AI接管实验室？自主实验室，正在北京开启科研新范式｜科学智能北京范儿

想象一下：一个实验室，没有人，但实验24小时不停。AI在深夜提出一个假设，机械臂随即开始配液、反应、检测，清晨数据回传，接着AI又开始设计下一轮实验。这不是科幻电影，这是正在北京发生的科研新范式——自主实验室。

何为自主实验室？

新一代科研基础设施

自主实验室是以AI为核心驱动、以自动化设备与科学仪器为执行载体、以标准化数据为运转基础的新一代科研基础设施。如何理解和认识自主实验室，有以下三个维度：

1.从实验室形态变革看，自主实验室代表未来实验室演进的重要前沿方向，是面向AI时代的新一代科研基础设施。实验室经历了从传统手工实验室到自动化实验室、再到智能化实验室、最终迈向自主实验室的渐进式跃迁过程。这一演进并非简单的技术叠加，而是科研范式的根本性重塑——每一次跃迁都伴随着科研生产力主体的深刻变化：从“人手+人脑”到“机器替手”、再到“AI替脑”、最终实现“AI+机器全面替代”。

表1  实验室自动化形态发展的三个层次

表格信息来源：北国咨根据公开信息整理

2.从“自主”含义看，具备“自主感知、自主决策、自主执行”三大自主能力。自主感知，AI大脑通过传感器或数据输入感知当前状态或环境，将物理世界映射为数字信息。自主决策，基于感知数据与科学假设，生成实验方案并动态调整参数。自主执行，通过自动化设备执行移液、反应、检测等操作，无需人工干预。最终实现从实验设计、执行、检测到分析的全流程闭环。

3.从技术架构看，由“AI大脑、黑灯实验室、高质量数据”三支柱构成。自主实验室的核心并非某一单项技术，而是这三个支柱组成的闭环体系。AI大脑承担“人脑”角色，从科学问题出发，基于已有知识和数据生成实验假设，设计最优实验方案，并在实验进程中持续优化策略。黑灯实验室承担“身体”角色，将AI大脑生成的实验假设转化为物理世界的实验验证，实现24小时高通量无人化执行。高质量数据承担“血液”角色，将实验室产生的海量原始数据转化为可被机器理解和AI有效利用的结构化信息，回馈AI大脑。三者循环往复，形成“数据驱动决策，决策指导实验”的持续进化飞轮。

综上，自主实验室深度整合了人工智能、具身机器人、高通量仪器等技术，是实验室形态演进、能力跃升与技术架构三重变革的集中体现，是新一代科研基础设施，对科技创新具有颠覆性的现实意义。需要指出的是，理想状态下实现全流程闭环的自主实验室仍在迭代完善，在复杂场景自主决策等方面还存在技术瓶颈，距离完全无人工干预的终极形态，还有较大演进空间。

北京发展态势：

政策、生态与落地场景

当前，我国各地在AI for Science（AI4S）领域竞相布局，上海聚焦“智能实验室”、合肥侧重“智能科学家”，北京在全国率先提出建设“自主实验室”，其内涵远不止于自动化升级，而是以“AI大脑—黑灯实验室—高质量数据”全链条闭环为核心特征的科研范式重构。北京已集聚全国众多的AI4S研究机构和自主实验室创新企业，政策先行、生态聚合、应用场景落地三重优势叠加，发展态势强劲。

（一）政策先行：一套快速落地的政策组合拳

日前，北京加快布局自主实验室赛道，打出一套政策组合拳。短短五十余天，推动自主实验室从顶层概念，快速走向国家标准立项与一批示范场景落地。

图片来源：根据公开资料整理，北国咨绘制

图1  北京市建设自主实验室推进时间线

顶层设计率先破题。7月1日，《北京市加快推进人工智能赋能科学研究实施方案（2026—2028年）》正式出台，首次在市级政府文件中将“加快自主实验室体系建设”提上日程。方案不仅明确了要出台建设标准、开展分级评估，更要通过市级固定资产投资、科技创新券、专项债等多重手段，为建设主体保驾护航。

资金与标准双轮驱动。7月24日，市科委、中关村管委会发布自主实验室—AI原生仪器“揭榜挂帅”专项榜单，加速科研仪器的全流程自动化、智能化和高通量改造升级；7月31日，全国首个自主实验室国家标准《人工智能 自主实验室通用技术要求》正式立项，填补了自主实验室领域通用技术标准的空白。

场景全面铺开。8月11日，北京面向生命科学、量子科技、医疗健康等六大前沿领域，公开征集自主实验室储备课题，加快推进自主实验室体系建设，赋能科研实验全流程提质增效。

标杆效应初显。8月21日，在2026科学智能大会上，北京市首批16项AI4S的典型案例重磅发布，其中近三分之一（5项）聚焦于自主实验室，意味着这一新兴科研范式，不再只停留在政策文件层面，已经涌现出一批示范落地案例。

表2  5项自主实验室体系建设案例

表格信息来源：2026科学智能大会

（二）“自主实验室+”：正在成形的产业生态

2026年7月14日，市科委、中关村管委会统筹指导，召开2026自主实验室大会，同时揭牌成立了中关村仪创智能实验室创新发展联盟，这也是全国首个自主实验室领域跨领域产业协同组织，由京仪、仪综所、中国信通院、戴纳科技、青元开物等单位联合发起，首批意向成员超100家，成为推动北京自主实验室生态建设的重要标志。目前，自主实验室发展正加速演进，虽然尚未抵达其终极形态，但以黑灯实验室、智能化实验平台为代表的初级形态已在北京落地，产业生态雏形初具。总体看，北京呈现“上游AI大脑强、中游解决方案有标杆、下游应用场景多”的特点。

上游，已形成AI4S算法与软件创新集群，包括深势科技（Uni-Lab-OS）、和光智成（XuanLab玄基）、北京科学智能研究院（DPA系列科学基座模型）等核心技术供给方，以深势科技为例，其自研的智能实验室操作系统Uni-Lab-OS，已接入1800余种仪器设备型号，支持自然语言全流程控制实验；智能仪器领域包括京仪集团、青元开物等提供单机仪器设备，如青元开物高性能液体工作站可灵活配置移液模块，移液范围覆盖1μL-2000μL，样本通量可达96个，显著提升实验效率与数据可靠性；自动化设备领域，包括源络科技、东阳光未来实验室科技等。

中游，以戴纳科技为代表的集成商，其模块化作业单元和UDI-Stack协议栈已支撑无人化7×24小时不间断运行工程化落地，成为连接上游技术与下游需求的纽带。目前其商业模式以出售自主实验室整套系统设备及配套运维服务为主，提供“AI+黑灯实验室”全生命周期解决方案，并正积极探索设备租赁等灵活服务模式。

下游，以北大、清华、中国科学院等高校院所为重要应用方，同时覆盖生物医药、新材料、新能源、化工等领域龙头企业的内部研发与质检实验室。如北京大学邓宏魁院士团队已发布全球首台集成人工智能全流程控制的化学重编程干细胞智造平台，占地只有6平方米，全程120余个复杂工序都能实现无人运行，化学重编程效率提升至少3倍，且封闭空间几乎杜绝样本污染，各批次样本一致性达到95%以上。

图片来源：根据公开资料整理，北国咨绘制

图2  北京自主实验室产业生态图

（三）典型应用场景：多元领域加速落地

自主实验室除服务常规科研场景外，更因其无人化特性，正加速向高危和高成本场景延伸——一方面替代人工操作有毒有害物质，减少科研人员健康风险；另一方面应用于海上实验平台等特殊环境，简化人员往返流程、降低作业成本。

从用户类型看，主要面向高校院所、企业。高校院所聚焦基础研究与前沿探索，通常在自有实验室内构建自主化平台；企业包括大型企业和第三方检测服务平台企业，大型企业自建内部研发与质检实验室，第三方共享检测服务平台企业对自主实验室也有需求，主要为中小企业提供服务。从领域分布看，北京已形成覆盖检测、化工、新材料、新能源、生物医药等多元场景的落地格局。检测与化工两类场景因技术成熟度高、改造周期短，率先实现突破——平谷建成全市首个市场监管系统“黑灯”AI实验室，单日可完成约100份食品样本全流程无人检测；北京化工大学获批化工过程具身智能北京市重点实验室，重点解决化工生产中的安全与效率问题。新材料与新能源处于核心技术攻关期，和光智成XuanLab玄基实验室单日实验通量等效百人研发团队，吉利汽车与深势科技共建联合实验室加速电池材料筛选。生物医药因合规门槛高、生态协同要求严，尚处探索期，诺康达建成医药研发黑灯实验室，探索AI驱动的药物研发新模式。此外，自主实验室应用正加速向农业、环境、法医鉴定等领域渗透，应用边界持续拓展。

发展研判：

现实挑战与未来启示

自主实验室发展依托AI4S范式的兴起，当前仍处于起步阶段，面临的挑战不少：数据孤岛严重、科学模型精度不足、高端仪器成本高昂。同时，这一赛道还存在合规与实验可复现性、成本经济性、人机分工的科研文化、标准化落地等真实痛点。但这些困难恰恰说明，自主实验室的规模化落地，必将推动其三大支撑要素同步升级。

一是推动高质量数据集建设。数据常被比作人工智能的“燃料”，但低质量、碎片化、不合规的数据非但不能驱动模型进步，反而会放大算法偏见、产生虚假信息、带来安全隐患。与此同时，高价值的行业数据长期散落在不同主体之间，缺乏统一标准、规范标注和持续更新机制，形成了形态各异的“数据孤岛”。自主实验室越普及，对结构化、标准化、可复现实验数据的渴求就越强烈。正因如此，国家数据局已印发《关于推进行业高质量数据集建设行动的实施方案》，聚焦科学研究等领域推进行业高质量数据集建设，北京在《北京市加快推进人工智能赋能科学研究实施方案（2026—2028年）》中也提出要推进科学数据中心建设。

二是倒逼科学大模型迭代。自主实验室要实现“假设提出-方案规划-数据采集-计算仿真-实验验证-创新发现”全流程自主，离不开懂物理化学规律的科学模型。北京已推出磐石科学基础大模型、DPA原子大模型等成果，但自主实验室在生物医药、新材料、新能源等细分场景的深度应用，将持续对模型精度和适配能力提出更高要求，二者相互驱动、螺旋上升。

三是催生高通量仪器与智能设备需求。自主实验室要把AI设计方案转化为真实实验数据，必须依赖高通量仪器、具身机器人等执行层硬件。北京在相关政策中已明确提出支持AI原生高端科学仪器的研发，推动仪器智能化和高通量改造升级。可以预见，自主实验室将为下一代科学仪器产业开辟明确的增长空间。

自主实验室能否真正成为下一代科研基础设施，答案不在技术本身，而在于我们是否愿意重构科研数据的生产方式、人才培养体系甚至科研评价标准。这是一场关于“怎么做好科学”的深层变革，而北京，刚刚写下了序章。