“智能+自动化”双轮驱动，人工智能实验室赋能多领域

　　人工智能（Artificial Intelligence，AI）是新一轮科技革命和产业变革的重要驱动力量。人工智能、物联网（loT）和自动化技术的发展，给实验室的运作方式带来一场深刻的变革，即人工智能实验室运用而生。人工智能实验室指集成机械臂、机器视觉、大数据、物联网、AI决策模型等新兴技术，将研发思路通过编程表达出来，利用系统自动高效完成研发、检测流程，甚至包括生产过程，替代人工完成重复性、精细化、危险性高、可复制的实验环节的解决方案。人工智能实验室又称“智慧（无人）实验室”或“黑灯实验室”（Dark Lab或Lights-out Laboratories），后者的命名更侧重对应用情景的描述。

　　人工智能实验室问世，解决了传统实验室对人工操作的依赖及效率低、误差率高等问题，通过自动化设备和智能管理系统，实现了实验流程的无人操作、7×24小时无人值守和全自动化运行，提高了实验的精确度和效率，降低了人力成本和安全风险。目前，我国已有多家企业专注人工智能实验室，实现了技术转化和应用。

　　本文关注人工智能实验室在我国发展状况，探讨智能实验室的核心技术、自动化实验流程的实现方式，以及相关政策法规标准的情况。

图1 智慧无人分析检测系统场景图

我国AI智能实验室的发展现状

　　随着人工智能技术日益成熟，人工智能与各行各业的协同发展日趋加速，“人工智能+”的概念深入人心。我国人工智能实验室的发展呈现“顶层设计引领、多元主体参与、应用场景驱动”的特点，涵盖国家级研究机构、高校实验室、企业研究院和新型研发平台等多个层次，虽然人工智能实验室在我国还处于初级阶段，但已在技术研发、产业落地和生态构建方面取得显著效果。

智能实验室赋能更多行业领域

　　AI智能实验室可广泛适配各类研发场景，通过无人化实验操作，不仅提升效率，还能同步强化灵敏度、安全性和质量稳定性。有报道称，在空间与能耗管理方面，智能实验室面积最高可缩减85%，能耗平均降低50%以上，可显著优化科研投入产出比，重新定义智慧实验室的效能标准，全方位满足客户对高效、智能、安全实验室的需求。

　　智能实验室最早在制药领域得到应用，目前其在制药领域的效果已经得到彰显。2024年11月，龙头企业英矽智能发布了“全球首个由AI辅助决策的自动化实验室”。今年3月中关村论坛年会，北京脑科学与类脑研究所与华大智造联合打造的“全自动无人化黑灯实验室”正式亮相。制药企业晶泰科技利用人工智能实验室强大的计算预测能力，帮助辉瑞进行新冠口服药晶体结构预测，使得该药上市时间缩短6个月，2022年这款药物的销售额高达189亿美元。

图2 北京脑科学与类脑研究所与华大智造联合打造的“全自动无人化黑灯实验室”

　　我国智能实验室的发展已从单点技术突破转向规模化落地，由生物医药和高端制造领域，扩展到更多应用场景，大幅提升了实验的精度和效率，同时降低了成本，推动不同行业领域加速跨越式升级。目前，人工智能实验室已经赋能多个领域，制药领域之外，还在环境、食品安全、化工合成等领域也得到应用。

　　人工智能实验室的推出源于市场需求、技术趋势与企业战略的深度共振。据称，“十四五”期间，生态环境领域共设有国控断面共计3600余个，河流断面3000多个，覆盖将近2000条河流，湖库点位三百多个，覆盖两百多个湖库。国家社会需投入极大的人力物力去支持手工采测分离，由于监测范围广，数量大，负责测试人员工作任务繁重，很难有效完成监测任务。因此，形成全自动化检测系统，是释放人力、降本增效，进一步实现实验室数字化建设、智能化建设的一种有效手段。这种情况下，睿科和北裕等仪器生产企业抓住了水质检测的市场需求并及时完成战略布局。

　　人工智能在催化领域也得到应用。催化反应体系复杂多变，催化剂的性能受很多因素的交互影响，如工艺条件、制备方法和多组分配方等。为了确定有效的催化剂合成路径，通常需要进行大量、繁琐的实验验证，因此市场对高通量合成技术的需求日益增加。通过循环实验，逐步优化催化剂的组成和合成条件，筛选出某特定反应性能最佳的催化剂，对催化剂的科学研究有着重要意义。

图3 欧世盛推出的催化剂高通量实验与反馈结合的闭环

　　在农产品安全、粮食收购和食品安全抽样检测方面，人工智能实验室可以代替人，满足收购前、进厂检测或市场监管抽查，最快速度拿到检测结果，加速物质的流通。

　　人工智能实验室的建设和推广，不仅能加快研发和检测，还有助于仪器生产企业巩固技术壁垒，此外，还能积极响应国家“设备更新+国产替代”的政策导向，加快在高端实验室自动化市场的前瞻性布局。

国家政策支持和资本青睐

　　在战略上，国家的“十四五”规划明确推动科研设施智能化升级。2022年，《国务院关于加强数字政府建设的指导意见》中强调，“全面推动生态环境保护数字化转型，提升生态环境承载力、国土空间开发适宜性和资源利用科学性，更好支撑美丽中国建设。”该文件与《新一代人工智能发展规划》《人工智能赋能产业高质量发展行动方案》等政策形成协同，共同推动AI在公共领域的落地。2023年，工信部联合其他部委提出《人工智能赋能产业高质量发展行动方案》，推动人工智能技术赋能实体经济。

　　2025年8月26日，国务院印发《关于深入实施“人工智能+”行动的意见》（简称《意见》），旨在推动人工智能与经济社会各行业各领域广泛深度融合，《意见》提出，要以科技、产业、消费、民生、治理、全球合作等领域为重点，深入实施“人工智能+”行动。在“人工智能+”科学技术方面，要加速科学发现进程，驱动技术研发模式创新和效能提升，支持智能化研发工具和平台推广应用，加强人工智能与生物制造、量子科技、第六代移动通信（6G）等领域技术协同创新。《意见》还提出了发展要求：到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%。到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%。到2035年，我国全面步入智能经济和智能社会发展新阶段。

　　从地方政策角度，北京、上海、深圳等一线城市对建设智能实验室提供补贴，而上海最高补贴更是达到500万元。

　　智能实验室近年受到资本的普遍青睐，2023年智能实验室相关融资超50亿元，代表性企业包括镁伽科技、晶泰科技等。2024年，受经济下行的大环境影响，该领域投资有所缓解，但较其他行业还是更容易受到资本青睐。

相关标准的颁布与实施

　　与智能实验室相关标准很多，但要么聚焦检测自动化、无人化，要么聚焦信息管理智能化，只有少量团标或地标关注AI智能实验室。按照标准的起草制定的程序和发展顺序，未来必然会有相应行标、国标问世。

　　与人工智能实验室相关的GB/T有好几个，代表性的包括：《GB 19489-2008 实验室生物安全通用要求》，提出了实验室自动化操作的安全要求；《GB/T 29479-2012 移动实验室通用要求》中，涉及了无人化实验室的部分技术规范；《GB/T 36377-2018 智能实验室 信息管理系统通用功能要求》，聚焦实验室信息管理的智能化。这些标准为智能实验室的发展指引了发展方向和规范了行业。

　　2020版《中国药典》在通则9101《药品质量标准分析方法验证指导原则》中，提到自动化设备可用于替代传统手工操作，如自动滴定仪、自动溶出仪等，但需验证其等效性。部分检测方法，如高效液相色谱法HPLC，明确允许使用自动化系统进行数据采集和处理。2025版《中国药典》进一步强化了实验室自动化和智能化，新增对全流程自动化的指导，鼓励实验室引入自动化样品前处理系统，如自动称量、稀释、过滤、机器人辅助实验等。在微生物检测等领域，明确推荐使用自动化培养、计数系统。在《药品质量分析指导原则》中，提出可借助人工智能AI和机器学习（ML）进行数据分析和异常值判断，但需验证算法可靠性。要求自动化系统与实验室信息管理系统（LIMS）或电子实验记录本（ELN）集成，实现数据无缝对接。

　　相关行业标准主要有：《YY/T 1789-2021 人工智能医疗器械 肺部影像辅助分析软件算法性能测试方法》，虽针对医疗AI，但部分技术可延伸至智能实验室；《JB/T 12962.2-2016 实验室设备 第2部分：自动化样品前处理系统》。此外，还有地方标准和团体标准。如，上海发布的《DB31/T 1303-2021智慧实验室建设评价规范》；2024年中国环境监测总站牵头，包括仪器生产企业上海北裕、谱育科技等参与起草的团体标准《T/CSES 149-2024 水质监测智能无人实验室建设与运行维护技术要求》发布实施，标志着智能无人实验室的可靠性、稳定性被更多人认可，相信假以时日，相关行业标准和国家标准会启动。

图4 团体标准《水质监测智能无人实验室建设与运行维护技术要求》

AI人工智能实验室的核心技术

　　AI智能实验室集成机器学习AI算法管理平台、智能机器人、自动控制设备与先进实验仪器，实现无人化操作与全流程闭环控制，为科研工作提供全方位、智能化的支撑。

　　人工智能实验室的技术突破的重点体现在全流程自动化与信息化。多技术平台的融合进一步拓展了智能实验室的能力边界，通过整合质谱、色谱、光谱、理化分析等核心技术，构建了覆盖多领域的检测解决方案，能够灵活应对不同科研场景的需求。

人工智能与机器学习

　　人工智能在实验室中的应用，主要体现在数据分析和决策优化上；而机器学习属于人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

　　机器学习是通过算法和模型，使计算机从数据中自动学习并进行预测或决策，其核心目标是让计算机在没有明确编程指令的情况下，通过对大量数据的分析，识别模式和规律，从而构建适应新数据的模型。机器学习包括监督学习、无监督学习和强化学习等不同类型，广泛应用于图像识别、自然语言处理、推荐系统和自动驾驶等领域，具备自适应、自动化和泛化能力，是数据驱动的技术创新。而ChatGPT的问世，标志着语言模型迈入实际应用阶段，推动机器学习从文本扩展至图像、语音、机器人控制等多模态任务，开启了通用人工智能的新阶段。

　　机器学习的理论基础可追溯至18至19世纪的数学研究。英国数学家托马斯·贝叶斯提出贝叶斯定理，为基于先验知识与新观测数据的概率推理提供了框架，后被广泛用于朴素贝叶斯分类器，尤其在自然语言处理与文本分类中应用广泛。机器学习的目标是使用计算机预测未知的事件或场景。1959年，亚瑟·塞缪尔（Arthur Samuel）将机器学习描述为“赋予计算机在没有明确编程指令下学习能力的研究领域”。

　　机器学习算法可以分析历史实验数据，优化实验参数，预测实验结果，甚至自主调整实验方案。而在光谱/质谱数据分析中，利用机器学习对复杂光谱数据进行模式识别，提升检测效率，如水质分析中的多参数联测。

物联网与设备互联

　　智能实验室中的仪器设备通过物联网技术实现互联互通，数据实时上传至云端或本地服务器，供人工智能系统分析和决策。普析通用开发的数字化实验室数据管理系统实现接样、分配、数据自动录入、结果汇总、报告审核全流程样品管理。基于SOP详细信息跟踪计算，准确统计分析人、机、料、法、环，准确评估与预测实验室检测任务潮汐需求变化。既可实现实验数据全流程自动采集、记录、计算以及 原始记录报告的自动生成和质控，提升检测实验室的效率，缩短重复转录、计算、审核时间。这也是智能实验室必备的。

图5 普析通用开发的数字化实验室数据管理系统

自动控制设备与先进实验仪器

　　自动化检测设备的应用，如在样品前处理、加样（包括样品和试剂）、样品转移等环节，机械臂和自动化工作站可以替代人工操作。睿科和元析的自动化样品处理系统能够实现无人值守的连续运行，提高通量和一致性。

智能监控与预警系统

　　实验室部署的智能监控系统可以实时监测设备状态、环境参数和实验进程，一旦发现异常（如仪器故障或数据偏差），立即触发警报或自动执行修复程序。

　　在环保领域，通过AI算法优化污染物，如VOCs、重金属等的实时监测数据准确性，结合物联网实现异常预警。

人工智能实验室的优势与挑战

优势

　　关于人工智能实验室的优势，前边其实已经阐述，这里笔者再做一个归纳：（1）提高效率：自动化设备可24小时运行，缩短实验周期；（2）减少人为误差：AI和机器人操作比人工更精确，数据更可靠，可实现数据溯源；（3）降低成本：减少人力需求，优化资源利用；（4）增强安全性：避免人员接触危险化学品或高温高压环境。

机遇与挑战

　　智能实验室作为检测实验室未来发展的趋势，机遇和挑战并存，挑战主要表现在以下三点：（1）初期投资高，智能实验室需要昂贵的自动化设备和系统集成；（2）技术门槛，需要专业人才进行维护和优化；（3）数据安全，自动化系统依赖网络，需防范黑客攻击和数据泄露。

结束语

　　人工智能实验室代表了实验科学的未来方向，国内一些仪器企业，如睿科、谱育、北裕、欧世盛、晶泰、元析、镁伽科技、海尔及专门从事实验室业务的戴纳科技等正在推动这一变革。通过无人操作、无人值守和全自动化流程，实验室可以更高效、更安全地运行，为科研、环境生态和工业检测提供强大支持。尽管仍面临挑战，但随着技术的逐渐成熟，智能实验室必将成为主流，重塑实验科学的运作模式。