机器人进实验室，为什么先要把100件事做可靠？

新药研发行业流传着一个说法：“10年、10亿美元、10%成功率”。周期长、投入大、成功率低，是长期困扰生物医药领域的难题。而上海交通大学人工智能学院教授、源络科技创始人连文昭给出的解法，是让机器人走进实验室，替代人工完成那些精细且重复的实验操作。

这家公司聚焦AI for Science赛道，核心产品Monte02采用仿人构型，搭载自研的OPN模型（以物体为中心的物理原生模型），定位精度达到亚毫米级。目前，源络机器人已落地10余家企业与科研机构，包括华大智造在内的多个合作方已完成实际部署，实现7×24小时持续运行。

为什么是实验室？

连文昭的履历颇具分量：2011年本科毕业于上海交通大学，2015年获得杜克大学机器学习博士学位，此后先后就职于Vicarious AI、Google X、Figure AI，2023年回国创立源络科技。在创办源络之前，他接触过制造、物流、商超等应用场景，这些经历让他开始思考一个问题：随着机器人感知、决策和操作能力不断提升，哪些场景能真正释放具身智能的价值？

他的判断是，高度标准化、重复性的任务，传统自动化已经形成了成熟方案。具身智能的机会，在于那些环境更复杂、任务链更长、传统自动化难以覆盖的工作。“我们希望寻找的是机器人能够真正创造增量价值的场景。”

实验室恰好符合这个条件。连文昭指出，实验室属于半标准化场景：物品相对固定，但样品本身变数很大，有粉末的、颗粒的，还有固体和液体不同形态，很难统一预判。试剂、设备、环境、操作方式等多个因素都可能影响实验结果，而人工执行很难把所有变量控制和记录下来。

传统实验室还存在一个长期矛盾：一方面，部分实验涉及挥发性气体、病原微生物等潜在风险，人员长期参与可能带来安全和交叉污染问题；另一方面，大量重复性的实验执行工作占用了研发人员的时间。更重要的是，这些工作并不完全适合传统自动化——移液枪、试管、孔板等设备有明确的任务边界，但样品、操作流程和实验条件又存在大量变化。

懂任务，还要会执行

要让机器人真正融入实验流程，通用硬件与模型难以满足实验室精细化作业的要求。源络选择自研核心技术OPN，连文昭将其概括为两个部分：“一个是懂任务，另一个是会执行。”

第一层是以物体为中心的任务理解。面对一句相对模糊的操作指令，机器人首先理解目标物体需要发生怎样的状态变化，再将长任务拆解成一系列可执行的操作。以插枪头为例，机器人真正需要理解的并不是手臂应该如何运动，而是枪头、试管等物体之间的关系，以及最终需要达到的状态。

第二层是视觉与力觉融合。在实验室中，仅依靠视觉并不足以完成所有精细操作。插试管、操作孔板、使用仪器等任务，都需要机器人感知接触过程中的力度变化。“我们将视觉与力觉信息同步输入神经网络，由模型预测后续视觉状态、力反馈信号，并输出对应的执行动作。”

算法之外，硬件同样是一道门槛。连文昭说，现有供应链中的部分通用机械臂，在控制精度和系统响应方面与实验室任务的需求仍存在一定差距，因此团队进一步自研伺服控制和关节模组。“买不到的，我们会自己做。”

数据闭环：不外包，自己采

数据是具身智能发展的另一道门槛。市面上出现了很多数据采集公司，但源络的数据采集没有选择外包。实验室任务对精细程度要求极高，源络因此建立了自己的数据采集体系，由专职团队进行持续采集和审核。

连文昭认为，核心还是数据和模型之间需要形成快速反馈：模型侧发现哪些数据有价值，就强化相应的采集范式；如果数据无法有效提升模型能力，就及时调整。具身智能的数据建设，核心不在于数据规模，而是围绕场景任务构建可持续迭代的数据闭环。

这也是源络搭建自主实验室的核心逻辑：机器人在场景中产出实验数据，持续训练OPN物理原生模型，模型迭代反哺机器人能力，推动AI for Science实验体系自我进化。

实验室3.0：从执行到自主

连文昭将实验室分成三个阶段：1.0是人完成实验；2.0是设备自动化；3.0则是实验室具备自主执行能力。到了3.0阶段，人不再需要将实验拆解成一条条操作命令，只需要提出任务指令，机器人负责理解任务、规划步骤，并自主调用仪器和耗材，完成跨设备、长流程的实验操作。人的角色从大量具体的实验执行，逐渐转向实验设计、过程判断和结果分析。

实验室3.0改变的可能不只是实验的执行方式，更是AI for Science的工作范式。实验过程中产生的操作、变量和结果能够被系统记录，沉淀为真实世界的实验数据，反哺计算模型；模型再基于新的数据提出假设、生成实验方案，交由机器人完成验证，结果再次回到模型之中。

从计算到实验，再从实验回到计算，AI for Science由此形成一个持续与物理世界交互、验证和迭代的闭环。在连文昭看来，机器人不只是实验执行者，更是连接计算智能与真实科学世界的物理载体。“本质上，我们正在搭建科学智能的物理基座。”

可靠性优先于数量

“我们都需要机器人，但不需要不可靠的机器人。”在连文昭看来，真正具备实用价值的机器人，核心是拥有长时间自主稳定运行的能力，真正解放人力，无需人员实时看护干预。可靠性，远比可实现任务的数量更关键。

源络的路径是先将单类别任务打磨成熟，再拓展至百类任务稳定落地，继而探索更广域的通用能力。他提到，目前机器人本体已可完成多项基础操作；行业下一阶段的核心重点，是依托模型与算法持续提升执行稳定性，确保机器人能够持续输出可靠结果。

源络始终理性把控发展节奏：先扎实做好一件事，再实现百项任务的稳定落地。这种克制，或许正是具身智能从演示走向产业的关键一步。