乍看之下，上海新落成的物质科学实验室给出了最干净利落的 AI 奇观：房间空无一人，仪器仍在运转。7 月的一场五日公开运行中，直播镜头记录机械设备依次完成取样、反应、分离、提纯和测试，研究人员始终没有进入操作区。运行结束后，设施团队报告系统共处理 135 项科研任务。[3]

空房间在这次演示里承担的意义很有限。实验室自动化可以在人员预先界定流程后重复操作。更难的工作，是让一个科学问题从计算走入物理化学，完整保留实际发生的一切，再让得到的结果——包括没有带来有效线索的结果和失败结果——决定下一步。

沿着这条线索，才能看清 Golab。这座“物质科学智能研发工厂”由上海科学智能研究院牵头建设，并交由其孵化企业上海格物智研科技有限公司运营。机器人握住试管只是这项中国 AI 实践很浅的一层；团队真正尝试的，是把模型与实验室之间的交接变成可重复使用、可检查的系统。返回链路运转起来，失败就能成为训练材料；链路一旦断裂，“自进化”便只剩自动化外面的一张标签。

空房间只是最浅的一层

Golab 一期自驱动实验室于 2026 年 6 月在上海漕河泾新兴技术开发区投入运行。项目在 7 月 7 日正式发布，主办方同时启动为期五天的“百题马拉松”。原定计划包括约 100 项计算（“干”）任务，另从催化剂、高分子、电解质和药物筛选等方向选取 5 项物理（“湿”）实验。[1][3]

《上观新闻》的后续报道显示，这场运行于 7 月 11 日 21 时结束；相较调整后的 102 项计划，系统实际处理了 135 项任务。报道给出的总体完成率为 99%，工具调用正确率为 100%，工具完成度高于 95%。[3] 这些运营数据有参考价值，不过都由项目团队提供，报道也没有给出逐项任务结果表、错误分类、对照实验计划或独立复现。它们表明一次长时间编排运行确实完成了，尚不足以确定这套系统能在多大范围内发现更优的分子或材料。

这一区别很重要，因为“任务”二字可以把负担悬殊的工作纳入同一个数字。生成分子、开展虚拟筛选、合成候选物、提纯产物、表征性质，以及判断证据能否支持原始假设，这些工作的负担与含义相差很大。把它们混在同一个计数中，得到的更接近工作量合计，距离科学成绩还有一层。

封面所用的纪实照片拍摄于 7 月 7 日媒体演示，记录的是实际设施，没有采用想象中的 AI 实验室图像。[2] 镜头能够直接证明的部分很明确：设备已经安装，并在一个真实地点运行。其余主张仍需记录来证明。

软件与化学相遇之处

Golab 将系统分成三部分。“燧人”系列物质科学模型构成计算层，自驱动实验室承担物理操作，位于二者之间的“浑天绫 Skills”平台则把算法、数据、算力和实验能力封装成可组合单元。智能体由此可以把计算模拟给出的方案转成实验室指令，再把测量数据送回模型。[1]

真正的工程难点位于中间一层。官方介绍称，团队集中解决了合成与分离、提纯之间的自动衔接；这类反应后的处理环节，常常会让一场原本亮眼的实验室演示中断。[1] 模型可以在几秒内提出一个候选物，物理世界依旧会产生沉淀物、混合相、挥发性前体、堵塞的管路、含义不明的光谱、受污染的样品，以及难以分离的产物。系统若无法处理这些情况，或把问题明确升级给人类处理，自动化覆盖的就只有科学中整洁的部分。

Golab 的核心因此落在编排上，单个巨型科学模型无法概括它。真正决定系统能否工作的接口十分朴素：样品身份、仪器状态、单位、时间戳、校准信息、配方版本、环境条件、错误消息，以及测量记录与催生该实验的假设之间的关联。任何一个字段丢失，都会削弱结果返回模型时的可信度。

成熟的自驱动实验室研究也指向同一点。机器学习、自动化设备和一轮轮实验选择需要彼此接续，完整闭环才是这类系统的价值所在，任一组件都不能单独说明全貌。[4] Golab 的贡献最终要落到一项证据上：物理结果确实改写了下一项拟议实验，系统返回的内容也超过一个“成功”标记。

失败实验必须完整走完返回链路

项目官方介绍称，负向结果和失败结果会被保留、结构化，再送回模型纠偏。[1] 这个目标正对着科学记录中的长期缺口。科学档案更容易留下成功终点；那些能够约束搜索范围的淘汰条件和无效路线，记录往往残缺。持续运行的实验室可以产出一致性很高的负向数据，因为同一个系统知道自己尝试了什么、怎样尝试、仪器观察到了什么，以及这次运行为何被判定为失败。

失败结果本身不会自动变成有用的教训。系统至少要分清三种情况：科学假设有误；计划中的流程在化学上说得通，但规范写得有问题；机器未能按合理方案完成操作。若把三者统统放进同一个标签回传，模型学到的只会是一团模糊。

此时，恢复能力的证据比高调宣称更有分量。2026 年的一套自主实验室机器人评估框架提出，可信系统应报告每一步的错误率、单次运行内部及多次运行之间的差异、故障模式与恢复结果，以及完整的数据和实验协议溯源。安全措施、人工接管、能源使用与材料消耗也被纳入系统评估范围。[5] 放到 Golab 上，智能体是否调用了正确工具只是第一问；读者还应能够复原工具接受调用后发生的一切。

以提纯为例。若目标化合物的预测正确，却在分离过程中损失，模型就不能把分子设想记作失败。仪器校准发生漂移时，可疑测量应触发对照或复测，避免让它直接引导搜索。反应若产生意外物相，原始表征数据和当时的解释都要保留下来，因为后来的方法会用不同方式读取同一份证据。这些区分，才是“自进化”的起点。

计分板需要实验计划之间的对照

自驱动实验室需要参照方案。近期一篇基准研究综述把 加速因子（acceleration factor） 定义为达到目标性能所需实验次数的减少幅度，把 增强因子（enhancement factor） 定义为相同实验预算下取得的性能改进。综述涵盖的文献中，加速幅度差异很大，并受搜索空间、噪声和基线选择影响；报告中的中位数为 6，这一数字取决于原有实验条件，无法直接套用到新实验室。[4]

Golab 下一份公开报告若采用这类实验计划对照，信息量会高得多。针对一个范围明确的材料问题，团队可以让自主系统与经验丰富的研究人员使用相同的起始数据、目标性质、试剂集合、安全约束、仪器时间和湿实验次数上限。结果除了给出最佳候选物，还应呈现整条过程：失败尝试、仪器实际占用时间、人工干预、故障恢复、材料消耗，以及改进开始趋平的节点。

这次 135 项任务的运行尚未达到这种基准的要求。它覆盖面广、公开程度高，作为整合测试很有价值，但广度也让分母难以解释。公开的工具指标说明工作能否在系统内流转，却没有给出最终科学结果相对随机搜索、固定实验设计或由熟练研究人员主导的实验计划究竟改善了多少。[3][4]

同一个数字也无法覆盖所有领域。催化剂搜索、电解质优化和药物筛选流程采用不同的测量方法，面对不同的风险和验证深度，假阳性带来的后果也各异。跨领域复用的可信度主要来自基础设施层，包括身份管理、调度、溯源、仪器控制和故障恢复；科学成效仍需随具体任务分别定义。

“无人”让人的判断换了位置

自主材料合成的发展历程为这类系统划出了一条有用界线。在一项受到广泛关注的 A-Lab 研究中，集成系统结合计算、从文献提取的配方、机器学习、主动学习、机器人和 X 射线衍射，寻找无机材料。经过 17 天和 353 次实验，2026 年 1 月更新后的论文报告称，在 57 个目标中成功制得 36 种化合物。研究人员随后通过人工调整进一步验证这 36 项成功结果；另外 4 例仅凭衍射仍无法定论。未成功的运行暴露出反应动力学迟缓、前体挥发、非晶化和计算误差；这些故障类别各自需要不同的补救办法。[6]

这些结果支持自主实验室，同时也要求把“自主”定义得更精确。机器可以在范围明确的实验条件内操作、观察和调整；人负责选择目标、设定安全规则、供应并维护设备、裁定含义不明的表征结果，并决定一项结果是否构成发现。人的角色由重复操作转向系统设计与科学判断。

Golab 主办方也给出相近定位：平台接手逐项配置实验室基础设施的工作，让研究人员把精力集中在提出什么问题，以及如何解释结果上。[3] 这种表述比“一人科研公司”式话语更有说服力。共享自动化可以扩大昂贵仪器的使用范围，也能把常规工作标准化；专业知识依然是必要条件。

闭环需要怎样的证据

下一批证据的规模可以更小，纵深要超过另一场马拉松。项目方可以公开少量完整实验轨迹，包括机器可读的实验配方、仪器日志、原始表征数据、模型版本、被放弃的分支、恢复决策，以及镜头外发生的人工干预。还要分别定义干实验计算、物理操作、提纯、测量和科学验证各自在什么条件下算完成，再由另一家实验室复现其中一轮实验计划。

计划中的二期占地近 3,000 平方米，拟于 2027 年初在青浦投入运行；届时将检验 Golab 的接口在仪器、领域、用户和并行任务增加后，能否继续可靠运转。[1] 规模扩张会放大系统记录良好的部分，也会放大错标的失败和难以察觉的设备错误。

失败实验因此成为最能揭示系统能力的单元。成功会同时给模型和机器加分；失败则逼迫系统说明自己是否知道发生了什么、能否恢复，以及物理世界提供的结果是否真的改写了下一步决策。Golab 若能保住这条链，上海得到的将超出一间空无一人的实验室：它也为实验工作留下了一套记忆。

Sources

1. 上海市经济和信息化委员会 / 上海科学智能研究院，《科研技术闭环+OPC模式！“Golab物质科学智能研发工厂”在沪落地，上智院推动产业AI化》（2026 年 7 月 10 日；关于干湿闭环、系统组成、提纯衔接、马拉松设计与扩建计划的中文一手资料）。
2. CGTN，《中国首座完全无人化 AI 驱动研发实验室在上海启用》（2026 年 7 月 8 日；项目启动时间线与纪实封面照片来源）。
3. 《上观新闻》，《这场直播为什么受关注》（2026 年 7 月 13 日；五日运行的完成情况与工具指标，以及最初的干、湿任务设计）。
4. Adedire D. Adesiji 等，《Benchmarking Self-Driving Labs》，Digital Discovery 5（2026），14–27（加速因子与增强因子、参照实验计划及跨研究比较的限制）。
5. Ali A. I. Ali 等，《The ADePT framework for assessing autonomous laboratory robotics》，Communications Chemistry 9（2026）（关于错误、恢复、溯源、安全与可持续性的报告要求）。
6. Nathan J. Szymanski 等，《An autonomous laboratory for the accelerated synthesis of inorganic materials》，Nature 624（2023），2026 年 1 月更新（A-Lab 闭环结果、人工验证与不同故障模式）。