AI走进湿实验室：上海交大AutoDNA用8天半完成DNA信息读写

人工智能可以在几分钟内提出实验方案，但把方案变成真实结果，往往还要经过配液、操作仪器、观察数据和反复调整。11月4日，《自然》围绕上海交通大学团队研发的自驱动实验室系统AutoDNA，同日刊发了研究论文、斯坦福大学副教授詹姆斯·邹撰写的评论，以及一篇新闻报道。三篇内容共同聚焦一个变化：AI开始从屏幕里的分析工具，走向真实的实验台。

一句话任务，连起实验全流程

研究团队给AutoDNA布置了一项DNA数据存储任务：把一句英文写入DNA，再通过测序把它读出来。系统把文字转成由A、C、G、T表示的序列，随后协调实验设备完成DNA合成、处理和测序，最后还原出原文：

Intelligence is the ability to adapt to change.

这项实验持续约203.5小时，也就是8天半左右，累计进行了11,382次硬件操作。实验过程中，人仍需补充试剂和耗材，并处理部分设备维护工作。因此，“自主实验室”并不等于实验室里完全没有人，而是AI承担了实验规划与执行中的大量环节。研究论文和《自然》的新闻报道介绍了AutoDNA的实验流程与系统能力。

AI怎么“指挥”不同仪器？

湿实验室里的仪器来自不同厂商，功能和操作方式也不相同。AutoDNA采用多智能体架构，由一个调度角色拆解任务，再让负责文献检索、试剂管理、实验设计、代码生成和硬件操作等工作的智能体协同执行。

为了让AI能调用不同设备，系统还把仪器功能整理成较统一的操作服务。这样，负责规划的智能体可以围绕“转移液体”“混合样品”等实验动作安排流程，而不必逐台处理设备底层的控制细节。研究论文将这种从模型、实验到仪器的协同设计称为“AI原生”：系统从一开始就围绕AI参与整条工作流来搭建。

AutoDNA展示的能力也不止DNA信息读写。论文报告了四类代表性应用：优化酶促DNA合成，在多项实验并行时提升流程执行效率，完成DNA数据存储与读回，以及识别并验证临床样本中的KRAS G13D突变。其中，并行流程的执行速度提高了3.2倍；DNA数据存储实验则准确还原了原始数字内容。

从“给流程加一个AI”，到重新设计流程

AutoDNA带来的启发，不只是“AI能不能操作移液器”，而是AI如何进入一项工作的完整流程。

许多AI应用是在已有流程中接手一个环节，例如先由人完成资料整理，再让AI写初稿。这样的做法能节省时间，但整个流程仍按原来的方式运转。AutoDNA提供了另一种思路：如果一开始就考虑让AI参与规划、执行、反馈和调整，实验室的仪器接口、任务分工和操作流程应该如何安排？

这也是AI学习者值得关注的地方。学会使用提示词和工具固然有用，进一步理解任务之间的关系、信息如何流动、结果如何验证，才能看清AI适合参与工作流的哪些部分。邹在评论中指出，AI提出一个有潜力的分子可能只需几分钟，但验证设想仍可能需要数周或数月。AutoDNA试图缩短提出想法与动手验证之间的距离。

自主程度提高了，可靠性仍要检验

AutoDNA的能力有明确边界。实验仍依赖人补充试剂、耗材和维护设备；长时间运行也会遇到硬件问题。邹在评论中提到，测试期间记录了14次硬件错误，其中8次由系统自行恢复，另外6次需要人工介入。

此外，论文所展示的是特定生物实验任务中的成果，不能直接推论AI已经能够独立开展任意复杂的生命科学研究。实验方案的可重复性、设备故障处理，以及系统在更多实验场景中的表现，都需要持续验证。

AutoDNA更值得关注的地方，是它展示了一种从“AI给出建议”走向“AI参与执行”的研究路径。对实验室而言，接下来的关键是如何让操作更可靠、结果可复核；对其他行业而言，则可以多问一句：我们是在让AI接手现有流程中的一个步骤，还是正在重新思考整项工作应该怎样完成？

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）