AI 系统要从化学实验中学习，样品得先经过称量、混合、转移和测量。每一步都存在延误和信息丢失的风险。有前景的分子预测，要在实验室里与真实的实验结果对应起来，才具有实际用途。

晶泰科技（XtalPi）的业务，正是沿着这条从预测走向实验、再由实验返回数据的路线展开。 公司由三位物理学家于2015年创立，从晶体结构预测起步，在开发计算工具的同时开展实验室业务。其中文公司大事记记载了几个节点：2018年建设湿实验室，2020年开展自动化研究，2022年推出标准化机器人集群。如今，公司将自己的系统描述为科学模型、软件智能体与机器人执行相互衔接的整体，并在深圳和上海部署了大规模机器人设施。[1]

值得追问的是，这些环节的衔接，有多少能从公司自述之外得到印证。公开记录给出了几种不同的答案：一份实验室采购项目的中标公告、一家机构对运行中实验流程的报告，以及一项使用晶泰科技硬件的已发表材料实验。这几类证据，让公司的 AI 战略呈现得格外具体。

本文依据截至2026年10月10日核查的上述记录及公司公开资料展开分析。下文涉及的部署与研究，均保留各自原有的日期。

软件得知道样品瓶去了哪里

晶泰科技的中文平台文档将系统分为实验室机器人、专业 AI 模型和管理软件。机器人负责化学操作与数据采集，模型用于预测和实验设计，软件则统筹设备、记录、排程与物料。设备目录列有 XmartChem 合成工作站、电解液工作站和 ChemPlus 固体分配器。[2]

其中，软件层值得细看。晶泰科技介绍的功能包括可视化实验流程编排、设备调度、库存追溯和异常处理。实验要与记录准确对应，这些都是实际所需的功能。一次测量若追溯不到对应的材料、制备过程或样品，模型就无从学到有用的信息。[2]

设想一次筛选实验：其中一个样品瓶始终没有加入预定的溶剂。将它记为一次失败的化学反应，与将它记为一次中断的实验，会让模型学到不同的东西。自动化程度提高后，能否保留这类区别，决定了它带来的价值。真正有用的进展，是得到一个来龙去脉都能还原的结果。

同时掌握计算工具和实验设备，其战略吸引力就在这里：公司可以着手改善两者之间的交接。这项优势到了客户的实验室里能否延续，取决于系统集成、维护，以及实验室实际生成的记录质量。

横琴案例：可追溯的客户记录

2024年7月25日，中国政府采购网公布，深圳晶泰科技中标位于横琴的广东省中医药实验室智能化自动化定制平台项目。公告列明采购数量为一套，中标金额为人民币44.928百万元。这份记录确认了一项采购决定；平台此后能否成功运行，还需另有证据。[3]

机构发布的报道补上了下一环。2025年6月19日，广州中医药大学刊发横琴实验室的报道，介绍平台已完成调试与能力验证。报道说，14个工作站和两台移动机器人已连成自动化实验流程，覆盖从中药化学组分的分离提取到细胞功能评价的各个环节。实验室称，已从单味中药制备并分析了超过2,000个组分。[4]

大学网站的报道未提及晶泰科技。供应商身份来自采购记录，运行情况来自实验室的叙述。两份材料合读，能够确认的是：设备采购之后，相关机构报告了一套已集成的平台及其运行情况。[3][4]

这一证据区分之所以重要，是因为打通实验流程本身就已是一项实质性交付。样品必须在各道工序之间流转，身份信息也必须始终可辨。至于 AI 模型决定下一项实验的频率、人员介入的频率，以及流程是否产出了有效药物，这些文件均未给出证明。它们最有力地说明了实验室按既定顺序完成一系列操作的能力。

晶体研究呈现了各环节的分工

一个更细致的例子，于2025年10月30日在线发表于《美国化学会志》（Journal of the American Chemical Society）。Huiyu Liu 及其同事将机器学习与自动化筛选结合，用于研究极性有机共晶；这类材料的性质与分子排列密切相关。研究平台配备了晶泰科技的 ChemPlus 固体分配器，以及机械臂、液体处理设备和计算机视觉系统。[5]

论文记录了一个很有用的细节：摄像头扫描二维码，把实物样品瓶与其数字化实验方案及结果关联起来，另一台摄像头则监测结晶过程。模型帮助确定候选对象的优先次序，自动化设备制备并筛选样品，衍射测量确定晶体结构。研究报告称，整轮实验在20种溶剂中测试了13组分子配对，六周内发现了六种极性共晶。[5]

这些结果对应特定的化合物类别和实验流程。晶泰科技全部业务的研发速度，以及不受限制的自主发现能力，都超出了这项研究的验证范围。研究的明确贡献，是记录了一套分工：预测缩小搜索范围，机器执行筛选，测量核实最终生成的物质。应将其理解为机器学习指导的自动化筛选；仅凭这项研究，还不足以认定自主选择实验并重新训练模型的循环已得到独立验证。[5]

怎样让这条路线更有说服力

机构记录与已发表的实验展示了晶泰科技技术进入科研的两种方式：一是定制整套实验室设施，二是为科学家自行搭建的平台供应部件。第二种方式容易被忽略。一台好用的分配器，即使置于他人开发的系统中，也能发挥重要作用。

对晶泰科技而言，更难实现的目标，是让实验数据改善后续决策。要证明这一点，需要展示连续多轮实验的证据：哪些结果改变了模型，模型随后选择了哪项实验，以及在预算相当的条件下，这些选择是否改善了搜索效果。一张机器人忙碌运转的照片，回答不了这些问题。

持续运行本身，也不能用来衡量科学发现的成效。实验室执行大量高度重复的实验，未必能获得多少新知识；少量精心挑选的测量，则有机会澄清一项重大的不确定性。有说服力的说明，需要把实验吞吐量与可用数据联系起来，再展示这些数据如何带来更好的科学决策。

因此，接下来最有信息价值的披露，应当跟踪完整的一轮研究，涵盖失败的实验、人员介入和验证过程，让人看清起点的实验问题，以及终点新增的知识。晶泰科技已有看得见的设备，也有身份可查的外部用户。其更大的愿景能否兑现，要看真实实验结果能否可靠地成为下一项有价值实验的依据。

来源

1. 晶泰科技，《关于我们》（中文），公司发展历程与实验室所在地；访问日期：2026年10月10日。
2. 晶泰科技，《智能自主实验平台》（中文），设备、模型与管理软件文档；访问日期：2026年10月10日。
3. 中国政府采购网，广东省中医药实验室智能化自动化平台中标公告，2024年7月25日（中文）；供应商、系统规格及中标金额。
4. 横琴实验室，《广东省中医药实验室举行进展发布会》，广州中医药大学，2025年6月19日（中文）；平台运行情况报道。
5. Huiyu Liu 等，《数据驱动的极性有机共晶发现：机器学习与自动化筛选的结合》，Journal of the American Chemical Society，2025年10月30日在线发表；经同行评审的最终版本，包含机器人平台与实验结果。
6. 晶泰科技，公司投资者关系网站所载的实验室照片；访问日期：2026年10月10日。