会逐条检查代码的安全性和可执行性过不了gate的直接打回重写。第三个没有反馈闭环。模型生成完方案就撒手不管了错了也不知道错在哪下次还犯。ProtoPilot不一样失败原因、专家判断、实验结果统统回流到系统形成运行时技能学习。换句话说它越用越强。就这几招下去ProtoPilot能交出下面这份硬核成绩单我是真不意外了。做实验第一步你得真懂实验。别的不说行业公认「试金石」ProtocolQA总得挑战一下吧。ProtocolQA由AI4S领域的顶级机构FutureHouse推出是专门考察AI对实验流程理解与故障排查能力的第三方独立benchmark。OpenAI家目前最顶的GPT-5.6 Sol的系统卡中也收录了该benchmark结果。结果呢在开放式问答上GPT-5.6 Sol得分43.5%距离人类专家54%还有明显差距而ProtoPilot拿到了52.38%已经逼近专家水平。在非开放式问答上 ProtoPilot更是取得了85.18%的成绩已经超越专家水平。在行业公认的第三方考卷上跑赢OpenAI目前最强的旗舰模型ProtoPilot的实力不言自明。P.S. 归根到底这背后其实是两条完全不同的技术路线在较量先埋个钩子后面详细揭晓。有了这个大脑方案生成自然能打。在Protocol任务上ProtoPilot综合评分94.7满分100在所有8个评估维度上几乎全线领跑。参数合理性98.9、方法学一致性97.7、内容完整性98.4全部碾压通用大模型和专用Bio Agent。盲评中三位独立湿实验科学家在不知道系统身份的情况下70.6%的情况将ProtoPilot排在第一90.2%的情况将ProtoPilot排在前三。从下图也能一眼看出ProtoPilot生成的方案普遍更受科学家喜爱。更关键的是这个大脑能搞定最难的事。到了L3最高复杂度 任务这一档差距变得极其夸张ProtoPilot的通过率依然有60%而作为行业标杆的OpenTrons-AI直接归零。如下图右侧的紫色柱子OpenTrons-AI只能在自家设备使用且完成不了复杂任务。但光有脑子还不够还得手脚利索。考查代码转化和设备执行图b。Protocol2Code代码质量中位数95.5Gate Pass Rate达到96.6%。什么概念第二LabScript-AI的通过率是64.6%Grok-4.3只有35%GPT-5.5只有17.7%再往下基本是个位数。跨设备迁移更猛图c。在MGI AlphaTool、Hamilton STAR、OpenTrons OT-2、Tecan EVO四个主流平台上Gate Pass Rate波动仅5.9个百分点pp。作为对比LabScript-AI的波动则高达47.1个百分点。这里有个特别有意思的细节在OpenTrons OT-2上ProtoPilot通过率88.24%而OpenTrons官方自己的AI只有32.35%。也就是说ProtoPilot不仅在技术上实现了通用而且赢了别人接近三倍。BioLab Bench首个从实验意图到设备执行的全链路评测体系说完了选手再说考场。现有的第三方benchmark比如刚才提到的ProtocolQA考的还是实验理解和知识问答。但AI for Bio真正要回答的问题从来不是「你懂不懂实验」而是「你能不能把实验跑出来」。这就是BioLab Bench要填的坑它衡量的核心只有一件事系统能不能在真实自动化设备上跑得通。具体而言BioLab Bench作为该领域首个覆盖从用户需求到设备可执行的全流程Agent评测体系覆盖理解用户实验意图→Design2Protocol→Protocol2SOP→SOP2Code→设备code→真实实验执行链路。任务范围从基础操作到复杂多步骤流程按L1到L3难度分层。和传统的生物benchmark的区别在哪以前的考试是做阅读理解看你懂不懂实验原理而BioLab Bench考的是真上手——从实验意图到方案、SOP、设备代码一路到真实执行全链路打通。而且它还能跨平台检验。同一个任务换到不同自动化设备上看Agent能不能适配。说到底ProtocolQA这类测评考的是「知不知」BioLab Bench考的是「做不做得到」。不是纸面分数是实验台上跑出来的闭环系统有了考场也有了剩下的问题只有一个在真实实验台上能不能跑出结果来忙着「搭桥修路」这么久总得让人看到实际成果。ProtoPilot用四组递进难度的湿实验给出了回答。P.S. 湿实验指真实实验台操作和纯计算模拟相对应第一组是最基础的活儿在96孔板里接菌培养。没什么花哨的就是看机器能不能按照指令把菌液加到每个孔里、能不能养出东西来。结果96个孔全部生长OD600读数稳稳当当。基础操作过关。第二组加了点难度做了24个菌落PCR。简单说就是挑菌、扩增、跑胶看能不能拿到对的条带。24个克隆全部扩增出预期条带。机器移液、温控、试剂分配都没掉链子。第三组是真正的分子克隆质粒构建和定点突变。说白了就是把一段目标基因装到质粒载体上再精确地改掉其中某个碱基。这里面涉及酶切、连接、转化、测序验证每一步都得精准。而ProtoPilot做的两个质粒GLuc-WT和RLuc-WT全部拿到Sanger测序确认。往下再做酶的突变体质粒的构建成功构建出15个sanger测序通过的突变体。当然最能体现水平的还是第四组基于PCA方法的DNA组装。所谓PCA法的DNA组装意思是你手头没有现成的完整DNA片段而是要从一组短寡核苷酸开始把目标序列一步步「组装」出来设计引物、合成寡核苷酸、搭桥组装、纠错、扩增再连到载体上、转化进细胞。整条路七个步骤串下来一步卡住全盘重来。在菌落PCR实验一共挑选了96个候选克隆93个阳性初筛阳性率达96.9%而Sanger测序结果也证明4条目标DNA序列全部构建成功。更关键的是这个系统还会自我修正。论文里记录了一个细节第一轮PCA组装转化培养皿上的菌长糊了几乎没有可挑的单克隆。系统自己分析了失败原因判断是抗性筛选出了问题然后重新生成修正方案。结果第二轮跑下来成功出现了许多可挑取的单克隆菌落最终成功拿到了测序确认的DNA产物。显然这就不是纸面分数了。这是从需求理解、流程生成、自动化执行、结果验证到异常修正的完整闭环在真实实验台上真刀真枪跑出来的。一家跨界AI的中国Bio公司比Claude更先交卷了系统跑通了数据打完了湿实验也验过了。问题只剩下一个为什么交出这份答卷的是一家中国Bio公司答案想必你已经猜到了因为做AI for Bio最稀缺的从来不是模型是场景和设施。AI发展到现在这个判断几乎成了各行各业的共识。放在AI for Bio赛道真实设备、真实湿实验、真实失败、真实约束……这些理论上归属于「生命科学实验室Physical AI」的部分才是一个玩家所拥有的最大护城河。模型可以买、可以训但真实道路只能自己修。正是在这样的背景下涌生智能这家公司的出现也就不那么让人意外了一家从设备侧生长出来的AI公司天然比从模型侧空降的玩家更懂物理世界的语法。图片由AI生成涌生智能是今年3月由华大智造成立的子公司专注AI4S领域聚焦搭建面向生命科学的干湿闭环基础设施。掌舵人杨梦华大智造首席AI官涌生智能CEO是华大智造AI战略的核心推动者。在此之前他带队在Nature子刊发过EvoPlay用强化学习设计功能蛋白的AI智能体和PrimeGen干湿协同多智能体系统还主导开发了AI全栈接入的闪速测序仪E25 Flash。因此这个团队做ProtoPilot这件事并非从零起步而是在多年AIBio实战经验上的一次集中爆发。当然了一家成立仅几个月的公司能快速拿出新成果底气无疑离不开其母公司华大智造。华大智造是全球率先集齐「全读长测序SEQ ALL智能自动化GLI多组学OMICS」三大技术板块的生命科技上游企业手握PrepALL、AlphaTool、AIO一体机等Agent-ready智能实验自动化产品截至2025年末已积累全球超3800家用户以及十余年生命科学设备的工程化经验。当这些设备能被代码驱动Agent才长出了手当SOP数字化、机器可读Agent才听得懂实验的语言当湿实验结果能被采集、回流成数字信号Agent才睁开了眼睛。所以一切都很清楚了涌生智能赢就赢在他们不是从外部给实验室装一个AI是从实验室内部长出AI。这是一条和硅谷完全不同的路线。头部AI公司选择scale compute用更大的算力推高通用模型能力而涌生智能则从真实实验世界出发基于国产开源模型结合自研Bio Agent Harness架构通过真实实验数据回流与Agent协同驱动系统进化将任务执行、设备约束、专家反馈与湿实验结果统一纳入训练闭环。路线不同结果说话。而这种差异也很快体现在产品层面ProtoPilot和BioLab Bench的能力已经在向涌生智能的整个产品体系回流构建起真正的干湿闭环。这次发布后向上让αLab Brain从「实验室助手」升级为可评估、可修正、可持续进化的「实验室伴侣」向下让AlphaTool、PrepALL、AIO等硬件设备通过Protocol2Code接入Bio Agent生态从预设执行变成智能节点。SE-Fab的DBTL闭环也因此越转越顺每一次真实任务、失败修复和专家反馈都沉淀为下一轮训练材料。一条真正的干湿闭环就这么接上了。有意思的是Anthropic的Claude Science平台瞄准的下一站正是干湿闭环。而涌生智能和上海人工智能实验室这次联合发布的已经是干湿闭环了。一家跨界做AI的中国Bio公司不仅抢在硅谷前面交卷更用一条完全不同的路线证明Bio公司在自己的场景里用AI做AI确实比AI公司从外部攻进来更猛。这出戏本身已经足够精彩。回到开头。年初黄仁勋在CES上说Physical AI的下一站是机器人和工厂但物理世界还有一块他没圈到的版图全球每天运转的生命科学实验室。Physical AI的强弱不看参数大小看它与真实世界交互的深度。自动驾驶的能力来自真实道路机器人的能力来自真实动作生命科学的智能也一样——必须在真实实验室里才能长出来。涌生智能和上海人工智能实验室的这次联手释放了一个明确信号AI for Bio的竞争正在从「谁的模型更强」转向「谁的闭环更完整」。这一次Physical AI真正长在了生命科学实验室里而不是聊天框里。