就在今天，AI機器人初創Medra正式發布美國規模最大的AI全自動自主實驗室ML001。

這座實驗室不到90天建成，占地3.8萬平方英尺，配備數百臺機器人，全天候不間斷運行。

結合現在的Agent+自動化實驗室技術，公司提出了“物理AI科學家”的全新概念。

平臺完整覆蓋設計—制備—測試—分析全科研閉環：從提出科學假設、設計實驗方案、開展科學邏輯推演，到落地實體實驗操作，全部流程均可在同一體系內自主完成。

該公司已與基因泰克等企業達成落地合作，業務覆蓋抗體研發、蛋白質工程、基因編輯、基因組學、細胞生物學等多個領域。

當AI能夠自己完成所有科研工作，人類科學正在被徹底改寫。

實驗室，該更新了

當前AI+藥物研發，軟件遠遠超過了硬件。

例如，AlphaFold2近幾年來已經更新到了第四代AlphaFold4，能夠快速涉及分子，但設計出的分子還辦法快速過驗證。

尤其是，標準的實驗室自動化設備，已經存在了二十年，API和任務界面都很過時。科學家工作臺上只有大約5%的儀器屬于“可自動化”類別。

但如今大模型只解決了預測問題，但仍然沒能提升實驗速度。

利用計算機視覺技術、大模型和自動化，Medra的物理AI科學家們有望在生物技術任務中將整體自動化比例從5%提升到75%。

與一般實驗室設備不同，Medra的物理AI科學家能夠直接操作實驗室中絕大多數標準商用儀器，核心突破在于不依賴于儀器廠商的官方接口或授權。

Medra的物理AI科學家大致分為兩層：物理層和模型層。

第一層是物理機械臂，每一張實驗臺都裝了攝像頭，還有九個傳感器全程監控機械臂的操作。傳感器能精準記錄移液槍頭的傾斜角度、插入有多深、試劑加了多久，全部數據都是自動記錄的。

傳統實驗室里，很多操作靠經驗和手感。資深科研人員靠長年累月摸索出做事的直覺和竅門，可一旦人離職，這些隱性經驗就跟著消失了，沒人留存下來。

而 Medra 這套傳感系統，是業內為數不多能把這些細微實驗細節全部保存下來的工具，并且自主加以學習。

第二層是人工智能科學家：它能夠自動讀取實驗數據、找出問題并給出優化辦法，還能直接修改實驗操作流程。

創始人舉了一個例子：有家客戶的實驗中檢測抗體能不能和目標蛋白結合，最后結果完全無效，抗體完全沒有結合成功。

這套 AI 助手精準鎖定了兩種可能的問題原因，專門設計了對照測試，建議在實驗流程里，增加一步渦旋震蕩操作。優化調整之后，實驗結合率直接從0，提升到了70%以上。

更重要的是，定制化能力，才是Medra最核心的競爭優勢。

公司表示，超過85%的客戶提出的都是Medra以前從沒接觸過的全新需求。

因為它的軟件和硬件底層框架統一通用，不管是一套設備，還是上百套設備切換配置，都不用大規模重新改造搭建。

短短三個月時間，Medra從零起步已經落地上線了一百臺用于抗體結合實驗的機械臂設備。

華人科學家創辦，主要面向兩類客戶

ML001 實驗室當前主要服務兩類客戶。

對于當下正在研發下一代生物領域基礎大模型的團隊而言，ML001 就是一座數據工廠。

它為科研領域提供了AI提供了訓練迭代閉環，且合作方無需自建濕實驗室。

而對于計劃搭建自有自動化實驗室的藥企來說，ML001 希望提供一套成熟范本：直觀展示可落地的建設標準，這套系統的復刻搭建效率，遠超全球同類項目。

MedraAI成立于2020年，目標是打造由人工智能驅動的機器人，比人類更快更好地執行實驗室任務。

創始人兼首席執行官Michelle Lee博士是斯坦福大學的機器人學博士，曾在馬斯克的spaceX實習。

圖：Michelle Lee

她本來畢業后可以進入紐約大學的助理教授，卻毅然選擇創業。

Lee在臺灣長大，十四歲時來到美國，她的家族從事化學工程工作，這也是為什么她進入了AI機器人實驗室領域。

公司已經融了兩輪，包括1100萬美種子輪和5200萬美元A輪，總融資達到6300萬美元（約合人民幣4.4億元）。

背后投資陣容也非常強大，包括Arc Institute 聯合創始人Patrick Hsu，以及前 GitHub CEO Nat Friedman，Facebook的知名投資人Ali Partovi旗下風險投資基金Neo和Lux Capital等。

去年，Medra只有15名員工。現在公司已經大幅增至45人，并且擁有了一個機器人軍團。

值得注意的是，Medra選擇購買而非制造其機械臂，來源于供應豐田工廠的同一制造商。該公司的核心價值在于軟件，能夠教會現成的機械臂執行各種任務。

國內也有不少公司押注AI自主實驗室賽道，例如英矽智能的LifeStar1機器人實驗室；晶泰科技有超過10000平方米機器人實驗室，部署超200臺自動化工作站；津渡生科打造了全球首個一站式生物科研平臺 BioFord，已落地大灣區某重點實驗室，大大縮短科研周期。

當大模型跳出虛擬推演、真正走進物理實驗室，物理 AI 科學家正在補上生物醫藥研發關鍵的一環。

人機科研的時代已然拐點將至，一場席卷全球生物與制藥領域的底層革命，才剛剛拉開序幕。

—The End—