如果你关注“自动驾驶实验室”（self-driving lab，指由算法决定下一步做什么实验、再由自动化设备去做的实验室），这两年听到的多半是同一类故事：大模型读文献、写实验方案、生成控制代码。上海交通大学团队 11 月 4 日在 Nature 发表的 AutoDNA，值得看的地方恰好不在这里。论文摘要说，这套系统自主编排了 20 多类仪器、执行了 11,000 多步操作，完成核酸的合成、转录、扩增和测序，人工只负责补充试剂和耗材这类硬件维护。
我的判断是：这篇论文真正推进的是“自主循环的宽度”，也就是 AI 能在多少种真实仪器之间自己把一个湿实验（wet lab，指在试管、移液器和反应体系里做的实验，相对于纯计算的“干实验”）从头跑到尾。它没有证明 AI 比专家做得更好，人工干预也远没有摘要读起来那么少。下面一步一步看。
写方案早就不是瓶颈，难的是把方案变成多台仪器上的动作
论文摘要对过去的自动化实验系统有一个直接的批评：它们多半局限在目标单一、流程固定、仪器简单的场景，作者认为原因之一是“外挂式”架构，即把 AI 当成某个环节的专用工具，而不是让它理解整个实验。
AutoDNA 的做法是把仪器能力先翻译成 AI 能调用的形式。补充材料说明，团队搭了一个硬件抽象层，把各种仪器的功能封装成“原子服务”（atomic service，指移液、转移试管、加热、上磁力架这类最小可调用操作），再由几个分工不同的智能体协作：规划智能体负责拆解用户需求，方案智能体查文献写流程，假设智能体提出下一轮改什么，代码智能体和硬件智能体把方案翻译成仪器指令并处理运行中的错误。所有智能体都基于 Gemini 2.5 Pro，文献检索环节另用 gemini-2.5-flash 和 text-embedding-004。
作者在补充材料的贡献总结里说得很清楚：多智能体部分的关键贡献“不是一个新的通用规划算法”，而是智能体角色、硬件抽象和运行时机制的协同设计。这句话也回应了一位审稿人的意见，审稿人认为多智能体设计“相当常规”。所以你读这篇论文时，不要把它当成大模型推理能力的突破，它是一项系统工程。
和 2020 年的移动机器人、2023 年的 Coscientist 相比，变化在自主循环覆盖的仪器和步数
把 AutoDNA 放到两项更早的 Nature 工作旁边，能看出它推进的是哪一段。
2020 年 7 月 8 日，Burger 等人在 Nature 发表了“移动机器人化学家”。按其摘要，一台可以在实验室里走动的机器人自主运行了 8 天，在 10 个变量构成的实验空间里做了 688 次实验，用批量贝叶斯优化（Bayesian optimization，一种根据已有结果估算下一组该试的条件的统计方法）找到了比初始配方活性高 6 倍的光催化剂混合物。它的思路是“自动化研究人员，而不是自动化仪器”，决策靠的是优化算法，没有大模型。
2023 年 12 月 20 日，Boiko 等人在 Nature 发表了 Coscientist。按其摘要，这是一个由 GPT-4 驱动的系统，能借助网络和文档检索、代码执行和实验自动化工具来设计、规划并执行实验，在 6 类任务上做了展示，包括钯催化交叉偶联反应的优化，摘要自己的措辞是“（半）自主”。AutoDNA 的补充材料对 Coscientist 的评价是：只展示了单目标优化，只支持单一仪器。这是 AutoDNA 作者的说法，不是 Coscientist 论文的自述。
| 工作 | 发表时间 | 决策方式 | 公开的规模数字 |
|---|---|---|---|
| Burger 等，移动机器人化学家 | 2020 年 7 月 8 日 | 批量贝叶斯优化 | 8 天，688 次实验，10 个变量 |
| Boiko 等，Coscientist | 2023 年 12 月 20 日 | GPT-4 加检索、代码执行等工具 | 6 类任务 |
| Wu 等，AutoDNA | 2026 年 11 月 4 日 | 基于 Gemini 2.5 Pro 的多智能体 | 20 多类仪器，11,000 多步 |
AutoDNA 的规模数字可以在补充材料里找到出处：一次完整的 DNA 数据存储实验调用了 25 台仪器（分属 16 类），共 11,382 步原子服务操作，耗时约 203.5 小时，其中合成阶段 112.2 小时，占 55.1%。三项工作的任务和领域都不同，这张表不是在比谁强，而是让你看清楚：从一个优化算法驱动一台机器人，到一个大模型调用工具，再到多个智能体调度十几类仪器跑几百小时，自主循环在变宽。
四个演示证明自主循环能跑通，但没有证明它比专家做得更好
论文用四个应用来证明这套自主循环可用，每个都值得看清楚它到底证明了什么。
第一个是酶法 DNA 合成的条件优化。“逐步产率”（stepwise yield，指每接上一个碱基的成功率，链越长，这个数字的微小差距被放大得越厉害）是核心指标。智能体经过 11 轮迭代（其中 2 轮中途中止）收敛到一套流程，凝胶分析得到的平均逐步产率是 97.8%。作者拿来对照的是 Li 等人 2025 年用同一种酶报告的 96.82%。但智能体自己在第一轮查到的文献前沿水平是 98.7%（Lu 等人 2022 年），任务设定是“比这个数低 1% 以上就停止优化”。一位审稿人还指出，DNAScript 已报告 99.7% 的偶联效率，按他的算法 AutoDNA 的错误率要高 6 倍以上。作者的回应是那种酶的序列没有公开，没法在自己的平台上评估，并把论文里的比较范围改成“序列公开的酶”。所以准确的说法是：在公开酶的范围内，自主优化达到了人工优化的水平。
第二个是多个实验请求的并发调度。补充材料显示，把四个合成方案合并执行后，原子服务调用从 1,964 次减到 449 次，两次独立实验的平均总耗时从 1,433.7 分钟降到 454.0 分钟，这就是摘要里的 3.2 倍加速。这个提速来自调度，不来自化学本身变快。
第三个是 DNA 数据存储，系统完成了写入和读出的完整循环，原始数字内容被精确恢复。审稿人对作者关于“商业化关键一步”的说法很直接：限制 DNA 存储商业化的是读写成本和延迟，这项工作两样都没有改善。
第四个是癌症基因检测，系统识别并验证了一个在临床上已检出的 KRAS G13D 突变（KRAS 基因第 13 位氨基酸由甘氨酸变为天冬氨酸）。这是对已知结果的复现，另一位审稿人也说，主要结果大多是在复制或自动化人类已经做过的实验，希望看到新的科学发现。
人工干预并不少：一次 DNA 存储实验要人补料和补耗材 272 次
摘要写的是人工干预仅限于“补充试剂和耗材这类硬件维护”。这个限定是准确的，但读的时候要看次数。
补充材料表 S6 列出了每类实验执行中的人工补给。8 个样本的核酸检测补了 7 次缓冲液，siRNA 合成和多用户并发实验执行中没有补给。DNA 数据存储那次完整实验，单是 CB 缓冲液就补了 79 次，水 23 次，200 微升枪头 84 次，50 微升枪头 24 次。我把这张表里该实验的各项加起来，试剂 163 次、耗材 109 次，共 272 次，这个合计是我按表格算的，论文没有直接给出。癌症检测那次实验也有类似规模，CB 缓冲液 74 次，200 微升枪头 63 次。实验前的试剂准备、实验后的废料清理和平台清洁，同样由人完成。
审稿人在第二轮意见里正是抓住了这一点，认为把 AutoDNA 描述成“无需人工干预”的说法过强，要求在正文前面写清楚自动化的范围。最终发表的摘要改用“尽量少的人工干预”（minimal human intervention）。
故障处理也需要人。作者在回复中说，所有实验里一共遇到 9 类湿实验错误、发生 14 次，其中 8 次（3 类）由系统自动恢复。剩下的主要是机械臂或测序仪通信中断、测序芯片没插好、操作员把试剂洒进仪器导致断电这类问题，都要人去重启、重插或清理。
这里的区分很重要：人没有参与实验设计、结果分析和决策，这是 AutoDNA 真正的进展；但人仍然是这条自主循环里的“后勤”，补给频率高到无法让实验室在夜里无人值守地长时间运转。
代码和数据已公开，成本没有交代：想跟进的人先看什么
复现条件比很多同类工作好。论文的代码可用性声明给出了 GitHub 仓库 IPADS-X/AutoDNA，许可证是 Apache 2.0，研究所用版本存档在 Zenodo；酶法合成和 DNA 存储实验的测序数据以及智能体的输出也放在同一个 Zenodo 记录里，其余数据“可向通讯作者合理索取”。
成本是空白。我在正文摘要、补充材料和审稿记录里都没有找到硬件采购费用、试剂和耗材花费，或者调用 Gemini 2.5 Pro 的 API 费用。论文提到的“节省时间和人力成本”只是定性描述。考虑到一次 DNA 存储实验跑了约 203.5 小时、用了 25 台仪器，这个空白对评估“科学即服务”的设想影响不小。
如果你在做实验室自动化，我的建议是这样读这篇论文：把它当作一份多仪器湿实验自主循环的工程参考，重点看硬件抽象层怎么定义原子服务、错误怎么分级恢复，这些在开源代码里可以直接核对。不要把它当作“AI 科学家已经能独立做研究”的证据：它复现的是已知结果，优化的上限由人设定，后勤仍然靠人。下一步该问的是，补给和故障恢复能不能也交给机器人，以及跑一次这样的自主循环到底要花多少钱。