本文来自微信公众号： 生态学时空 ，作者：复旦赵斌，原文标题：《【本周Nature】AI自主机器人在实验室半年做了3万次实验，生物学家真的要被取代了吗？ | 一起读顶刊-2026》
4个月、40多轮实验、测试1231种试剂组合，博士生终于把试管里合成蛋白质的成本降低了6倍；而另一边，AI驱动的自主机器人实验室，只用6个月就测试了超3万种实验条件，在这个基础上又把成本再降40%。
2026年2月，这项发表在预印本平台bioRxiv上的研究，在全球生物学界掀起了一场激烈讨论：当大语言模型能设计实验、机器人能亲手操作，生物学家真的会被AI取代吗？
什么是自主机器人实验室？
我们常听说自动驾驶汽车，而在生物学研究领域，自主机器人实验室（也叫全闭环自动化科研实验室，业内常形象地称作无人科研实验室），本质上就是能实现生物学研究全流程自主运行的智能系统。它由三个核心部分组成，完美复刻了科研的完整流程：
AI大脑：以GPT-5这类大语言模型为核心，负责提出实验假设、设计实验方案、解读实验数据、迭代优化方案，甚至还会自己写实验记录；
机器双手：实验室自动化机器人，负责完成液体转移、试剂调配、样本检测等重复性的湿实验室操作，精准执行AI设计的实验方案；
人类监督者：科研人员负责提供实验基础材料、调整实验底层规则，把控研究方向，无需参与具体的实验操作。
而这次AI和人类的比拼，聚焦的是合成生物学的核心技术——无细胞蛋白质合成。通俗来说，就是不用活的细胞，直接在试管里用生物零件合成蛋白质。这项技术是生物医药、生物制造的核心工具，但长期以来成本居高不下，一直是领域内的卡脖子难题。
要降低成本，就需要不断测试糖、氨基酸、细胞提取物等上百种成分的不同组合，找到最优配方——这正是最考验科研人员时间、精力和耐心的体力活，也恰恰是自主机器人实验室的主场。
AI vs人类：是降维打击，还是站在巨人的肩膀上？
在这场蛋白质合成的效率比拼中，自主机器人实验室的表现，确实刷新了很多人对生物学研究的认知。
首先是实验规模的碾压级差距。人类博士生花了4个月，最多只完成了1231种组合的测试；而AI驱动的自主机器人实验室，在6个月里完成了超3万种实验条件的测试，实验规模是人类的20多倍。对于这种需要海量试错的参数优化工作，AI的效率是人类难以企及的。
更让人意外的是AI的生化推理能力。在实验初期，研究人员还没有给AI开放互联网权限，也没有提供人类博士生的研究成果，AI就在自己的实验记录里，提出了和人类团队一模一样的省钱试剂替换方案。OpenAI生命科学研究负责人Joy Jiao坦言：这个模型已经具备了相当不错的生化推理能力，而不是简单的文献搬运。
而在获取了人类的研究成果和文献权限后，AI更是实现了质的飞跃，最终拿出的配方，在人类已经把成本降低6倍的基础上，又进一步压缩了40%，直接超越了当时人类的最优水平。
看到这里，很多人会觉得：生物科研的内卷，已经从人和人的竞争，变成了人和AI的竞争？但事实是，AI的突破，本质上依然是站在人类研究的基础上实现的。
主导人类实验的斯坦福大学合成生物学家Michael Jewett指出，AI最终的配方，和人类团队的方案大体相似，目前还无法判断，人类的研究成果到底为AI的设计提供了多少关键参考。而AI能实现的，依然是在人类设定的降低蛋白质合成成本这个明确目标里，做参数优化和效率提升。
别焦虑！自主机器人实验室还有这些无法突破的硬伤
尽管自主机器人实验室展现出了惊人的效率，但《自然》杂志采访的多位业内专家都明确表示：这项技术离全面取代生物学家，还有非常远的距离。它的短板，恰恰是人类科学家的核心优势所在。
1.机器人手太笨，精细操作根本做不了
AI模型的能力再强，也需要机器人落地执行，而操作灵活性不足，是目前自动化实验室最大的瓶颈。
很多生物学实验，对操作的精细度要求极高：比如制作超薄的组织切片、给模式动物做显微注射、处理复杂的临床组织样本，这些需要科研人员多年经验积累的灵巧操作，现有的实验室机器人根本无法完成。更不用说药物研发中必不可少的动物模型实验，其产生的毒性数据等关键结果，根本无法用试管里的自动化实验替代。
2.只会做有标准答案的实验，搞不定探索性研究
自主机器人实验室最擅长的，是有明确、可量化检测指标的实验：比如这次研究里，用荧光蛋白的产量来衡量合成效率，目标清晰、结果可量化。
但绝大多数生物学研究，根本没有这样简单直接的评价标准。很多基础研究的核心是探索未知，没有预设的实验终点，也没有现成的检测方法，甚至连实验方向都需要在过程中不断调整。这种高度不确定性的探索性研究，是现有的AI工具无法驾驭的。
3.成本门槛极高，不是所有实验室都能用得起
全闭环的自动化实验室，需要配套昂贵的液体处理机器人、检测设备和系统搭建，成本极高。正如麻省理工学院生物工程师Evan Collins所说：并非所有的实验流程，都值得投入如此高的成本和复杂度去做全闭环自动化，尤其是只需要做少量实验的研究场景。
这也意味着，自主机器人实验室很难普及到每一个科研课题组，未来更可能以高校、企业的共享平台，或是云端实验室的形式存在——科学家可以远程提交实验需求，不用亲手操作，但依然要主导实验的设计和方向。
4.能优化方案，却提不出真正的科学问题
这是AI最核心的短板，也是人类科学家不可替代的根本原因。
纵观整个科学发展史，真正推动学科进步的，从来不是海量的参数优化，而是全新的科学问题的提出、颠覆性的科学假说的建立。从DNA双螺旋结构的发现，到基因编辑技术的发明，都是源于科学家的创造性思维和对未知的好奇心。
而现有的AI，哪怕能完成3万次实验，也依然是在人类设定的科学框架内做优化。它无法自己提出“无细胞蛋白质合成能不能用全新的体系实现”这样的颠覆性问题，更无法完成从0到1的原始创新。
未来的生物学研究，到底会是什么样？
说到底，自主机器人实验室从来都不是生物学家的对手，而是生物学家的超级工具。
在此之前，一个生物专业的博士生，可能有大半的时间都耗在配试剂、移液、跑胶、重复试错这些重复性工作上，真正用来思考科学问题、分析数据的时间少之又少。而自主机器人实验室，恰恰能把科研人员从这些繁琐的体力劳动中彻底解放出来。
就像威斯康星大学麦迪逊分校的蛋白质工程师Philip Romero所说：这就是生物学的未来。这个未来，不是AI取代人类，而是人类驾驭AI，实现以前根本无法想象的研究规模。
以前，一个课题组穷尽几年时间，只能完成上千组实验；现在，借助自主机器人实验室，科研人员可以在几个月内完成数万组测试，把以前想都不敢想的大规模实验变成现实。而科学家的核心能力，也将从熟练的实验操作，更多地转向提出高质量的科学问题、设计研究框架、解读数据背后的科学规律、做出原创性的科学发现。
正如文中的博士生Meagan Olsen所说，看到自己的研究成果被其他团队推进，是一件非常令人欣慰的事——哪怕这个团队里，有一个AI。
科学研究的终极目标，从来不是考验人类能做多少次重复实验，而是探索生命的未知。而AI的出现，从来都不是为了取代科学家，而是为了让人类能站在更高的地方，看向更远的科学边界。
解读文献：
https://doi.org/10.1038/d41586-026-00453-8
https://www.biorxiv.org/content/10.1101/2025.08.01.668204v1