涌生智能 ProtoPilot 实现在生命科学实验室中运行 AI 全闭环
中国初创公司涌生智能让AI真正走进实验室，其系统在Protocol生成与执行上超越OpenAI旗舰模型。
涌生智能推出 ProtoPilot，能将自然语言实验意图转化为设备可执行代码，并在真实实验台执行。在第三方评测中，其表现超越 GPT-5 等模型，实现了从屏幕到实验台的物理 AI 闭环。
正文摘录
OpenAI 发 GPT-Rosalind，专攻药物发现和基因组学；谷歌推 Co-Scientist 和 ERA，把多 Agent 系统塞进科学推理流程；Anthropic 上线面向科研流程的 Claude Science 工作台。 虽然大家想的都是让大模型读完论文后，写个「完美」的实验方案，再真正走进实验室，但奈何现实很骨感： 就拿最接近终点的 OpenAI 和 Ginkgo Bioworks 的合作来说，GPT-5 在那个项目里负责的是实验设计和参数探索，真正在实验台上执行的 Catalyst protocols，全部由 Ginkgo 的人类工程师编写。 这一次，让 AI「真正走进实验室」的不是哪家 AI 巨头，是一家跨界做 AI 的中国 Bio 公司。 年初他在 CES 上说，「Physical AI 的 ChatGPT 时刻」到了，说的是机器人和自动驾驶。 文献阅读、知识问答、序列比对、蛋白质结构预测，模型确实博学，但它本质上是个坐在屏幕后面的助理。 Agent 时代来了之后，事情开始变了。AI 不再只满足于回答问题，它开始「设计和行动」。 应此潮流，以 OpenAI、Anthropic 为代表的前沿 AI 玩家，开始把目光投向更下游、更主动的方向： 能力达到博士级水平的顶尖 AI，确实能写出一段看起来专业的实验方案，但写得好 ≠ 跑得通。 △图片由 AI 生成 这中间几乎隔着一整条转换链。ProtoPilot 的论文拆得很清楚： 一个实验意图要变成湿实验台上的真实操作，需要穿过五层——科学意图、Protocol（方案设计）、SOP（标准操作流程）、设备代码，再到物理执行和反馈修正。 而每一层都要解决不同的模糊性，比如 Protocol 要表达生物逻辑、样本谱系和质控结构；SOP 要把逻辑落到可操作的体积、浓度、耗材和温控条件上；