在中学实验课上，几乎每个人都经历过那个屏息凝神的瞬间：右手捏着药匙，左手轻叩手腕，眼睛紧盯着天平指针，生怕多抖出一撮粉末。
这种对人类精细动作的极致考验，机器人能否复刻？在上海，晶泰科技给出了答案。晶泰研发团队基于仿真环境中数百万次“舀粉、叩腕、落料”的模拟训练，最终将机器人粉末称量精度稳定控制在0.1毫克——大约相当于两粒细盐的重量。
更重要的是，这双“手”不只是会称量的机械臂。7月29日，晶泰科技正式发布全球首个AI4S（AI for Science，人工智能驱动的科学研究）综合操作系统XtalPi Science，让AI真正学会“上手”做实验。科学智能由此告别纸上谈兵，正式迈入了物理智能时代。
AI动手，补齐万亿研发拼图
过去几年，大模型在生成文本、音视频方面表现亮眼，但落地科学研究场景时，AI往往只能给出理论上的猜想和建议。
“它可以告诉你某个分子结构有成药潜力，但它没法替你去实验室验证这个分子到底能不能合成、稳不稳定。”晶泰科技联合创始人、首席执行官马健说，海量的科研猜想，倘若缺少真实环境的实验校验，终究只是停留在数字世界，难以转化为具备商业价值的技术成果。
这不是一个新问题。过去十年，AI在药物研发领域的渗透率始终徘徊在低个位数。原因很简单：AI能完成猜想，但不能做。它能生成成千上万种可能的分子结构，但每一个假设都需要经过真实实验的验证才能成立。而当前验证的速度，远远跟不上猜想的速度。
“这就是我们说的验证鸿沟。”马健说，AI输出创意、想法的速度极快，能够批量生成海量猜想。可猜想诞生后，由谁完成验证？
这道鸿沟造成的后果是惊人的浪费。数据显示，全球每年在科研上的支出超过2万亿美元，但因为缺乏高效的工具和方法，很多钱都浪费在了低效的试错实验上，没有产生应有的价值。
以新药研发为例，其一款新药的研发成本平均高达26亿美元，耗时10到15年，失败率超过90%。其中很大一部分资源消耗在了对错误假设的反复试错上。而晶泰科技的突破，在于让AI不仅能想，还能做。XtalPi Science系统的核心调度中枢Genius Agents（科研智能体矩阵），被马健形容为“永不休憩的科研管家”。
“它不是简单的对话框，而是一位具备完整逻辑推理能力的资深科学家。”马健说，它能够读懂复杂的科研目标，先在数字空间调用模型开展预测，随即直接调度线下自动化机器人集群完成真实实验。实验产生的原始数据实时回传迭代，持续修正AI下一轮的实验方案。
这套“数字假设—物理验证—数据反馈”的闭环体系，正在把科研探索中充满不确定性的试错过程，改造为一套可编排、可溯源、标准化的系统工程。“以前我们说AI改变科研，说的是它帮你想。现在，它真的能帮你做了。”马健说。
失败数据，炼就AI“火眼金睛”
在晶泰科技的实验室里，有一个反直觉的事实：平台上自采的训练数据中，80%是失败样本。
“公开数据集里，成功案例占绝大多数，但我们的训练数据里失败占了八成。”晶泰科技首席科学官张佩宇说，很多人觉得奇怪，为什么要花那么多精力记录失败？“但正是这些负面数据，让模型真正学会了预测失败，而不是简单地追寻成功的规律”。
这背后有一套深刻的方法论逻辑。
长期以来，科学研究的公开记录存在一个巨大的偏差：发表论文只记录成功的实验，失败的尝试被丢进废纸篓，不见天日。这导致AI如果在公开数据上训练，学到的是一个不完整的世界。在这个世界里，由于AI没有见过失败案例，模型难以准确识别化学反应的可行边界。
结果就是，当面对一个新问题时，AI会自信地给出大量实际上行不通的建议。这种现象在行业内被称为“化学幻觉”，即模型产生了一个听起来合理、但违反基本化学约束的合成路线或是真实世界无法复现的反应条件。
“就像一个人只看过别人成功的样子，从来没见过别人摔跤，他就会以为走路是不会摔跤的。”张佩宇打了个比方，但科研的本质恰恰是在无数次失败中寻找那条成功路径。
为了收集这些“失败数据”，晶泰科技在过去十年间建成了一个庞大的基础设施：全球商业运营规模最大的AI机器人实验工站集群，部署超过300台自动化机器人实验工作站。
这条AI机器人流水线支持7×24小时无人不间断运转：固体粉末称量、控温搅拌、取样过滤、样品后处理与分析等全链条实验操作，均可由AI自主调度完成。对比传统人工实验模式，数据采集效率提升了数十倍。
依托这些海量真实物理实验数据训练的AI模型，其研判能力正在持续超越传统人类专家。以晶泰自主研发的逆合成AI系统为例，在严苛的测评环境下，它产生化学幻觉的概率为前沿通用大模型的六分之一，仅为4.6%。
“这意味着它给出的技术路线，可信度是其他通用大模型的六倍。”张佩宇说。在真实的药物合成项目中，传统方法平均需要5到10轮反复试错才能找到可行路线。而借助该系统，平均仅需1.19次迭代就能锁定方案。“这不是百分之几十的提升，这是数量级的跃升”。
上海成为物理AI“热带雨林”
为什么是实验室，而不是家庭或工厂，能够最先跑通物理AI的商业化？
“因为实验室是一个‘高价值、相对标准化’的场景。”张佩宇说，相比家庭服务场景中千奇百怪的环境变量，或者工业产线上对生产节拍的效率要求，实验室的对象是可控的，流程是可定义的，但单次实验的产业价值极高。
一个新药候选分子的发现，可能意味着数十亿甚至上百亿美元的市场价值，即便单次实验的成本较高，只要能提高成功率、缩短周期，其经济回报就足以覆盖技术投入。同时，实验室的操作对象是标准化的化学试剂、生物样本，操作流程是明确定义的，这为AI和机器人的介入提供了天然的便利。
“这是一个完美的‘切入点’。”张佩宇表示，物理AI可以从实验室这个相对友好的场景起步，积累经验、打磨产品，再向更复杂的场景拓展。
晶泰科技在上海建设的规模化的AI自主实验室，正是看中了这里优渥的产业土壤。
在马健看来，上海有一种整个生态的“浓度”。这里不仅汇聚了众多科技头部企业，更构建起生机勃勃的科学智能产学研生态，就像一片生机勃勃的“热带雨林”。龙头企业、初创团队、科研院所、资本力量在这里共生共荣。正是这种竞争与合作的动态平衡，推动着整个行业像热带雨林一样自我迭代、持续生长。
如今，这种生态的“浓度”正在转化为产业合作。晶泰科技宣布，联合三生制药、君实生物、佰维存储、丹纳赫集团等26家产学研伙伴，发起科学智能开放生态联盟。这意味着，晶泰科技正将其沉淀多年的科研能力，转化为一种可供外部调用的科研基础设施。未来，无论是药企还是材料公司，都可以通过接入这一平台，按需调用AI模型和自动化实验资源，大幅降低高阶科研的门槛。
采访最后，马健引用了《逍遥游》中的一句话：“适千里者，三月聚粮。”这句话的意思是，要去千里之外的人，得提前三个月就开始准备干粮。
十年前，马健与两位合伙人温书豪、赖力鹏从麻省理工学院回国创业，创立了晶泰科技。彼时，他们或许尚未看清未来的全貌，但确信了一件事：科学研究的未来，绝不应是人类在实验室里孤独地试错，而是人类智慧与机器智能的深度融合。
“我们已经准备了十年。”马健说股票配资网-独家提供，现在，是时候再出发了。
美港通配资提示：文章来自网络，不代表本站观点。
- 上一篇：股票十倍杠杆 美元兑日元涨0.4%
- 下一篇：没有了
热点资讯
