自动化实验室：11000 步实验无人值守，登 Nature

一句话总结：上海交大的 AutoDNA 平台自主协调 20 多类仪器、完成 11000 多步 DNA 存储实验，全程无人值守，成果上了 Nature。它的价值不在"AI 会做实验"，在于把自然语言需求翻译成可执行流程这件事跑通了。

看到 11000 步这个数字，我第一反应是"自动化跑批而已"。看完流程描述才意识到不是——跑批是已知流程重复执行，这里是从一句自然语言需求开始，让模型自己拆步骤、选仪器、判断中间结果。

差别在出错的时候。跑批脚本遇到异常就停，等人来看；这套东西遇到异常要自己决定下一步。

自动化实验室的 11000 步是什么量级

图 1：按每步 3 分钟估算 550 小时；人工班次按 8 小时和 4 小时两档，平台按 7×24

按人工操作估：一步实验包含移液、温控、检测、记录，熟练实验员平均 3 分钟。11000 步就是 550 小时。

换成工作日，一天 8 小时是 69 天，差不多三个半月。一个人不休息、不出错、不重复，要干这么久。

平台是 7×24 跑的，550 小时连续作业约 23 天。反推每步 3 分钟，正好对上——说明它没在等人工，节奏是仪器本身的节奏。

"步数"这个单位有个陷阱：一步的粒度可粗可细。把"配一次缓冲液"算一步，和把"完成一轮合成—纯化—检测"算一步，数字能差十倍。官方没给单步定义，所以 11000 这个数只能横向比同类平台，不能直接换算成人月。

为什么是 DNA 存储这个场景

AutoDNA 做的是 DNA 存储相关实验。选这个方向不是随机，是因为这个领域的实验有两个特征，正好卡在自动化能解决的区间里。

特征一，密度差得离谱。 DNA 存储的理论密度是每克 215 PB（这是 2012 年哈佛那篇论文给的量级，实测远低于此）。换算一下：

• 1 PB 数据 → 4.65 毫克
• 10 PB → 46.5 毫克，两粒米重
• 100 PB → 465 毫克
• 一粒米（20 毫克）理论上装 4.3 PB

一个中型机房上百 PB 的冷数据，理论上几克粉末能装下。当然这是极限值，实际系统里编码方式、纠错冗余、读取设备的限制会把密度打掉几个数量级。但方向是明确的：冷数据的长期归档，DNA 是唯一还有几个数量级空间的方向。

特征二，步骤多且重复。 合成一段 DNA 要走合成、扩增、纯化、测序、校验，每一段可能几十步，步骤之间不能省。这种"步骤量大、每步动作固定、出错代价高"的活，恰恰是自动化收益最大的形态。

反过来说，如果实验是"一天做三个样品、每个样品流程都不一样"，上这套平台不划算——适配成本摊不开。

所以这套方案的适用范围很清楚：高通量、流程固定、可标准化的实验。 在这之外，它帮不上忙。

自动化实验室怎么调度 20 多类仪器

这里的工程难点不是"调用仪器 API"，是给每台仪器建立一套模型能理解的语义。

一台液相色谱仪的参数有流速、梯度、柱温、检测波长、进样量，每个参数有物理约束（流速不能超过柱压上限）。如果直接把这些参数暴露给模型，模型很容易给出一个"语法正确、物理上做不了"的指令。

AutoDNA 的做法是中间加一层：模型输出的是实验意图（"纯化这段产物"），由这一层翻译成具体参数，并在下发前做约束检查。

这个结构和我们做软件时给 agent 加工具层是一回事——工具接口设计得对不对，直接决定 agent 能不能用。区别在于软件工具出错能回滚，实验做坏了样品就没了。

约束检查这一层的通用做法，内核融合那篇从另一个角度讲过：把固定开销和有效计算分开算，才知道优化该往哪使。仪器调度的固定开销就是每步的约束检查，它是省不掉的。

模型—实验—仪器协同设计，难点在哪

论文标题里的"协同设计"是三个东西互相约束：模型要知道仪器能做什么，仪器接口要暴露模型需要的信息，实验流程要能在中途被改。

难点集中在第三点：中间结果怎么反馈给模型。

实验不像写代码，没有即时输出的日志。一轮合成要几小时，检测要另外排队。模型在等待期间做什么？是阻塞等，还是先规划后面的步骤、等结果回来再调整？

如果是后者，就要求模型维护一个"待定状态"——哪些步骤的结果还没回来、哪些后续决策依赖它。这是个典型的异步规划问题，比同步执行难一个量级。

我没看到论文里怎么处理这段，只能说我关心的正是这一块。因为真正决定无人值守能不能成立的，不是会不会规划，是等结果的时候会不会做错决定。

无人值守的边界：哪些环节还不能放手

"全程无人值守"这句话要加限定。

第一，异常样品的判断。 仪器能报"数值超范围"，但"这管样品颜色不对、可能是污染"这种判断，现在的视觉和传感还接不住。所以流程里必然保留了人工巡检点，只是频率低。

第二，方法学的创新。 11000 步是在既定方法下的执行。要不要换一种合成路线、要不要试一个没验证过的条件，这类决策还是人的事。

第三，安全。 DNA 合成的生物安全审查是法规要求，不是技术问题。这条线不能交给模型判断。

所以准确的表述是：在方法确定、样品标准、安全可控的前提下，执行环节可以无人值守。 前提之外的部分，一步都没省。

无人值守之后，做实验的人做什么

对实验室，最直接的变化是一个人的产出上限被抬高了。以前一个博士生带两台仪器，现在一个人管一套平台，产出取决于设计实验的能力，不取决于手速。

这会把竞争点从"谁更能熬"转到"谁设计的实验更有信息量"。听起来是好事，但对习惯了靠工时堆产出的团队是压力。

对做工程的人，这套东西的可复用部分是约束检查层。不管底下是仪器还是数据库，模型给出的指令都要先过一遍"物理上/业务上做不做得了"的校验，再执行。这层做不好，agent 越自主越危险。

还有一层我拿不准：这类平台的边际成本。 20 多类仪器的接口适配是一次性投入，但每接一个新仪器都要重做一遍。如果一台仪器的适配要两周，那这套方案的复制速度就受限于仪器数量，不是模型能力。这个数字论文里没提，我也没有渠道验证。

参考资料

• AutoDNA：AI 原生自主生物分子实验平台：Nature，2026-11
• 上海交大团队成果登上 Nature：上海交通大学官网
• AI 原生科学实验室完成万步实验：36 氪报道