AI开始自己做实验了¶

你有没有想过，世界上最枯燥的工作是什么？可能不是在流水线上拧螺丝，而是在实验室里把同一种溶液滴进同一种烧杯，重复3000次，只为找到一个"也许存在"的新材料配方。

现在，这件事也不用人类做了。

过去一年，"自主实验室"（Self-Driving Lab）这个概念从学术论文走进了现实。AI不再只是帮你写邮件、画图、做PPT，它开始穿上白大褂，走进实验室，自己设计实验、自己操作设备、自己分析数据——然后自己决定下一步该做什么。

这不是科幻，这是2026年真实在发生的事。

什么叫"自己会做实验"？¶

传统实验室的工作流是这样的：科学家看文献 → 提出假设 → 手动做实验 → 等结果 → 分析数据 → 再调整 → 再做实验。一个循环下来，短则几天，长则几个月。

自主实验室的流程是反过来的：AI先读取几万篇论文和实验数据 → 自动生成数千个候选配方 → 机器人臂24小时不停做实验 → 传感器实时采集每0.5秒一次的数据 → AI即时分析 → 选最优路径继续迭代。

北卡罗来纳州立大学去年7月在《Nature Chemical Engineering》上发了一篇重磅论文：他们建了一个动态流实验系统，一次实验能收集的数据是传统方法的10倍，而且——训练完成后，AI第一次尝试就能找到最优材料。

自主实验室机器人正在操作实验

我们换个方式来理解这个加速。

以前一个博士生花三年，可能就是找一种新的电池材料。期间要把几百种元素组合试一遍，失败了记笔记，调整参数再来。三年后能不能找到，还得看运气。

自主实验室干同样的事，不需要三年。三个月，可能只需要三天。

伯克利国家实验室的A-Lab项目是目前最激进的案例之一。那里全是机器人：自动称量、自动混合、自动加热、自动测试。人类研究员只需要告诉系统"我要一种更便宜的光伏材料"，剩下的全部由AI和机器人完成。据项目负责人透露，A-Lab的产出速度是人工实验室的50到100倍。

这不是省力，这是直接换了一个数量级。

今年年初，欧盟启动了FULL-MAP项目，投入2000万欧元（约合人民币1.5亿），专门用自主实验室研发下一代电池材料。目标很直接：让欧洲在固态电池上不要被中国和美国甩开。

美国这边，NSF（国家科学基金会）也搞了一个AIMS生态系统——基于云的AI材料科学平台，让全美高校的研究员都能远程调用自主实验室。你在纽约写代码，机器人在加州替你跑实验。

IBM、Google DeepMind、英伟达也都在入场。DeepMind把晶体稳定性预测模型开放给了合作方；英伟达用Modulus框架做半导体工艺的高精度仿真；IBM直接做了一套"AI化学家"系统，能看文献、提假设、查合成路线。

最大的信号是：这东西正在从学术概念变成工业标配。

科学家在监控室远程操作实验室

这个问题问得有点早，但方向是明确的。

自主实验室不是来替代科学家的——至少现阶段不是。它替代的是"实验操作"这个环节，就像计算器替代了手算、Excel替代了账本。

但有一个变化已经在发生：科学家的角色在变。

以前一个优秀的化学家，核心能力是手稳、观察细、凭直觉判断反应。现在这些能力正在变成"可自动化"的。取而代之的，是"提出正确问题"的能力、是"理解AI为什么不选那个方向"的能力、是跨学科整合的能力。

说白了，拧烧瓶的时代快要结束了。想问题的时代刚刚开始。

目前最热的几个落地领域：

回到开头那句话：让一个人重复滴3000次溶液的世界，正在消失。不是因为它不体面，而是因为——机器做得更快，AI想得更全，人类的时间应该有更好的用处。

我们最好奇的可能是：当AI开始在实验室里自己发现新现象、提出新假设的那一天，站在旁边的科学家，会是一种什么心情。

科学发现这件事，从来都是"站在巨人的肩膀上"。现在巨人自己会走路了。