Google 自主湿实验室推动 AI 智能体从预测走向实体实验
Google 自主湿实验室已不再只是单一的软件演示，而是将 AI 智能体与机器人连接起来，应用于三个实验研究项目。这项工作将数字推理、实体执行与可测量的生物反馈结合在一起。与此同时，它也揭示了计算生物学常常掩盖的一种矛盾：再令人信服的预测，一旦分子、液体和实验室硬件进入闭环，仍可能失败。
Google Research 于 2026 年 10 月 16 日详细介绍了这些项目，涵盖机器人协议执行、闭环适配体发现以及从头设计蛋白质结合剂。整体来看，这些项目勾勒出一套由人类主导的自主实验基础设施栈，而非宣称已经实现完全独立运行的实验室。
真正值得比较的并非 Google 与某个竞争模型，而是自适应闭环实验与静态实验室自动化之间的差异。传统系统能够高效重复已验证的指令，但当实验因意外的物理原因失败时，往往难以应对。Google 希望智能体能够观察这些失败、修订方法，并选择下一项实验。
这一目标远比让模型生成一份实验协议困难。实验室状态会在每一步操作后发生变化，而液体会产生代码无法完整描述的效应。模型必须能够区分生物学证据与混合不充分、孔位耗尽、分子黏附、光学伪影以及仪器故障等问题。
Google 的结果表明，物理反馈能够纠正部分智能体错误。但这些结果并不能证明自主湿实验室已经可以脱离科学家独立运作。人类授权、范围受限的测试系统、广泛的仪器监测与明确的安全闸门，仍贯穿于这项工作的始终。
Google 自主湿实验室现已覆盖三个相互连接的研究层级
Google 已组建了三个将智能体规划与实体实验连接起来的构件，但尚未将它们融合为一个通用的自主实验室。
第一层是 VERID，即 VERified Infrastructure for Discovery Laboratories。Google 将其描述为语义数字孪生，即对实验室工作单元内设备、材料、几何结构和当前状态进行持续记录的软件表示。
与静态模拟不同，这种表示会随实体实验的推进而变化。它会跟踪孔内体积、试剂身份、液面高度、实验耗材位置、可用移液枪头以及设备状态。该系统还会将这些状态记录与机器人指令及同步摄像头画面关联起来。
这种实时上下文非常重要，因为有效的代码仍可能要求执行不可能完成的动作。例如，机器人可能试图将八个移液通道放入一个过窄的容器中；也可能从空孔吸液、操作被覆盖的板，或从导致混合不均的高度进行分液。
在已发布的 VERID 架构中，每个指令块都会经过一道虚拟执行闸门。模拟器会复制当前实验室状态，并在将拟议操作下发给硬件之前进行测试。
该框架还会依据统一时间线记录状态快照、仪器遥测数据、执行日志和视频。这些记录构成了研究人员所称的“追踪档案”。当观察到的结果与预期不符时，智能体或科学家可以查阅该档案。
Google 使用染料和去离子水，而非复杂的生物材料，来测试这套基础设施。这一选择将评估范围收窄至基础液体处理、光学测量、故障恢复和协议诊断，同时也降低了重复实验的成本与生物风险。
在一个案例中，由于移液枪头在接近孔底的位置进行分液和混合，导致连续稀释效果不佳。视频和执行轨迹有助于发现液体分层以及枪头部分堵塞的问题。修订后的协议提高了枪头位置，并在整个液柱范围内进行混合。
初始运行中，各步骤之间的稀释倍数仅约为 1.4 倍至 1.8 倍，而非目标的两倍。修订后，报告中的平均值达到 1.92 倍至 1.99 倍。持续维护的状态记录还帮助系统在酶标仪出现问题后恢复运行。
另一个案例揭示了避免碰撞与产出有效科学结果之间的差别。VERID 拒绝了一项八通道操作，因为这些通道横跨至少 72.0 毫米，而槽体宽度仅为 71.2 毫米。智能体随后以更少的通道重新规划。
修订后的操作仍产生了浓度偏差。随后，智能体设计了一项析因诊断，通过受控组合来分离候选原因。该调查发现，先前润湿过的枪头内壁残留液体是偏差来源之一。
第三层从实验室机械操作进入分子发现领域。Google 的适配体研究采用了可与蛋白质结合的 DNA 序列，作为相对快速的测试系统。每轮设计、合成、筛选和测序周期需耗时七至十天。
研究人员针对肌红蛋白和 α-凝血酶进行了三轮迭代。智能体在每轮后接收实验测量结果，并调整后续设计。Google 报告称，最终确认的命中率为：肌红蛋白 33.5%，α-凝血酶 42.1%。
另一份独立的蛋白质结合剂报告则处理了一个更困难的搜索问题。其目标是成纤维细胞活化蛋白 α，即 FAP，这是一种与实体瘤相关的受体。
该工作流将结构计算缩小至局部结合区域，这种方法被称为表位切除。Google 表示，这使结构预测速度提升了 8.6 倍。一条人类与智能体协作的流程在相同计算资源下，几乎将计算命中率提高了一倍，并在实验室测试中产出了个位数纳摩尔级结合剂。
这些结果彼此相关，但并非一个连续系统。VERID 专注于利用染料实验提升机器人可靠性；适配体项目闭合了设计与测试的循环；蛋白质项目则结合了智能体引导的计算、人类策略与实验筛选。
Google 声称的下一步是连接这些层级。因此，重要变化在于架构层面。该公司展示了一些组件，使智能体能够在受控环境中提出、执行、观察、诊断并修订实验。
静态自动化正面临压力
这项研究挑战了能够高效执行固定工作流、却无法在物理证据与其假设相矛盾时进行适应的实验室自动化模式。
传统机器人实验室已能处理液体转移、微孔板移动、孵育、成像和分析。它们的优势在于重复性。一旦工程师验证某项协议，机器便可在大批量任务中稳定执行。
但当科学问题需要探索时，这种模式的作用就会减弱。发现项目很少从头到尾遵循同一套稳定流程。早期结果会改变哪些候选对象更重要，而意外观察也可能使原始协议失效。
静态自动化通常将这些变化视为需要人工处理的例外情况。科学家必须检查故障、确定原因、修改流程并重新启动设备。机器人提高了吞吐量，却并未真正参与实验推理。
Google 的方法将更多战术决策交给智能体。科学家仍定义目标并控制授权范围。在这些边界内，智能体可以检查工作单元、模拟替代方案、评估结果，并提出下一步操作。
这种分工与早期的自动驾驶实验室系统相似，但 Google 更强调推理与物理状态之间的桥梁。这一区别很重要，因为 AI 生成的实验协议在面对具体容器、液面高度、仪器和故障历史之前，都只是抽象计划。
SAMPLE 平台提供了一个有价值的历史参照。它结合机器学习、自动化实验和云实验室基础设施，以工程化方式开发热稳定性更高的酶。其智能体发现的变体，比起始序列至少稳定 12 摄氏度。
SAMPLE 证明了闭环蛋白质工程能够在真实适应度景观中探索。Google 正将这一概念推向通用智能体推理与实验室设备之间更具适应性的接口。
其他系统也已将语言模型与科学工具连接起来。一些系统可将自然语言指令转换为机器人协议；另一些则协调文献检索、计算分析或化学合成。但大多数仍运行在狭窄的工作流和经过精心准备的环境中。
这种局限性并非无关紧要的实施细节。科学仪器使用不同的接口、数据格式、物理布局和校准流程。在一台液体处理设备上有效的协议，在另一台设备上可能需要进行大量修改。
VERID 试图将实验含义与特定硬件分离。它的实体树描述了微孔板、孔位、液体、枪头和仪器之间的关系。智能体通过查询这些关系来工作，而不是只依赖文字描述或原始摄像头图像。
如果这种抽象能够泛化，实验室运营者便可在多种设备之间复用更高层级的智能体行为。如果不能，每次部署都需要进行大量定制化集成。这将保留传统自动化中大量的工程负担。
因此，眼下面临压力的是围绕僵化、专有工作流建立的供应商和实验室。评估新系统的客户可能开始询问：设备是否暴露实时状态、是否支持模拟、是否记录完整轨迹，以及是否允许自适应编排。
生物技术组织也面临一个数据问题。实验失败往往缺乏良好结构化记录、文档记录不一致，或者从未公开发表。然而，这些负面结果能够教会智能体：哪些计算候选物无法表达、折叠、特异性结合，或无法经受实体操作过程。
Google 的系统将执行轨迹视为训练材料，而非可被丢弃的操作日志。这使轨迹质量成为科学平台的一部分。拥有更丰富故障记录的实验室，可能同时改进其协议和智能体。
这种压力是长期性的，因为相关演示仍处于受控环境中。现有自动化不会在三项研究之后就变得过时。对于标准化检测、诊断、制造，以及任何经过验证的一致性比开放式适应更重要的流程，固定工作流仍然合适。
更有力的结论也更为有限。随着实验室智能体获得规划能力，静态自动化将成为发现工作中不完整的基础。未来系统需要可靠地表示当前物理状态，并将测量结果反馈到决策中。
Google 的 AI 湿实验室如何从失败中学习
核心机制不只是自主执行，而是将实验失败转化为能够改变下一次决策的信息。
适配体项目提供了最清晰的例证。适配体是可折叠成特定形状、能够结合分子靶标的短核酸序列。研究人员可以合成混合 DNA 文库，并通过高通量测序测量被筛选出的序列。
这一工作流程形成了快速反馈闭环。智能体提出候选方案，实验室筛选测量其行为，测序则为下一轮提供量化证据。该过程能够揭示结构模型从未预测到的失败。
在 alpha-thrombin 项目中，Google 报告称第一轮未发现任何结合体。固定引物悬垂序列干扰了 48% 序列的折叠。团队与智能体随即加入稳定侧翼茎结构，并使后续设计更加多样化。
随后，经确认的命中率在第二轮达到 26.0%，在第三轮达到 42.1%。Google 报告称，最终特异性达到 98.5%。这一进展支持了迭代式物理反馈的价值，不过其证据来自单一靶标项目。
肌红蛋白实验则出现了更具启发性的逆转。第二轮中，智能体强调表观结合亲和力，并在 63% 的设计中富集 G-四链体基序。这些 DNA 结构产生了强烈信号，但其中很大一部分具有误导性。
许多候选分子还会黏附于无关蛋白和裸磁珠。特异性从 75.0% 降至 19.1%。经磁珠校正后的命中率则从 10.2% 降至 3.7%。
纯计算排序可能会奖励同一种捷径。这些分子在简化目标下看似有效，却并未表现为有用的靶标特异性结合体。实验系统暴露了这种不匹配。
第三轮中，智能体限制了广谱结合基序，剔除了结合磁珠的候选物，并转向非 G-四链体结构。Google 报告称，特异性恢复至 72.4%，而靶标命中率提高了九倍，达到 33.5%。
这是将智能体锚定于生物学现实的最有力论据。该模型并非只是更高效地优化了一个分数；它遇到了表明该分数奖励错误行为的证据，随后改变了搜索策略。
同样的模式也出现在机器人层面。VERID 可通过几何和库存检查阻止已知的无效操作。更重要的是，同步观察能够暴露未知效应，包括液体分层和残留携带。
这种区别将验证与学习区分开来。验证关注某项操作是否满足已知约束；学习则关注为何一个有效操作产生了糟糕结果，以及下一份实验方案是否应当改变。
蛋白质设计工作将这一机制应用于另一种尺度。设计结合体需要生成骨架、选择氨基酸序列，并预测候选物如何与靶标共同折叠。重复进行结构预测会消耗大量计算资源。
Google 的表位切除方法从选定的折叠计算中移除了大部分靶标，仅保留局部结合区域。这降低了计算负担，同时使区域选择成为一项可调决策。
智能体可以改变结合位点，以及计算中所包含的周围结构范围。科学家保留高层控制权，而智能体负责这些战术选择和候选物生成。
Google 表示，在相同计算预算下，人类与智能体结合的工作流程相较于科学家独自工作，几乎将计算机模拟命中率提高了一倍。该流程还在更广泛的靶标位点中找到了命中结果。
湿实验筛选采用了酵母表面展示和荧光激活细胞分选。酵母表面展示将设计蛋白呈现在酵母细胞表面，而分选则根据荧光结合信号分离细胞。这些测量用于检验计算候选物是否如预期般发挥作用。
该项目产生了亲和力达到个位数纳摩尔级别的结合体。纳摩尔亲和力测量描述的是极低分子浓度下的结合强度，数值越低通常表示结合越紧密。
这一结果令人鼓舞，但亲和力只是开发性质之一。实用的治疗候选物还必须满足特异性、稳定性、可制造性、生物活性、递送、毒性和临床要求。该研究并未将这些后续阶段压缩为一个环节。
在这三个项目中，失败都成为结构化输入。几何错误会改变机器人计划；液体伪影会改变操作流程；非特异性结合会改变序列规则；昂贵的结构计算会改变搜索空间的表征方式。
这一机制也解释了为何实验室记录至关重要。科学家和智能体需要的不只是最终测量结果，还需要产生每项测量的条件、操作、视频、时序、状态变化和失败替代方案。
对研究机构而言，这在机器人挑战之外也带来了知识管理挑战。实验语境必须保持可搜索性，并跨越实验方案、样本、决策和结果保持关联。一个可搜索的知识库可以支持人工审查，但实验室级的可追溯性还需要专门的状态记录。
Google 的工作并未表明智能体具备通用科学判断力。它展示的是更具体的内容：当反馈闭环捕捉到恰当证据时，智能体能够修正狭窄的策略，而不是反复沿用计算假设。
物理锚定并不能消除可靠性问题
支持自适应智能体的同一批实验，也表明这些智能体多么容易优化伪影、误解物理条件，或超出可用证据的边界。
Google 的公开摘要强调了强劲的最终结果。但中间阶段的失败至少同样重要。alpha-thrombin 项目起初没有任何结合体，而肌红蛋白项目在优化了一个具有误导性的信号后，一度出现倒退。
这些案例证明了响应能力，但也揭示了对检测设计的依赖。智能体无法纠正实验系统未能测量到的捷径。糟糕的对照可能会将伪影转化为看似令人信服的目标。
肌红蛋白项目之所以发现非特异性结合，是因为流程中包含了脱靶蛋白和裸磁珠。若没有这些对比，富集的 G-四链体序列可能看起来很成功。更好的智能体推理无法弥补缺失的对照。
VERID 面临类似边界。其模拟能够检测数字孪生中已表征的约束。它可以阻止不可能实现的几何移动，或阻止从空孔中取液的尝试。未建模的化学和液体行为仍可能通过这一关卡。
染料实验通过摄像头和测量发现了此类效应。生物样本带来了更多变异性，包括黏度、起泡、蒸发、污染、细胞行为、试剂降解以及与实验室器皿表面的相互作用。
持续状态模型同样依赖准确感知。若体积估算、台面位置、试剂身份或设备状态出现错误，后续决策便会继承这一错误。持久化既能保存有用语境，也能同样有效地保留错误。
这些研究论文主要报告由 Google 研究人员主导的原理验证研究。其结果应被报道为公司支持的科学主张，而非已在不同实验室、硬件平台和研究团队中获得独立验证的结论。
可重复性将需要外部团队复现这些工作流程。这些测试应检验 VERID 能否迁移至不同仪器，智能体能否诊断陌生的失败模式，以及报告的分子收益是否能经受独立检测。
泛化能力带来了另一项不确定性。染料处理提供快速且易于解释的反馈。适配体循环相对紧凑。蛋白质结合体增加了生物学复杂性，但实验仍使用选定靶标、明确检测和有边界的设计空间。
通用自主湿实验室需要协调更多模糊不清的工作。它可能面临不完整的文献、相互矛盾的测量、漫长的实验周期、脆弱样本，以及无法被归约为单一分数的目标。
因此，“自主”一词可能具有误导性。Google 的系统包含人工策略、序列审查、实验方案验证、机器人监督和授权。该公司将目标描述为“人类指导的自主发现”，这更准确地反映了当前架构。
人工监督也提供了一道安全边界。Google 表示，每条设计序列都会接受生物安全筛查。这些研究使用受控、非传染性系统，不存在功能获得性风险，且智能体无法将未经验证的代码直接发送给机器人。
该公司将这些实践与其前沿安全框架相联系。然而，通用模型安全政策并不能解决每一种实验室特定风险。物理访问、样本来源、设备权限、审计流程和生物筛查都需要运营层面的控制。
更广泛的自主性与有意义的审查之间也存在张力。当智能体只提出有限数量的实验时，人工授权尚可管理。当多个智能体生成并执行大量自适应分支时，监督会变得更困难。
审查人员需要既保留关键细节、又不会令其不堪重负的摘要。当模型提出糟糕实验、集成层错误地翻译其内容，或仪器产生错误数据时，他们还需要明确责任归属。
网络安全也成为实验室安全的一部分。联网工作单元会接收影响物理样本和昂贵设备的数字指令。访问控制、签名命令、隔离网络和防篡改记录都将成为科学基础设施。
商业采用将取决于经济性，而不仅仅是实验表现。VERID 需要经过校准的几何信息、实时状态跟踪、同步视频、机器人集成以及维护完善的实验器皿定义。这些系统增加了工程和运营成本。
当自适应实验能够减少失败运行或加速有价值的发现时，这一方法可以证明投资合理。对于现有自动化已能可靠执行的简单、稳定流程，其吸引力则较弱。
因此，Google 展示的是可信的构建模块，而不是对实验室科学家或自动化工程师的通用替代方案。这项工作通过确定智能体推理与物理状态之间的必要接口，缩小了问题范围。
该接口仍需要在生物复杂性、设备多样性和持续运行条件下得到验证。在这些测试出现之前，最负责任的解读是：自主性已在受监督的边界内得到扩展。
三项信号将表明这些构建模块是否能成为平台
下一阶段应根据整合、独立复现，以及人工监督能否在不沦为形式的前提下扩展来评判。
第一个信号是通过 VERID 运行完整的蛋白质发现闭环。Google 将这一整合确定为下一步。这样的演示将把智能体规划、机器人执行、实验测量和策略修正连接在一个可追溯系统中。
重要证据不应只是又一个表现强劲的最终结合体。读者应关注其能否从仪器故障中恢复、检测检测伪影、记录实验方案变更，以及清楚记录哪些决策来自人类。
成功整合将强化 Google 的论点：这三个项目构成了一套可复用的架构。若无法将它们连接起来，则可能意味着每项成果都依赖于独立设计的流程。
第二个信号是跨实验室和硬件的独立复现。外部团队应使用不同的移液工作站、仪器、实验耗材和生物学目标，复现核心的安全与学习行为。
这种迁移能力之所以重要，是因为实验室自动化高度碎片化。如果每个新工作单元都需要定制模型和大量人工修正，语义表示的价值就十分有限。复现将检验 VERID 的抽象能否在 Google 的环境之外依然成立。
独立实验还应评估分子层面的结果。研究人员需要确认其特异性、亲和力、稳定性和功能相关性。可复现的性能将把有前景的内部研究转化为支持这一更广泛方法的更有力证据。
第三个信号是衡量人工监督的运营指标。Google 应披露人员拒绝智能体提案、纠正状态错误、在运行期间介入以及修订科学目标的频率。
一个自主系统看似有效，但实际上可能暗中依赖大量专家劳动。透明的干预指标将揭示，智能体究竟是在减少工作量、重新分配工作，还是增加了又一层审核。
这些数据同样关乎安全性。只有在故障仍然罕见、控制措施依然灵敏的情况下，较低的干预率才有意义。在研究阶段，较高的干预率或许是适当的，但这会削弱其关于可扩展自主性的主张。
未来的报告应区分物理自主性、科学自主性和组织自主性。机器人可以自动执行实验流程，而科学家仍然选择每一项实验。智能体可以选择实验，而技术人员仍需维护每台仪器并验证每个样本。
最强大的平台会明确这些边界。它应允许科学家定义目标和约束条件、检查智能体的推理过程、审计每一项物理操作，并在不丢失实验状态的情况下停止执行。
对开发者而言，机会在于接口、模拟器、溯源系统和评估方法。仅靠模型无法实现可靠的实验室自主性。它们需要以结构化方式访问仪器、获得经验证的状态信息，以及能够将生物信号与运营噪声区分开来的反馈。
对生物技术领导者而言，关键不在于是否取代研究人员，而在于应在哪些环节部署自适应自动化，以缩短学习周期而不削弱控制。具有可衡量结果和快速实验反馈的窄范围项目，仍是最可信的起点。
对科学家而言，Google 的自主湿实验室值得关注，因为它们能让失败的实验也具备计算价值。该研究表明，当实验室记录了足够的上下文信息时，智能体可以从物理世界中的矛盾中学习。
悬而未决的问题是，这一过程能否扩展到经过精心限定的演示之外。值得关注的是：统一的蛋白质项目、独立的跨实验室复现，以及公开发布的人工干预数据。这些信号将表明，Google 构建的是一个研究原型，还是新一代实验室平台的基础。
