一句话看懂：具身智能机器人正从工厂走进国家级科研实验室，承担细胞培养、药物筛选等长流程实验操作。AI for Science 的竞争重心，正在从“算力模拟”转向“物理世界执行”。
事件核心：发生了什么
今年 7 月中旬，源络科技与国家级科研平台实验室联合研发的人形机器人 Monte2 正式落地，承担试剂取放、自动分液、细胞毒性检测等完整实验流程，实验室内无需人员值守。该实验室计划到 2027 年底将机器人规模扩展至约百台，由 AI 统一调度集群，被相关负责人称为“实验科学的产业革命”。
在此之前，Monte2 已在华大制造投入使用。类似的自主实验室浪潮正在全球同步推进：英国利物浦大学的系统在《Nature》发文，连续 8 天自主完成 680 次实验；伯克利 A-Lab 在 17 天内合成 41 种新材料；卡内基梅隆大学的 Coscientist、谷歌 DeepMind 的 Co-Scientist 等系统则在探索让 AI 自主完成文献理解与实验设计。
为什么重要
实验室机器人的意义不在于替代某个人工环节，而在于改变科研实验的运行形态。传统自动化设备按预设程序执行单一动作，无法理解实验对象与环境变化；源络科技提出的“实验室 3.0”则强调以物体为中心的物理原生模型（OPN），让机器人理解试剂、样本、仪器之间的交互关系，在数小时连续操作中保持亚毫米级精度，并根据多模态感知实时调整动作。
这背后是 AI for Science 的路线分化：过去几年市场关注的焦点集中在大模型辅助文献分析、分子生成与性质预测，属于“计算驱动”；而现在，机器人执行端开始补齐。2023 年一项科学计量学研究指出，颠覆性科研成果指标呈下降趋势，而自主实验室的价值正在于把科学家从重复性操作中解放出来，让其精力回归更需要判断力的环节。
对用户/开发者/创作者的影响
对生物医药、材料科学、化学分析领域的科研团队而言，这套方案意味着实验通量瓶颈可能被打破。人工操作中移液深度、加样量等细微差异经常导致结果偏差，而机器人能够在多设备协同场景下保持一致性，适合流程长、跨夜运行、涉及危险或污染物的实验任务。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对机器人开发者与 AI 应用团队而言，Monte2 的落地验证了一条可行路径：底层大模型负责实验方法设计，具身智能负责物理执行。这意味着“具身智能 + 垂直场景”不再停留在演示阶段，而是有了真实运行环境与数据集沉淀。源络科技已发起「原点计划」，面向高校、科研院所、生物医药企业寻找首批 100 位合作伙伴，共同开放真实科研场景。
值得关注的后续
一是百台集群的推进节奏。实验室计划 2027 年底达到约百台规模，这一扩张速度将检验多机器人协同调度的实际稳定性，而非单台设备的演示能力。
二是不同技术路线的竞争演化。英国的利物浦大学、美国的伯克利 A-Lab 与源络科技分别以不同架构切入自主实验室赛道，未来一年内是否出现可复制的标准化产品，将决定市场格局。
三是成本与商业化的可行性。目前公开信息未披露 Monte2 的单台成本与维护费用，对高校和中小型药企而言，机器人实验室能否从国家级平台下沉到普通研究机构，仍取决于单位实验成本的下降幅度。
来源：InfoQ CN
