
11月17日,2026慕尼黑分析生化中国展期间,海尔生物举行AI+自主实验室方案发布会,海尔生物实验室解决方案、通用实验室产业总经理虞建强带来《Agent驱动从样本安全到价值发现的转型—海尔生物自主实验室创新实践》主题分享,并在现场发布AutoLab Mind智慧大脑与AI智能体矩阵,展示从实验目标设定到自主方案生成、从仿真验证到自动执行、从结果分析到持续优化的完整闭环,加速推动自主实验室从概念走向落地。发布会现场,海尔生物与金凤实验室签署合作协议,双方将共建AI Agent+MSC自主科学发现实验室。同时,海尔生物AI+自主实验室技术共研平台也正式揭牌。

这也标志着自主实验室正从理论验证走向产业应用,产学研用各方从各自探索转向协同共创,共同推动AI技术在生命科学领域的规模化应用。
AutoLab Mind重构实验室范式
当下,全球生命科学领域正经历一场深刻的范式迁移。AI for Science不再停留在虚拟的数据分析和模型预测阶段,而是开始向真实实验、物理设备控制和自主科研闭环延伸。
行业共识正在形成,AI模型+实验室智能体+设备互联+自动化执行,正在成为下一代实验室的标准架构。中国科学院上海硅酸盐研究所汪正教授在现场演讲时指出,当前智能实验室建设面临仪器数据格式封闭且彼此割裂、方法与标准配套滞后、多设备协同工程难度大等共性痛点。如何从数字智能走向物理实验闭环,从单点智能走向干湿协同,这是科研装备企业必须面对的时代命题。
在此背景下,海尔生物推出AutoLab Mind智慧实验室大脑,给出了自己的答案。AutoLab Mind的核心逻辑是,让AI从“辅助工具”变成“实验主体”。科研人员只需要提出一个目标,比如"建立兼顾细胞回收率、纯度与活性的PBMC提取工艺",剩下的事情由AutoLab Mind自主完成。

AutoLab Mind智慧实验室大脑
整个过程分为五步。第一步,理解科研目标,生成实验方案、实验条件和实验参数;第二步,模拟实验流程,验证方案可行性,预测资源需求和实验结果;第三步,拆解实验任务,匹配对应的工作站、设备、耗材和执行时间;第四步,具身智能与自动化设备协同,完成跨工作站的实验操作;第五步,分析实验结果,评价实验质量,优化实验参数和后续方案。
这五步构成了一个完整的自主实验闭环。科研人员不再需要一步步手动设置参数、盯着仪器运行、手抄数据进Excel,而只需要在终点验收结果。正如一位科研人员描述的理想场景:“我躺在沙滩上喝咖啡,手机收到消息说,纯化的蛋白已经做完质谱,数据分析完了,有两个改进方案已启动补充试验。”
工艺共创,给MSC装上自主大脑
理念最终要落到具体的场景中,而场景的落地离不开与顶尖科研机构的深度共创。金凤实验室是重庆生命科学领域的高端科研平台,聚焦重大疾病的下一代智慧诊断,突出智慧病理和干细胞与抗衰两个核心研究方向,目前已汇聚近60个PI团队,其中两院院士7人、国家级人才41人。
金凤实验室交叉学科中心主任、首席科学家王峥在现场分享时指出,间充质干细胞(MSC)在临床上应用广泛,但MSC的异质性是临床治疗效果不稳定的重要原因。基于这一痛点,海尔生物与金凤实验室决定共建AI Agent+MSC自主科学发现实验室。金凤实验室在多模态数据采集、垂域AI模型、细胞功能研究和科学评价标准上有深厚积累,海尔生物则在AI Ready设备、自动化实验平台、云边端架构和工程化应用上具备领先优势。双方将优势互补,通过AI Agent统筹多模态数据感知,通过大数据驱动科学假设,通过自动化平台完成实验设计和设备调度,再通过采集数据和AI垂域模型完成结果分析,最终反馈到AI Agent完成整个优化,实现整条管线的自主研发。

底座共创,让AI学会自己做实验
如果说海尔生物与金凤实验室的合作共创可将工艺做深,那么与长三角国家技术创新中心通用决策智能研究所的合作,则可让实验决策更加“聪明”。该研究所科学家余忠蔚在现场带来《AI从看得懂走向会思考、善决策》主题分享。这家研究所由长三角国家技术创新中心、常州市政府与汪军教授团队共建,汪军是UCL计算机教授、强化学习领域的全球知名学者、英国皇家工程院院士,团队研发的HEBO优化系统获得过NeurIPS 2020黑盒优化竞赛冠军。
余忠蔚在现场分享时引用汪军教授的观点指出,当前AI领域论文产出量巨大,但如果仅停留在学术层面的迭代优化,AI技术将很难真正转化为产业价值。要实现AI自主实验驱动药物研发,需要将分散的技术整合为统一平台,由智能体统一调度各领域专用工具。
基于这一共识,双方决定联合打造软硬件协同的干湿闭环。研究所通过AI系统设计实验、编排实验,海尔生物利用强大的硬件资源和自主实验室能力做湿实验,最后通过干湿闭环推动自主实验设计。合作方向分三层:第一层是基础设施层,由研究所提供Delta Agent Cloud平台连接算力、数据治理、科学工具沙盒以及自动化实验室接口;第二层是模型与算法层,训练基础模型,通过算法解决决策问题;第三层是智能体驱动工具层,用智能体驱动各种工具和算法,完成整个设备调度,最终实现端到端的自动化实验室。
目前,双方已围绕DNA序列设计、小分子设计、ADC筛选等场景完成大量干实验验证,下一步将推动干湿全链路闭环的POC验证,由海尔出题、双方协作落地,再将验证过的技术置入软硬件一体化平台,打造专业场景示范应用并联合推广。
能力基础:支撑自主实验室的技术架构
海尔生物与合作伙伴展开联合共创的底气,来自自身的AI能力底座。AutoLab Mind以Physical AI、Generative AI、World Model与N个垂域模型为技术底座,居中调度三大平台,其中AutoLab FlowSync设备调度平台负责任务拆解与设备协同,AutoLab Factory批量执行系统负责标准化SOP的批量落地,AutoLab DataHub数据调度平台负责实验数据的归集与流转。三大平台向下,通过标准协议连接各类硬件设备、垂域智能体以及多维度实验数据。从感知到执行、从调度到决策,AI智眸、AI智控、AI智枢、AI智研四大模块各司其职,共同支撑整个实验室的运行。

这套底座跑在云边端架构上,云侧做智能决策,边侧做调度连接,端侧做执行采集。一次实验在设计、执行、测量、学习四步里循环迭代,每一轮数据都成为模型优化的燃料。边侧由实验设计Agent、排程调度Agent等智能体各司其职,让设备不再是被动等待操作的工具,而是能接任务、能反馈、能被调度的智能体。设备接入与数据对齐,靠的则是海尔生物自主研发的MHS统一模型硬件标准:模块接口库已兼容400多款自有产品,支持20多家第三方设备经认证后接入;GMP级标准化设计,数据格式自动对齐,流程自带审计追踪,符合FDA 21 CFR Part 11要求。
结语
海尔生物布局AI自主实验室,跟整个行业相比,有相同之处,也有差异化落点。
相同的是,整个行业都在往同一个方向走:AI从虚拟数据分析走向真实实验闭环,从单点智能走向干湿协同,这是全球生命科学领域的共同趋势。无论是 AI 模型企业、生命科学巨头,还是科研装备厂商,都在布局自主实验室,都认同智能体、设备互联、自动化执行是下一代实验室的标准架构。
不同之处则体现在,海尔生物的AI自主实验室,建立在三大支柱之上。AIO 一体化设备集成是硬件底座,AutoLab Mind 智慧大脑是决策中枢,实验工艺生态共创是价值放大器。三者缺一不可,共同构成了从设备到算法、从硬件到工艺的完整闭环。
其中,AIO 中的设备一体化,是海尔生物区别于纯 AI 企业的差异化优势。纯 AI 企业只做算法,海尔生物是算法与硬件一起做;而用户共创,则是海尔生物走通这条路的差异化路径,不是关起门来做产品,而是跟用户一起定义需求、打磨工艺、验证效果。
这正是海尔生物 "All in One, For Science" 战略在自主实验室领域的具体落地。以一体化的设备底座、一体化的智能大脑、一体化的生态共创,推动生命科学研究从人力密集型走向智能驱动型。
海尔生物正在走的这条路,或许就是下一代生命科学研究的样子。