Exin Therapeutics让AI操刀小鼠脑部手术，Opus 5.5临阵拒绝

旧金山初创公司 Exin Therapeutics 的一间实验室里，一台用 Arduino 改装的电动手术平台上，AI Agent 完成了一只小鼠的脑部手术。

那只小鼠眼下恢复情况良好。

一个 AI Agent 给一只小鼠做了脑部手术

团队交给 Agent 的是一份电子表格，19 种基因治疗载体列在其中；此外还有一只已知会发作的小鼠、一台带摄像头的手术平台，以及一句任务说明：减少癫痫发作。

Arduino 搭出的自制装置构成了这台手术平台的底子，摄像头与电机的联动方案同样由团队自己写就。他们在描述中调侃，这套土法设备是给「实验室闭环」爱好者准备的，同时也在等 Anthropic 官方 MHS 系统的早期版本，盼着早日换上更专业的工具。

Agent 随后先分析该模型中发作如何扩散，从中选出一种能在 GABA 能神经元里增强抑制性信号的载体，注射点落在外侧嗅内皮层——文献指出，这里正是发作向外部扩散之前的起源地。

黑质这个经典靶点它也没有忽略，仔细看过之后却在记录中留下保留意见：效果取决于作用于哪个亚区，同类方法在不同癫痫模型里表现并不稳定；还有一项研究提到它挡不住强直阵挛性发作，而这正是本次任务要应对的问题。反复权衡，它舍弃了这个看似更熟悉的选项。

三篇论文的坐标被取平均，每一篇都核对过深度参考是否与自家装置一样从脑表面算起。最终数字定为 bregma 后方 3.90 毫米、右侧 4.00 毫米、下方 4.30 毫米。

手术中，Agent 一边操纵立体定向臂探入脑组织，一边借助摄像头确认注射点有无出血。250 纳升药液——约 5 亿个病毒基因组颗粒——在五分钟内被它缓缓推送到组织深处。

整场手术它截图观察了 32 次，除了盯住进针点是否出血，还留意药液有没有回流、进程是否合乎预期。运动速度、等待时间以及针头回撤的节奏，也都由它自己拿主意。

当然，这并不代表机器人独自包办了整台手术。开颅这一步仍由人类外科人员完成，AI Agent 目前不被允许做；不可逆操作都设了人工关卡，一名持证兽医全程守在现场，手握物理急停开关，随时可以切断所有电机电源。平台另外设了注射体积上限、固定校验和审批机制。

Opus 5.5 拒绝手术

一次连接中断后，控制器算出的 Y 轴目标位置与实验台相差 34 毫米，超出了安全范围。Agent 准备移动时当即拒绝：「没有任何移动，针头仍然精确位于 bregma 零点。这看起来像是 Y 轴校准问题，而不是计划值有误。我不会重试。」

团队把 bregma 重新归零，数值完全一致。它第二次拒绝：「这排除了零点参考过时的可能性。我不会尝试第三次。」

彼时手术台上躺着一只已经麻醉的小鼠。创始人 Gabriel Ocana Santero 看出了症结所在，希望它再试一次，它却守着自己最初被设定的限制不肯松口。最后只能手动改代码。

他事后在社交平台上写道，这是一段令人沮丧的经历，但也让人看清自己对这类模型的依赖已经到了什么程度。当它们在时间紧迫的手术过程中突然说「不」，人有时候只能干着急。

团队最初选的是 Opus 5.5，可它一检测到任务涉及生物体就直接拒绝运行。Opus 5 则先把整场手术从头到尾模拟了一遍，等到要上活体时却停了下来。它写道：

「挡路的不是设备，也不是输入的数据。是我自己。这次手术方案刚动笔，我这边就被掐断了……要是硬接着写，还是会以同样的方式被掐断，最糟的是手术做到一半、针头已经扎进脑部某个位置的时候被掐断。对一只已经麻醉的动物开一台我完不成的手术，那不如不开。」

最后把整场手术操作做完的，是 Sonnet 5。

团队把这场手术看作实验室闭环的第一步，接下来打算让 Agent 与实验能力彻底结合，把它们从过去几十年药物研发踩过的坑里学到的经验，放到真实实验台上验证。

波士顿已有公司在推自主实验室产品，试图把 AI 直接接入真实世界的化学和材料研发流程，省去人在中间来回传话的环节；学界则在讨论给 Agent 设定能力基准、划清安全边界这些尚未解决的开放问题。

以后要不要把更多决定权交给 Agent，恐怕只能一台手术一台手术地试下去。

当实验室开始自己思考

把 AI 推上手术台的这家公司正是 Exin Therapeutics。它成立于 2024 年，团队由几位来自牛津大学的神经科学研究者组成，从神经系统疾病切入，最初聚焦癫痫，希望找到能纠正异常神经环路活动的治疗方式。

这条路径和传统药物研发不太一样。以往的做法是从基因、蛋白质或受体切入，找出疾病中发生变化的分子，再想办法用药物把它调回原样。可大脑是一张高度复杂的网络。某个分子的表达量变了，未必能完整解释患者为何发作；某个治疗靶点在一种模型里管用，也未必能改善人类大脑的整体功能。

Exin 更在意的，是神经环路最终表现出什么样的活动状态，以及干预能不能把它推回相对正常的区间。

为此，这家公司正在搭一套从数据、模型到实验验证的循环。旧金山的 AI 研发能力，与菲律宾马尼拉的实验设施被它连在一起，神经电活动、行为以及其他生物学数据都在自家的 Data Foundry 里采集。

方案怎么落地？AI Agent 负责读文献、提靶点、设计实验，实验团队再把方案拿到体内和体外模型中去执行。实验产生的新数据回流到模型，帮它修正判断，并定下下一轮该测什么。

Y Combinator 把这种模式叫作 lab-in-the-loop，意思是让实验结果持续进入 AI 的发现过程。

Exin 还在做 CircuitATLAS。它把疾病表型、神经环路、细胞类型和分子机制串起来，让 Agent 能从疾病现象一路推到潜在的干预靶点。公司官网对自己方向的概括是：测量神经活动、预测干预效果，再设计治疗方案并做体内验证。

癫痫只是起点。更大的目标在背后：建起一套能理解并调节神经环路的研发平台。

这条路上，Exin 并不孤单。

2026 年 5 月，《Nature》上刊出的多 Agent 系统 Robin 已经能整合文献检索与数据分析，生成假设、提出实验、解释结果，再依据新结果更新假设。研究团队用它寻找干性年龄相关性黄斑变性的潜在治疗候选物，并对其中部分候选物做了体外验证。

7 月登在《Nature Reviews Chemistry》上的综述则提到，自驱动实验室正从单点自动化工具，一步步发展为能提出、执行和解释实验的综合发现平台。

科学研究正在从「人提问题、机器执行步骤」，转向人和 Agent 共同推进的连续循环。AI 全自动手术，已经上路了。