近日，《上海證券報》“上證觀察家”欄目整版刊發晶泰科技董事局主席溫書豪署名文章《實驗室科學智能：通用智能躍遷的黃金場域》。《上海證券報》作為新華社主管主辦的資本市場權威主流財經媒體，其“上證觀察家”欄目匯聚商界、產業、學界等各行業精英和領袖的專業洞見，為投資者研判科技走向與市場趨勢提供深度參考，共同見證新質生產力的蓬勃興起。

以下為文章全文：

2026 年將是重塑全球科技格局的開篇之年。隨著人工智能（AI）全球競速邁入關鍵階段，“十五五” 規劃綱要啟動實施，有望為驅動我國科技自主創新注入強勁動能，將其推向新的戰略高度。今年政府工作報告首次提出 “打造智能經濟新形態”，并將深化拓展 “人工智能+” 行動作為加快發展新質生產力的核心引擎。這一宏大部署標志著我國人工智能發展正從單純的技術突破“上半場”，全面轉向與實體經濟深度融合、創造物理世界 “增量價值” 的 “下半場”。

在此背景下，科學智能（AI for Science）將超越單一技術范疇，躍升為培育通用人工智能（AGI）的核心引擎，成為全球突破關鍵技術瓶頸、塑造創新發展新范式的關鍵戰略支點。

回望人類文明史，實驗室始終是科學革命的熔爐。牛頓的棱鏡實驗揭示光譜奧秘，貝爾實驗室的晶體管突破改寫電子史……每一場變革都源于實驗室這個“思辨論證場域”的持續探索。當全球都把目光投向通用人工智能之際，科學智能領域已悄然積蓄了十余年之力。在長期的探索與實踐中，我們逐漸認識到：實驗室科學智能正以其獨特生態，構建 AGI 能力躍遷的黃金場域。

實驗室：通用智能的

“高階訓練場”與認知躍遷的熔爐

當前，人工智能正經歷從學習互聯網 “存量知識” 的上半場，向通過與物理世界交互創造“增量知識”的下半場的關鍵躍遷。

站在通用人工智能的黎明時分，一個判斷愈發清晰：實驗室科學智能，以其獨特的應用場景與能力塑造，正構成人工智能通向通用人工智能廣義智慧的必經之路與黃金場域。所謂科學智能，是指以人工智能賦能科學研究為使命的前沿交叉領域，其核心在于運用機器學習、深度學習等技術手段，從海量實驗數據與復雜科學現象中提煉規律、構建模型，進而加速科學發現與技術創新。它不僅是 AI 在科研領域的深度應用，更是推動 AI 自身從靜態知識處理向動態認知建構演進的關鍵路徑。

科學研究是凝練人類公理與方法、理解并改造物質世界的核心活動。這一應用場景，使科學智能既能代表AI的前沿應用，也能成為推動 AI 向通用人工智能演進的關鍵引擎。

現代實驗室的本質，是一個 “感知—認知—行動” 的高階閉環智能訓練場。在這里，人工智能不僅需要理解復雜的科學原理，更要具備將抽象理論轉化為具體實驗操作的能力。這種能力的培養，遠超傳統 AI 的靜態學習模式，直指通用人工智能的底層能力，其優勢聚焦于三個核心步驟：

一是感知與決策融合。智能實驗室可以通過跨模態數據的即時解析與決策聯動，實現對復雜儀器狀態的動態響應。現代實驗室的核心特征，在于充斥著復雜儀器與微觀數據的可視化表達。以基因測序為例，一臺智能化的基因測序儀需要實時識別并判斷熒光信號的細微差別，并據此進行下一步操作。這一過程，本質上是感知與決策融合的深度訓練：人工智能系統需要通過“看”并理解顯微鏡下的細胞狀態、化學反應的實時變化，甚至極微弱的粒子軌跡圖像；再結合歷史數據與科學模型去 “想”，做出實時決策；然后 “決定” 實驗的推進方向或參數調整，最終實現高動態環境中的信息精準提取與決策生成。利物浦大學的科研團隊研發了一種 “移動機器人化學家”，能讓 AI 在真實的實驗室中自由穿梭，并根據多達 10 種實驗儀器參數的感知與解析，決策下一步的實驗與配方設計，在 8 天內自主完成了 688 次實驗，成功將一種光催化劑配方的效果提升至 6 倍，驅動了一系列機器人實驗領域的研發探索。

二是 “手腦并用” 的具身認知與實踐。實驗室為人工智能提供了將抽象理論轉化為物理操作的關鍵場域，使其構建 “思考—執行—反饋” 的閉合回路。科學研究的本質是 “想” 與 “做” 的統一。以材料合成領域為例，AI 系統不僅需要在理論層面完成分子結構的預測，還要將這一抽象指令轉化為一系列精確的物理操作，從微升級液體移取到納米級材料組裝，每一步都是對 “思考—執行—優化” 完整鏈條能力的全面錘煉，也是邏輯與判斷的延伸。這種 “理解即行動、行動即反饋” 的認知模式，模擬了人類大腦在復雜任務中的動態決策路徑，推動智能體從靜態推理邁向自適應行動。

三是最為關鍵的海量數據洪流與即時反饋的強化學習。高通量實驗設備每天產生 PB 級的數據流，從質譜圖譜到高內涵細胞影像與類器官反饋，涵蓋了多個尺度和復雜體系。這些數據為智能模型提供寶貴而稀缺的 “食糧”。更為重要的是，實驗本身的進度與每一步 “干預” 后的即時實驗反饋，也構成一個高密度、高價值的強化學習循環。這種精確、即時、目標明確的反饋機制，遠非現實世界碎片化信息可比，能極大地提高智能體理解世界因果關系的效率，加速認知躍遷。基于海量的數據反饋，麻省理工學院的大規模多模態模型與機器人實驗平臺 CRESt 用三個月的時間探索 900 多種化學成分，完成 3500 次電化學測試，以算法主動診斷、糾正實驗錯誤與異常，最終設計出一種前沿的催化劑，其成本性能提升 9.3 倍，材料研究效率遠超傳統科研模式。這種在真實閉環中習得的因果推理能力，正是通向通用人工智能的核心能力之一。

實驗室作為 “第一生產力” 的策源地，其智能化水平將直接決定一個國家在關鍵核心技術領域的突破能力。回望科學史的演進脈絡，從牛頓力學的斜面實驗，到達爾文用畢生標本采集與案頭研究構建的 “思想實驗室”，再到愛因斯坦關于相對論的 “思想實驗” 推演，每一次偉大的科學理論突破，無不是在提出假設后，經過反復的實驗設計、儀器操作、數據收集、分析驗證的循環，被反復錘煉而成。

從歷史的角度看，人類的進步本質正是一場持續千年的心智演化實驗。當全球科技競爭進入白熱化階段，實驗室智能化正以前所未有的深度重新定義科技主權：誰能在實驗室智能領域率先取得突破，誰就能顯著影響關鍵技術突破的速度與質量，掌握未來科技發展的主動權。

科學智能的產業革命:

從效率提升到范式重構

當人工智能在實驗室中完成了感知融合、具體認知與因果推理后，一場更為深刻的變革悄然開啟。實驗室科學智能的價值遠不止于對現有科研流程的效率改善，而在于它正在重塑知識生產的基本模式。人工智能若欲復制并超越人類在實驗室中摸索試錯、探尋理解世界與改造世界方法的這一歷程，實驗室場景將為科學智能引發一場深刻的產業革命，提供無可替代的 “可控加速” 優勢，開辟產業變革新局。這種優勢，集中體現在以下三個方面：

其一，實驗室作為因果關系的精確訓練場，為人工智能提供理解物理世界的底層機制的 “標準試題”。在受控的實驗條件下，“改變變量 A 導致結果 B” 的因果鏈條，可通過精心設計的實驗得到清晰、可重復的驗證。相較于現實世界的復雜噪音環境，這種確定性訓練環境，使人工智能得以在純凈的 “變量—結果” 對應關系中建立對物理規律的準確認知。這正是人工智能從實驗室走向藥物研究、材料設計等實體產業時，能夠快速適應復雜場景的原因。

其二，實驗室是安全與高效的容錯空間，為AI提供了低成本試錯的理想環境。試錯是人工智能成長的核心基石。在實驗室中可控地失敗，即便產生如化學合成產率低下、生物培養條件不優等結果，其代價與風險也較為可控。這種低風險環境，賦予 AI 進行更密集探索、更大膽嘗試的自由。在催化劑發現過程中，AI 可以嘗試千萬次失敗的酶反應，而這恰恰是通向一次成功發現的必經之路。機器學習過程中的每一次 “錯誤” 都可能成為通向全局最優解的基石。

其三，實驗室是復雜知識的密集集成與驗證的平臺，為通用人工智能提供跨學科整合的土壤。通用人工智能必須具備跨學科整合能力。以一臺現代化的生物材料合成工作站為例，其操作與解釋需要深度融合材料學、化學、生物學、儀器科學等多領域知識。正是在這種融合處理復雜任務的場景中，AI 才能真正學會理解、調用并創造新的知識。比如，DeepMind 團隊在 AlphaFold 蛋白質結構預測上取得的突破性成果，其核心算法正是建立在海量實驗數據的持續訓練與迭代閉環上。

從單點到體系:

科學智能產業落地的關鍵路徑

展望未來路徑，推進實驗室科學智能的產業落地，需要完成從 “單點能力” 到 “體系化能力” 的戰略躍遷。中國企業若要在該領域實施系統性的戰略布局，推進實驗室科學智能從專用走向通用，需聚焦并突破以下關鍵環節：

首要任務是構建可擴展的跨學科智能體架構。當前科學智能應用存在嚴重的碎片化問題，不同學科領域各自為戰。我們需要開發能夠跨學科遷移的基礎 AI 框架，打造能理解抽象符號知識、適配不同儀器接口、具備共享經驗與協作能力的基礎智能體框架，以實現基礎科學到實驗科學等領域的智能體融合。

其次，加強物理世界 “具身” 操作能力的工程化突破。讓 AI 系統真正 “走進” 實驗室，必須將視覺、力反饋、精密操作深度融合，提升 AI 在精密儀器操作中的 “手眼協調” 能力，使其能像熟練的科學實驗員一樣靈活操控復雜的物理實驗裝置。當前，行業先行者已驗證：融合視覺算法與智能體工程的 “機器人科學家 ”范式，其實驗效率是傳統實驗室的 40 倍；在特定任務中的精確度可以比人類提高一個數量級。這類技術的突破，將大幅拓展 AI 在實驗科學中的應用邊界。依托粵港澳大灣區、長三角及京津冀等地區完備的智能硬件供應鏈與成本優勢，加速超大規模自驅動科學智能實驗室的規模化部署，將使其轉化為價值巨大的科學數據引擎，重塑實驗科學的生產邊界。

再者，發展可解釋的因果模型至關重要。當前，AI 系統的 “黑箱” 特性嚴重制約了其在科學研究中的應用深度。要突破這一局限，需要建立科學可信的決策機制，推動 AI 從 “經驗擬合” 走向 “主動認知”。這不僅要求 AI 預測結果，更要解釋 “為什么”，賦予其具備科學發現中的深層推理、理解與顛覆性創新的能力。

偉大的文明往往誕生于實驗室的探索中，智能的躍遷正循著同樣的軌跡加速前行。實驗室科學智能不再僅僅是輔助工具，它融合了視覺與決策、手腦協同以及海量數據的即時反饋，已成為培育通用智能的黃金場域。在這既可控又充滿挑戰的 “人工世界” 中，AI 得以學習世界因果、掌握科學方法，并進行創造性探索。我們將在此見證，真正的通用人工智能如何以科學為藍本，實現從邏輯推理到創造突破的質的飛躍。

中國憑借海量的產業應用場景、完備的工程化能力、龐大的市場需求以及全球最完整的工業體系，有望在科學智能領域形成引領性優勢。實驗室科學智能是中國科技創新發展的重要機遇。在這個充滿挑戰與希望的變革中，我們期待具身智能、大模型與智能體在產業端百花齊放，更期待它們在實驗室這一源頭場景中加速科學發現、牽引產業升級，推動新質生產力成長，并以科學為藍本推進中國的通用人工智能穩健演進，為持續提升人類理解世界與改造世界的能力貢獻中國智慧。

* 以上內容轉載自《上海證券報》