“智能+自動化”雙輪驅動，人工智能實驗室賦能多領域

　　人工智能（Artificial Intelligence，AI）是新一輪科技革命和產業變革的重要驅動力量。人工智能、物聯網（loT）和自動化技術的發展，給實驗室的運作方式帶來一場深刻的變革，即人工智能實驗室運用而生。人工智能實驗室指集成機械臂、機器視覺、大數據、物聯網、AI決策模型等新興技術，將研發思路通過編程表達出來，利用系統自動高效完成研發、檢測流程，甚至包括生產過程，替代人工完成重復性、精細化、危險性高、可復制的實驗環節的解決方案。人工智能實驗室又稱“智慧（無人）實驗室”或“黑燈實驗室”（Dark Lab或Lights-out Laboratories），后者的命名更側重對應用情景的描述。

　　人工智能實驗室問世，解決了傳統實驗室對人工操作的依賴及效率低、誤差率高等問題，通過自動化設備和智能管理系統，實現了實驗流程的無人操作、7×24小時無人值守和全自動化運行，提高了實驗的精確度和效率，降低了人力成本和安全風險。目前，我國已有多家企業專注人工智能實驗室，實現了技術轉化和應用。

　　本文關注人工智能實驗室在我國發展狀況，探討智能實驗室的核心技術、自動化實驗流程的實現方式，以及相關政策法規標準的情況。

圖1 智慧無人分析檢測系統場景圖

我國AI智能實驗室的發展現狀

　　隨著人工智能技術日益成熟，人工智能與各行各業的協同發展日趨加速，“人工智能+”的概念深入人心。我國人工智能實驗室的發展呈現“頂層設計引領、多元主體參與、應用場景驅動”的特點，涵蓋國家級研究機構、高校實驗室、企業研究院和新型研發平臺等多個層次，雖然人工智能實驗室在我國還處于初級階段，但已在技術研發、產業落地和生態構建方面取得顯著效果。

智能實驗室賦能更多行業領域

　　AI智能實驗室可廣泛適配各類研發場景，通過無人化實驗操作，不僅提升效率，還能同步強化靈敏度、安全性和質量穩定性。有報道稱，在空間與能耗管理方面，智能實驗室面積最高可縮減85%，能耗平均降低50%以上，可顯著優化科研投入產出比，重新定義智慧實驗室的效能標準，全方位滿足客戶對高效、智能、安全實驗室的需求。

　　智能實驗室最早在制藥領域得到應用，目前其在制藥領域的效果已經得到彰顯。2024年11月，龍頭企業英矽智能發布了“全球首個由AI輔助決策的自動化實驗室”。今年3月中關村論壇年會，北京腦科學與類腦研究所與華大智造聯合打造的“全自動無人化黑燈實驗室”正式亮相。制藥企業晶泰科技利用人工智能實驗室強大的計算預測能力，幫助輝瑞進行新冠口服藥晶體結構預測，使得該藥上市時間縮短6個月，2022年這款藥物的銷售額高達189億美元。

圖2 北京腦科學與類腦研究所與華大智造聯合打造的“全自動無人化黑燈實驗室”

　　我國智能實驗室的發展已從單點技術突破轉向規模化落地，由生物醫藥和高端制造領域，擴展到更多應用場景，大幅提升了實驗的精度和效率，同時降低了成本，推動不同行業領域加速跨越式升級。目前，人工智能實驗室已經賦能多個領域，制藥領域之外，還在環境、食品安全、化工合成等領域也得到應用。

　　人工智能實驗室的推出源于市場需求、技術趨勢與企業戰略的深度共振。據稱，“十四五”期間，生態環境領域共設有國控斷面共計3600余個，河流斷面3000多個，覆蓋將近2000條河流，湖庫點位三百多個，覆蓋兩百多個湖庫。國家社會需投入極大的人力物力去支持手工采測分離，由于監測范圍廣，數量大，負責測試人員工作任務繁重，很難有效完成監測任務。因此，形成全自動化檢測系統，是釋放人力、降本增效，進一步實現實驗室數字化建設、智能化建設的一種有效手段。這種情況下，睿科和北裕等儀器生產企業抓住了水質檢測的市場需求并及時完成戰略布局。

　　人工智能在催化領域也得到應用。催化反應體系復雜多變，催化劑的性能受很多因素的交互影響，如工藝條件、制備方法和多組分配方等。為了確定有效的催化劑合成路徑，通常需要進行大量、繁瑣的實驗驗證，因此市場對高通量合成技術的需求日益增加。通過循環實驗，逐步優化催化劑的組成和合成條件，篩選出某特定反應性能最佳的催化劑，對催化劑的科學研究有著重要意義。

圖3 歐世盛推出的催化劑高通量實驗與反饋結合的閉環

　　在農產品安全、糧食收購和食品安全抽樣檢測方面，人工智能實驗室可以代替人，滿足收購前、進廠檢測或市場監管抽查，最快速度拿到檢測結果，加速物質的流通。

　　人工智能實驗室的建設和推廣，不僅能加快研發和檢測，還有助于儀器生產企業鞏固技術壁壘，此外，還能積極響應國家“設備更新+國產替代”的政策導向，加快在高端實驗室自動化市場的前瞻性布局。

國家政策支持和資本青睞

　　在戰略上，國家的“十四五”規劃明確推動科研設施智能化升級。2022年，《國務院關于加強數字政府建設的指導意見》中強調，“全面推動生態環境保護數字化轉型，提升生態環境承載力、國土空間開發適宜性和資源利用科學性，更好支撐美麗中國建設。”該文件與《新一代人工智能發展規劃》《人工智能賦能產業高質量發展行動方案》等政策形成協同，共同推動AI在公共領域的落地。2023年，工信部聯合其他部委提出《人工智能賦能產業高質量發展行動方案》，推動人工智能技術賦能實體經濟。

　　2025年8月26日，國務院印發《關于深入實施“人工智能+”行動的意見》（簡稱《意見》），旨在推動人工智能與經濟社會各行業各領域廣泛深度融合，《意見》提出，要以科技、產業、消費、民生、治理、全球合作等領域為重點，深入實施“人工智能+”行動。在“人工智能+”科學技術方面，要加速科學發現進程，驅動技術研發模式創新和效能提升，支持智能化研發工具和平臺推廣應用，加強人工智能與生物制造、量子科技、第六代移動通信（6G）等領域技術協同創新。《意見》還提出了發展要求：到2027年，率先實現人工智能與6大重點領域廣泛深度融合，新一代智能終端、智能體等應用普及率超70%。到2030年，我國人工智能全面賦能高質量發展，新一代智能終端、智能體等應用普及率超90%。到2035年，我國全面步入智能經濟和智能社會發展新階段。

　　從地方政策角度，北京、上海、深圳等一線城市對建設智能實驗室提供補貼，而上海最高補貼更是達到500萬元。

　　智能實驗室近年受到資本的普遍青睞，2023年智能實驗室相關融資超50億元，代表性企業包括鎂伽科技、晶泰科技等。2024年，受經濟下行的大環境影響，該領域投資有所緩解，但較其他行業還是更容易受到資本青睞。

相關標準的頒布與實施

　　與智能實驗室相關標準很多，但要么聚焦檢測自動化、無人化，要么聚焦信息管理智能化，只有少量團標或地標關注AI智能實驗室。按照標準的起草制定的程序和發展順序，未來必然會有相應行標、國標問世。

　　與人工智能實驗室相關的GB/T有好幾個，代表性的包括：《GB 19489-2008 實驗室生物安全通用要求》，提出了實驗室自動化操作的安全要求；《GB/T 29479-2012 移動實驗室通用要求》中，涉及了無人化實驗室的部分技術規范；《GB/T 36377-2018 智能實驗室 信息管理系統通用功能要求》，聚焦實驗室信息管理的智能化。這些標準為智能實驗室的發展指引了發展方向和規范了行業。

　　2020版《中國藥典》在通則9101《藥品質量標準分析方法驗證指導原則》中，提到自動化設備可用于替代傳統手工操作，如自動滴定儀、自動溶出儀等，但需驗證其等效性。部分檢測方法，如高效液相色譜法HPLC，明確允許使用自動化系統進行數據采集和處理。2025版《中國藥典》進一步強化了實驗室自動化和智能化，新增對全流程自動化的指導，鼓勵實驗室引入自動化樣品前處理系統，如自動稱量、稀釋、過濾、機器人輔助實驗等。在微生物檢測等領域，明確推薦使用自動化培養、計數系統。在《藥品質量分析指導原則》中，提出可借助人工智能AI和機器學習（ML）進行數據分析和異常值判斷，但需驗證算法可靠性。要求自動化系統與實驗室信息管理系統（LIMS）或電子實驗記錄本（ELN）集成，實現數據無縫對接。

　　相關行業標準主要有：《YY/T 1789-2021 人工智能醫療器械 肺部影像輔助分析軟件算法性能測試方法》，雖針對醫療AI，但部分技術可延伸至智能實驗室；《JB/T 12962.2-2016 實驗室設備 第2部分：自動化樣品前處理系統》。此外，還有地方標準和團體標準。如，上海發布的《DB31/T 1303-2021智慧實驗室建設評價規范》；2024年中國環境監測總站牽頭，包括儀器生產企業上海北裕、譜育科技等參與起草的團體標準《T/CSES 149-2024 水質監測智能無人實驗室建設與運行維護技術要求》發布實施，標志著智能無人實驗室的可靠性、穩定性被更多人認可，相信假以時日，相關行業標準和國家標準會啟動。

圖4 團體標準《水質監測智能無人實驗室建設與運行維護技術要求》

AI人工智能實驗室的核心技術

　　AI智能實驗室集成機器學習AI算法管理平臺、智能機器人、自動控制設備與先進實驗儀器，實現無人化操作與全流程閉環控制，為科研工作提供全方位、智能化的支撐。

　　人工智能實驗室的技術突破的重點體現在全流程自動化與信息化。多技術平臺的融合進一步拓展了智能實驗室的能力邊界，通過整合質譜、色譜、光譜、理化分析等核心技術，構建了覆蓋多領域的檢測解決方案，能夠靈活應對不同科研場景的需求。

人工智能與機器學習

　　人工智能在實驗室中的應用，主要體現在數據分析和決策優化上；而機器學習屬于人工智能的一個分支，是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。

　　機器學習是通過算法和模型，使計算機從數據中自動學習并進行預測或決策，其核心目標是讓計算機在沒有明確編程指令的情況下，通過對大量數據的分析，識別模式和規律，從而構建適應新數據的模型。機器學習包括監督學習、無監督學習和強化學習等不同類型，廣泛應用于圖像識別、自然語言處理、推薦系統和自動駕駛等領域，具備自適應、自動化和泛化能力，是數據驅動的技術創新。而ChatGPT的問世，標志著語言模型邁入實際應用階段，推動機器學習從文本擴展至圖像、語音、機器人控制等多模態任務，開啟了通用人工智能的新階段。

　　機器學習的理論基礎可追溯至18至19世紀的數學研究。英國數學家托馬斯·貝葉斯提出貝葉斯定理，為基于先驗知識與新觀測數據的概率推理提供了框架，后被廣泛用于樸素貝葉斯分類器，尤其在自然語言處理與文本分類中應用廣泛。機器學習的目標是使用計算機預測未知的事件或場景。1959年，亞瑟·塞繆爾（Arthur Samuel）將機器學習描述為“賦予計算機在沒有明確編程指令下學習能力的研究領域”。

　　機器學習算法可以分析歷史實驗數據，優化實驗參數，預測實驗結果，甚至自主調整實驗方案。而在光譜/質譜數據分析中，利用機器學習對復雜光譜數據進行模式識別，提升檢測效率，如水質分析中的多參數聯測。

物聯網與設備互聯

　　智能實驗室中的儀器設備通過物聯網技術實現互聯互通，數據實時上傳至云端或本地服務器，供人工智能系統分析和決策。普析通用開發的數字化實驗室數據管理系統實現接樣、分配、數據自動錄入、結果匯總、報告審核全流程樣品管理。基于SOP詳細信息跟蹤計算，準確統計分析人、機、料、法、環，準確評估與預測實驗室檢測任務潮汐需求變化。既可實現實驗數據全流程自動采集、記錄、計算以及 原始記錄報告的自動生成和質控，提升檢測實驗室的效率，縮短重復轉錄、計算、審核時間。這也是智能實驗室必備的。

圖5 普析通用開發的數字化實驗室數據管理系統

自動控制設備與先進實驗儀器

　　自動化檢測設備的應用，如在樣品前處理、加樣（包括樣品和試劑）、樣品轉移等環節，機械臂和自動化工作站可以替代人工操作。睿科和元析的自動化樣品處理系統能夠實現無人值守的連續運行，提高通量和一致性。

智能監控與預警系統

　　實驗室部署的智能監控系統可以實時監測設備狀態、環境參數和實驗進程，一旦發現異常（如儀器故障或數據偏差），立即觸發警報或自動執行修復程序。

　　在環保領域，通過AI算法優化污染物，如VOCs、重金屬等的實時監測數據準確性，結合物聯網實現異常預警。

人工智能實驗室的優勢與挑戰

優勢

　　關于人工智能實驗室的優勢，前邊其實已經闡述，這里筆者再做一個歸納：（1）提高效率：自動化設備可24小時運行，縮短實驗周期；（2）減少人為誤差：AI和機器人操作比人工更精確，數據更可靠，可實現數據溯源；（3）降低成本：減少人力需求，優化資源利用；（4）增強安全性：避免人員接觸危險化學品或高溫高壓環境。

機遇與挑戰

　　智能實驗室作為檢測實驗室未來發展的趨勢，機遇和挑戰并存，挑戰主要表現在以下三點：（1）初期投資高，智能實驗室需要昂貴的自動化設備和系統集成；（2）技術門檻，需要專業人才進行維護和優化；（3）數據安全，自動化系統依賴網絡，需防范黑客攻擊和數據泄露。

結束語

　　人工智能實驗室代表了實驗科學的未來方向，國內一些儀器企業，如睿科、譜育、北裕、歐世盛、晶泰、元析、鎂伽科技、海爾及專門從事實驗室業務的戴納科技等正在推動這一變革。通過無人操作、無人值守和全自動化流程，實驗室可以更高效、更安全地運行，為科研、環境生態和工業檢測提供強大支持。盡管仍面臨挑戰，但隨著技術的逐漸成熟，智能實驗室必將成為主流，重塑實驗科學的運作模式。