当硅谷AI巨头仍在论文堆里推演时，黄仁中国Bio公司已经让AI在实验室里跑通了真实实验。勋说学实

又一个热门AI赛道，家中界选进生被国产玩家率先打通——

AI for Bio（生命科学领域）。国跨

如今，手带这个赛道挤满了全球算力最充裕的命科硅谷玩家：

• OpenAI发布 GPT-Rosalind，专攻药物发现与基因组学；
• 谷歌推出 Co-Scientist 和 ERA，验室将多Agent系统嵌入科学推理流程；
• Anthropic上线 Claude Science 工作台，黄仁面向科研全流程。勋说学实

虽然大家的家中界选进生愿景都是让大模型读完论文后，生成「完美」的国跨实验方案并走进实验室，但现实骨感：

真正让AI接管实验室并跑通湿实验的手带，几乎为零。命科

以OpenAI与Ginkgo Bioworks的验室合作为例，GPT-5负责实验设计和参数探索，黄仁但真正在实验台上执行的Catalyst protocols，全部由Ginkgo的人类工程师编写。

换言之，即便强如OpenAI，其模型也未曾真正触及「做实验」这一物理层。

△图源：OpenAI官网

但现在，全球首个补齐这关键一步的团队出现了。

华大智造子公司涌生智能 × 上海人工智能实验室，联合发布两项突破性成果：

1. ProtoPilot：一款由真实实验室场景驱动的自进化多智能体系统；
2. 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，实现完整闭环与真实验证。

这一次，让AI「真正走进实验室」的不是AI巨头，而是一家跨界做AI的中国Bio公司。

这或许连黄仁勋都未曾预料：

年初他在CES上宣称「Physical AI的ChatGPT时刻」已至，语境聚焦于机器人和自动驾驶。

然而，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？

为何硅谷最不缺算力的玩家，集体卡在实验室门口？

答案在于厘清一个核心问题：从模型到实验室，中间缺失了什么？

回顾AI for Bio的发展，过去几年应用多聚焦于「理解」与「分析」：文献阅读、知识问答、序列比对、蛋白质结构预测。模型虽博学，但本质仍是屏幕后的助理。

它能帮你理解世界，却未真正进入世界。

随着Agent时代到来，AI不再满足于回答问题，而是开始「设计」和「行动」。OpenAI、Anthropic等前沿玩家将目光投向下游：假设生成、实验设计、参数探索、药物发现、蛋白工程及自动化实验。

听起来已接近「让AI进实验室干活」，但现实是——还差得很远。

当前AI for Bio的真实现状可概括为一句话：能出方案，出不了结果。

顶尖AI确实能写出专业的实验方案，但「写得好」不等于「跑得通」。

△图片由AI生成

ProtoPilot论文清晰拆解了从实验意图到湿实验操作的五层转换链：

1. 科学意图
2. Protocol（方案设计）：需表达生物逻辑、样本谱系和质控结构
3. SOP（标准操作流程）：需落实体积、浓度、耗材和温控条件
4. 设备代码：需绑定deck布局、孔位映射、液体处理动作及厂商SDK指令
5. 物理执行与反馈修正

任一环节出错，实验即告失败。

当竞争焦点从「模型能否回答问题」转向「模型能否走完从屏幕到实验台的全链路」时，行业缺失的两块拼图浮出水面：

• 一把「铲子」：Bio Agent Harness。能承接模型输出，连接专家、设备与湿实验反馈。没有它，方案只能停留在屏幕。
• 一把「尺子」：Bio Agent真实实验链路能力的Benchmark。不是考选择题，而是看流程能否在真实设备上跑通。

现有的ProtocolQA等公开Benchmark，仍停留在阅读理解层面。

这两件事无法凭空设计，必须源于真实实验室：真实任务、真实设备、真实约束、真实失败、真实专家判断。

这也解释了为何两家国产团队选择联手：

• 涌生智能：拥有全栈生命科学设备、自动化实验平台、AI4Science经验及丰富真实场景，带来难以复制的「物理底座」和「场景底座」。
• 上海人工智能实验室：基于大模型训练、评测标准及Agent框架积累，提供模型基础，共同构建Design2Protocol和Protocol2Code的Benchmark、评分标准与评测工具。

双方合力沉淀出 ProtoPilot和 BioLab Bench，使Bio Agent首次走向可评测、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？

深入剖析论文，这两项成果具体如何破局？

ProtoPilot：第三方测评超越OpenAI最强旗舰GPT-5.6 Sol

目前，能打通Design2Protocol、Protocol2Code、设备执行与湿实验反馈的系统极少，ProtoPilot是少数实现全链路贯通的代表。

全链路贯通示例：
当输入自然语言「构建8个GLuc突变体」，ProtoPilot将其拆解为科学Protocol，识别可用设备，转化为可执行工作流代码，下发物理设备执行，并根据湿实验反馈持续修正进化。

这并非聊天机器人或单一脚本生成器，而是多Agent协同：

• Orchestrator Agent：统筹全局工作流状态
• Protocol Expert Agent：生成实验方案和SOP
• Coding Agent：将方案转化为设备可执行代码

通过多Agent协同，解决了三大行业痛点：

1. 需求模糊

Orchestrator扮演实验室主管角色，将模糊大目标拆解为模块，细化为可操作SOP，逐项确认无误后拼接成完整流程，避免前后参数冲突。

2. 写得好≠跑得通

Protocol涉及孔位、体积、slot、耗材、温控、SDK及安全边界等硬约束。
Coding Agent将SOP翻译为特定机器（如MGI Prepall/AlphaTool、OpenTrons）的SDK指令，并通过对齐deck布局和孔位映射，确保指令准确。内置验证器逐条检查安全性，不合格直接打回重写。

3. 缺乏反馈闭环

传统模型生成后撒手不管，ProtoPilot将失败原因、专家判断及实验结果回流，形成运行时技能学习，实现「越用越强」。

硬核成绩单：

• ProtocolQA挑战：
• 在开放式问答中，GPT-5.6 Sol得分43.5%（人类专家54%）；ProtoPilot拿到52.38%，逼近专家水平。
• 在非开放式问答中，ProtoPilot取得85.18%，超越专家水平。
• 注：这背后是两条不同技术路线的较量。

• Protocol任务评分：
• 综合评分94.7/100，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，碾压通用大模型及专用Bio Agent。

• 盲评表现：
• 三位独立湿实验科学家盲评中，70.6%将ProtoPilot排第一，90.2%排前三。

• 高复杂度任务（L3）：
• ProtoPilot通过率60%，而行业标杆OpenTrons-AI直接归零。OpenTrons-AI仅限自家设备且无法完成复杂任务。

• 代码转化与执行：
• Protocol2Code代码质量中位数95.5，Gate Pass Rate达96.6%。
• 对比：LabScript-AI为64.6%，Grok-4.3为35%，GPT-5.5仅为17.7%。

• 跨设备迁移能力：
• 在MGI AlphaTool、Hamilton STAR、OpenTrons OT-2、Tecan EVO四大平台，Gate Pass Rate波动仅5.9pp。
• 对比：LabScript-AI波动高达47.1pp。
• 亮点：在OpenTrons OT-2上，ProtoPilot通过率88.24%，而OpenTrons官方AI仅32.35%，技术通用性完胜。

BioLab Bench：首个从实验意图到设备执行的全链路评测体系

现有Benchmark（如ProtocolQA）考的是「知不知」（理解与问答），而AI for Bio真正需要回答的是「做不做得到」。

BioLab Bench的核心衡量标准：系统能否在真实自动化设备上跑通。

作为首个覆盖全流程的Agent评测体系，BioLab Bench覆盖链路：
理解用户意图 → Design2Protocol → Protocol2SOP → SOP2Code → 设备Code → 真实实验执行

任务按L1-L3难度分层，不仅考察全链路打通，还具备跨平台检验能力：同一任务切换不同设备，测试Agent的适配性。

简言之，ProtocolQA考阅读理解，BioLab Bench考真上手。

湿实验验证：从需求到修正的完整闭环

系统有了，考场有了，真实实验台能否跑出结果？

ProtoPilot通过四组递进难度的湿实验给出回答：

1. 基础操作：96孔板接菌培养

2. 机器按指令加菌液，96孔全部生长，OD600读数稳定。基础操作过关。

3. 进阶操作：24个菌落PCR

4. 挑菌、扩增、跑胶。24个克隆全部扩增出预期条带，移液、温控、试剂分配无误。

5. 分子克隆：质粒构建与定点突变

6. 涉及酶切、连接、转化、测序。ProtoPilot构建的GLuc-WT和RLuc-WT质粒，经Sanger测序确认无误。

7. 进一步构建15个突变体质粒，全部通过Sanger测序验证。

8. 高难度：基于PCA方法的DNA组装

9. 从短寡核苷酸开始，经设计引物、合成、搭桥、纠错、扩增、载体连接、转化等7步。
10. 96个候选克隆中，93个阳性，初筛阳性率96.9%。Sanger测序证明4条目标DNA序列全部构建成功。

更关键的是自我修正能力：
第一轮PCA组装因抗性筛选问题导致菌落融合，系统自主分析失败原因，重新生成修正方案。第二轮成功获得可挑单克隆，最终拿到测序确认产物。

这不是纸面分数，而是从需求理解、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。

跨界Bio公司，比Claude更先交卷

为何交出答卷的是一家中国Bio公司？

因为做AI for Bio，最稀缺的不是模型，而是场景和设施。

真实设备、真实湿实验、真实失败、真实约束，构成了「生命科学Physical AI」的最大护城河。模型可买可训，但真实道路只能自建。

涌生智能，华大智造旗下子公司，从设备侧生长，天然更懂物理世界语法。

△图片由AI生成

• 团队背景：CEO杨梦（华大智造首席AI官）曾带队在Nature子刊发表EvoPlay和PrimeGen，主导开发AI全栈接入的闪速测序仪E25 Flash。ProtoPilot是多年AI+Bio实战经验的集中爆发。
• 母公司支撑：华大智造集齐「全读长测序+智能自动化+多组学」三大板块，拥有PrepALL、AlphaTool、AIO一体机等Agent-ready设备，积累超3800家全球用户及十余年工程化经验。

当设备被代码驱动，Agent长出「手」；当SOP数字化，Agent听懂「语言」；当湿实验结果回流，Agent睁开「眼」。

涌生智能赢在：不是从外部给实验室装AI，而是从实验室内部长出AI。

这是一条与硅谷截然不同的路线：

• 硅谷路线：Scale Compute，用更大算力推高通用模型能力。
• 涌生路线：从真实实验世界出发，基于国产开源模型，结合自研Bio Agent Harness，通过真实数据回流与Agent协同驱动进化，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。

产品层面的闭环效应：

ProtoPilot和BioLab Bench的能力正向涌生智能产品体系回流：

• 向上：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：AlphaTool、PrepALL、AIO等硬件通过Protocol2Code接入Bio Agent生态，从预设执行变为智能节点。
• SE-Fab DBTL闭环：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此接上。

有趣的是，Anthropic的Claude Science平台瞄准的下一站正是干湿闭环，而涌生智能已率先实现。

一家跨界做AI的中国Bio公司，不仅抢在硅谷前交卷，更证明：Bio公司在自己的场景里用AI做AI，比AI公司从外部攻入更猛。

结语

年初黄仁勋在CES上指出，Physical AI的下一站是机器人和工厂，但他未圈定另一块版图：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，看与真实世界交互的深度。自动驾驶源于真实道路，机器人源于真实动作，生命科学智能亦然——必须在真实实验室里生长。

涌生智能与上海人工智能实验室的联手释放明确信号：

AI for Bio的竞争，正从「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。

论文：https://arxiv.org/abs/2606.31763