实验室科学智能：通用智能跃迁的黄金场域
|
□ 温书豪
编者按
上市公司是资本市场的基石，更是洞察产业变革的“前哨站”。在技术迭代一日千里的当下，唯有敏锐感知前沿，方能把准时代脉搏。为此，《上证观察家》邀请行业领军人物、上市公司领航者撰文。我们期待通过前瞻性的观点、缜密的逻辑、翔实的数据与鲜活的案例，为读者研判科技走向与市场趋势提供深度参考，共同见证新质生产力的蓬勃兴起。本期，《上证观察家》刊发晶泰科技董事局主席温书豪的文章《实验室科学智能：通用智能跃迁的黄金场域》。透过这位行业领军者的视角，洞见以实验室科学智能重塑科研范式、驱动通用人工智能加速跃迁的未来图景，聆听来自科技创新最前沿的真实声音。
□ 2026年，科学智能已超越单一技术范畴，跃升为培育通用人工智能的核心引擎。实验室作为“感知—认知—行动”的高阶闭环训练场，正以其独特的生态构建AGI能力跃迁的黄金场域，推动AI从学习互联网“存量知识”向创造物理世界“增量知识”的关键跃迁
□ 实验室科学智能的价值在于重塑知识生产的基本模式：一是实验室作为因果关系的精确训练场，为AI提供理解物理世界的底层机制的“标准试题”；二是实验室是安全与高效的容错空间，为AI提供了低成本试错的理想环境；三是实验室是复杂知识的密集集成与验证的平台，为通用人工智能提供跨学科整合的土壤
□ 中国凭借海量的产业应用场景、完备的工程化能力、庞大的市场需求以及全球最完整的工业体系，有望在科学智能领域形成引领性优势。展望未来路径，推进实验室科学智能的产业落地，需要完成从“单点能力”到“体系化能力”的战略跃迁：一是构建可扩展的跨学科智能体架构；二是加强物理世界“具身”操作能力的工程化突破；三是发展可解释的因果模型
2026年将是重塑全球科技格局的开篇之年。随着人工智能（AI）全球竞速迈入关键阶段，“十五五”规划纲要启动实施，有望为驱动我国科技自主创新注入强劲动能，将其推向新的战略高度。今年政府工作报告首次提出“打造智能经济新形态”，并将深化拓展“人工智能+”行动作为加快发展新质生产力的核心引擎。这一宏大部署标志着我国人工智能发展正从单纯的技术突破“上半场”，全面转向与实体经济深度融合、创造物理世界“增量价值”的“下半场”。
在此背景下，科学智能（AI for Science）将超越单一技术范畴，跃升为培育通用人工智能（AGI）的核心引擎，成为全球突破关键技术瓶颈、塑造创新发展新范式的关键战略支点。
回望人类文明史，实验室始终是科学革命的熔炉。牛顿的棱镜实验揭示光谱奥秘，贝尔实验室的晶体管突破改写电子史……每一场变革都源于实验室这个“思辨论证场域”的持续探索。当全球都把目光投向通用人工智能之际，科学智能领域已悄然积蓄了十余年之力。在长期的探索与实践中，我们逐渐认识到：实验室科学智能正以其独特生态，构建AGI能力跃迁的黄金场域。
一、实验室：通用智能的“高阶训练场”与认知跃迁的熔炉
当前，人工智能正经历从学习互联网“存量知识”的上半场，向通过与物理世界交互创造“增量知识”的下半场的关键跃迁。
站在通用人工智能的黎明时分，一个判断愈发清晰：实验室科学智能，以其独特的应用场景与能力塑造，正构成人工智能通向通用人工智能广义智慧的必经之路与黄金场域。所谓科学智能，是指以人工智能赋能科学研究为使命的前沿交叉领域，其核心在于运用机器学习、深度学习等技术手段，从海量实验数据与复杂科学现象中提炼规律、构建模型，进而加速科学发现与技术创新。它不仅是AI在科研领域的深度应用，更是推动AI自身从静态知识处理向动态认知建构演进的关键路径。
科学研究是凝练人类公理与方法、理解并改造物质世界的核心活动。这一应用场景，使科学智能既能代表AI的前沿应用，也能成为推动AI向通用人工智能演进的关键引擎。
现代实验室的本质，是一个“感知—认知—行动”的高阶闭环智能训练场。在这里，人工智能不仅需要理解复杂的科学原理，更要具备将抽象理论转化为具体实验操作的能力。这种能力的培养，远超传统AI的静态学习模式，直指通用人工智能的底层能力，其优势聚焦于三个核心步骤：
一是感知与决策融合。智能实验室可以通过跨模态数据的即时解析与决策联动，实现对复杂仪器状态的动态响应。现代实验室的核心特征，在于充斥着复杂仪器与微观数据的可视化表达。以基因测序为例，一台智能化的基因测序仪需要实时识别并判断荧光信号的细微差别，并据此进行下一步操作。这一过程，本质上是感知与决策融合的深度训练：人工智能系统需要通过“看”并理解显微镜下的细胞状态、化学反应的实时变化，甚至极微弱的粒子轨迹图像；再结合历史数据与科学模型去“想”，做出实时决策；然后“决定”实验的推进方向或参数调整，最终实现高动态环境中的信息精准提取与决策生成。利物浦大学的科研团队研发了一种“移动机器人化学家”，能让AI在真实的实验室中自由穿梭，并根据多达10种实验仪器参数的感知与解析，决策下一步的实验与配方设计，在8天内自主完成了688次实验，成功将一种光催化剂配方的效果提升至6倍，驱动了一系列机器人实验领域的研发探索。
二是“手脑并用”的具身认知与实践。实验室为人工智能提供了将抽象理论转化为物理操作的关键场域，使其构建“思考—执行—反馈”的闭合回路。科学研究的本质是“想”与“做”的统一。以材料合成领域为例，AI系统不仅需要在理论层面完成分子结构的预测，还要将这一抽象指令转化为一系列精确的物理操作，从微升级液体移取到纳米级材料组装，每一步都是对“思考—执行—优化”完整链条能力的全面锤炼，也是逻辑与判断的延伸。这种“理解即行动、行动即反馈”的认知模式，模拟了人类大脑在复杂任务中的动态决策路径，推动智能体从静态推理迈向自适应行动。
三是最为关键的海量数据洪流与即时反馈的强化学习。高通量实验设备每天产生PB级的数据流，从质谱图谱到高内涵细胞影像与类器官反馈，涵盖了多个尺度和复杂体系。这些数据为智能模型提供宝贵而稀缺的“食粮”。更为重要的是，实验本身的进度与每一步“干预”后的即时实验反馈，也构成一个高密度、高价值的强化学习循环。这种精确、即时、目标明确的反馈机制，远非现实世界碎片化信息可比，能极大地提高智能体理解世界因果关系的效率，加速认知跃迁。基于海量的数据反馈，麻省理工学院的大规模多模态模型与机器人实验平台 CRESt 用三个月的时间探索900多种化学成分，完成3500 次电化学测试，以算法主动诊断、纠正实验错误与异常，最终设计出一种前沿的催化剂，其成本性能提升9.3倍，材料研究效率远超传统科研模式。这种在真实闭环中习得的因果推理能力，正是通向通用人工智能的核心能力之一。
实验室作为“第一生产力”的策源地，其智能化水平将直接决定一个国家在关键核心技术领域的突破能力。回望科学史的演进脉络，从牛顿力学的斜面实验，到达尔文用毕生标本采集与案头研究构建的“思想实验室”，再到爱因斯坦关于相对论的“思想实验”推演，每一次伟大的科学理论突破，无不是在提出假设后，经过反复的实验设计、仪器操作、数据收集、分析验证的循环，被反复锤炼而成。
从历史的角度看，人类的进步本质正是一场持续千年的心智演化实验。当全球科技竞争进入白热化阶段，实验室智能化正以前所未有的深度重新定义科技主权：谁能在实验室智能领域率先取得突破，谁就能显著影响关键技术突破的速度与质量，掌握未来科技发展的主动权。
二、科学智能的产业革命：从效率提升到范式重构
当人工智能在实验室中完成了感知融合、具体认知与因果推理后，一场更为深刻的变革悄然开启。实验室科学智能的价值远不止于对现有科研流程的效率改善，而在于它正在重塑知识生产的基本模式。人工智能若欲复制并超越人类在实验室中摸索试错、探寻理解世界与改造世界方法的这一历程，实验室场景将为科学智能引发一场深刻的产业革命，提供无可替代的“可控加速”优势，开辟产业变革新局。这种优势，集中体现在以下三个方面：
其一，实验室作为因果关系的精确训练场，为人工智能提供理解物理世界的底层机制的“标准试题”。在受控的实验条件下，“改变变量A导致结果B”的因果链条，可通过精心设计的实验得到清晰、可重复的验证。相较于现实世界的复杂噪音环境，这种确定性训练环境，使人工智能得以在纯净的“变量—结果”对应关系中建立对物理规律的准确认知。这正是人工智能从实验室走向药物研究、材料设计等实体产业时，能够快速适应复杂场景的原因。
其二，实验室是安全与高效的容错空间，为AI提供了低成本试错的理想环境。试错是人工智能成长的核心基石。在实验室中可控地失败，即便产生如化学合成产率低下、生物培养条件不优等结果，其代价与风险也较为可控。这种低风险环境，赋予AI进行更密集探索、更大胆尝试的自由。在催化剂发现过程中，AI可以尝试千万次失败的酶反应，而这恰恰是通向一次成功发现的必经之路。机器学习过程中的每一次“错误”都可能成为通向全局最优解的基石。
其三，实验室是复杂知识的密集集成与验证的平台，为通用人工智能提供跨学科整合的土壤。通用人工智能必须具备跨学科整合能力。以一台现代化的生物材料合成工作站为例，其操作与解释需要深度融合材料学、化学、生物学、仪器科学等多领域知识。正是在这种融合处理复杂任务的场景中，AI才能真正学会理解、调用并创造新的知识。比如，DeepMind团队在AlphaFold蛋白质结构预测上取得的突破性成果，其核心算法正是建立在海量实验数据的持续训练与迭代闭环上。
三、从单点到体系：科学智能产业落地的关键路径
展望未来路径，推进实验室科学智能的产业落地，需要完成从“单点能力”到“体系化能力”的战略跃迁。中国企业若要在该领域实施系统性的战略布局，推进实验室科学智能从专用走向通用，需聚焦并突破以下关键环节：
首要任务是构建可扩展的跨学科智能体架构。当前科学智能应用存在严重的碎片化问题，不同学科领域各自为战。我们需要开发能够跨学科迁移的基础AI框架，打造能理解抽象符号知识、适配不同仪器接口、具备共享经验与协作能力的基础智能体框架，以实现基础科学到实验科学等领域的智能体融合。
其次，加强物理世界“具身”操作能力的工程化突破。让AI系统真正“走进”实验室，必须将视觉、力反馈、精密操作深度融合，提升AI在精密仪器操作中的“手眼协调”能力，使其能像熟练的科学实验员一样灵活操控复杂的物理实验装置。当前，行业先行者已验证：融合视觉算法与智能体工程的“机器人科学家”范式，其实验效率是传统实验室的40 倍；在特定任务中的精确度可以比人类提高一个数量级。这类技术的突破，将大幅拓展AI在实验科学中的应用边界。依托粤港澳大湾区、长三角及京津冀等地区完备的智能硬件供应链与成本优势，加速超大规模自驱动科学智能实验室的规模化部署，将使其转化为价值巨大的科学数据引擎，重塑实验科学的生产边界。
再者，发展可解释的因果模型至关重要。当前，AI系统的“黑箱”特性严重制约了其在科学研究中的应用深度。要突破这一局限，需要建立科学可信的决策机制，推动AI从“经验拟合”走向“主动认知”。这不仅要求AI预测结果，更要解释“为什么”，赋予其具备科学发现中的深层推理、理解与颠覆性创新的能力。
伟大的文明往往诞生于实验室的探索中，智能的跃迁正循着同样的轨迹加速前行。实验室科学智能不再仅仅是辅助工具，它融合了视觉与决策、手脑协同以及海量数据的即时反馈，已成为培育通用智能的黄金场域。在这既可控又充满挑战的“人工世界”中，AI得以学习世界因果、掌握科学方法，并进行创造性探索。我们将在此见证，真正的通用人工智能如何以科学为蓝本，实现从逻辑推理到创造突破的质的飞跃。
中国凭借海量的产业应用场景、完备的工程化能力、庞大的市场需求以及全球最完整的工业体系，有望在科学智能领域形成引领性优势。实验室科学智能是中国科技创新发展的重要机遇。在这个充满挑战与希望的变革中，我们期待具身智能、大模型与智能体在产业端百花齐放，更期待它们在实验室这一源头场景中加速科学发现、牵引产业升级，推动新质生产力成长，并以科学为蓝本推进中国的通用人工智能稳健演进，为持续提升人类理解世界与改造世界的能力贡献中国智慧。
（作者系晶泰科技董事局主席）
