追光生物:AI自主实验室卡点在交付产能,这家深圳公司在做什么?
当人工智能加速走进生物实验室,一类长期被低估的底层硬件与系统工程能力,正在重塑行业估值逻辑。 随着 AI 在蛋白质结构预测、分子设计和药物发现等领域接连突破,AI for Biology 已成为科技投资的核心方向。但当模型能够生成海量科学假设后,产业瓶颈随之转移到物理世界:谁来完成真实世界的湿实验验证? AI 能够快速
人工智能进实验室的速度在加快,而一类长期被低估的硬件和系统工程能力,正让行业的估值逻辑发生变化。
AI 在蛋白质结构预测、分子设计、药物发现上接连取得突破,AI for Biology 已经成了科技投资的重点方向。问题是,模型能生成大量科学假设之后,产业瓶颈就转到了物理世界:真实世界里的湿实验验证,由谁来做?

蛋白质结构和候选分子,AI 可以快速生成一大批;可落到真实的生物实验上,通量、检测效率、物理操作能力仍是绕不过去的限制。
行业里一个越来越清楚的共识是:AI 生物科技走到下半场,卡住的不再只是算力和算法,而是真实实验的“交付产能”。一套能跑通商业闭环的自主实验室,规模化执行、系统通用性、高质量数据沉淀这三道工程门槛,得同时跨过去。
换个说法,AI 要的不只是会推理的模型,还得有物理基础设施:能精确做实验、拿到原生可靠的数据,再把结果实时回传给模型。生命科学的竞争,正从算法层往实验执行层延伸。
需求变了,生命科学仪器企业也等来了新机会。2023 年成立的深圳企业追光生物(OptoSeeker),就是从自研核心仪器起步,把 AI 大模型、实验自动化、软硬件协同和数据能力结合起来,摸索面向生命科学研究的智能湿实验方案。外界也借此看到一个硬科技企业能力迁移的样本。
以前提起追光生物,更多是把它当作一家“高端生命科学仪器研发企业”。可要是把它的团队构成、技术衔接和组织运营方式拆开看,会发现它攒下的底层能力不只服务仪器开发,更指向未来智能实验系统的底座。

01 从精密仪器到 AI 自主实验室,追光生物如何拓展能力边界?
建 AI 自主实验室,比“让软件控制几台机械臂”要复杂得多。
真正形成闭环的 AI 自主实验室,实验设计、自动执行、过程监测、数据分析这些环节得有效接上。系统既要读懂复杂的生物学反应,能对微观样本做精确操控,还要让光学、芯片、传感器和软件在高频协同中保持很高的稳定性和可重复性。说到底,这是一项跨学科的复杂系统工程,而高端生命科学仪器研发的核心壁垒,恰好也在这里。

AI 自主实验室的设想是:由 AI 系统统一调度自动化实验设备,把生物样本处理、实验执行、数据采集与分析一并跑通,再依据结果自己调整下一轮实验方案,从而串起“设计—执行—分析—优化”的干湿实验闭环,让生命科学研究朝智能化、自主化方向走。
从团队基因看,追光生物是典型的“前沿科研+成熟工业工程”复合背景。创始及核心科研团队有北京理工大学、南方科技大学、暨南大学等高校科学家背景,深耕光电操控、微流控与生命科学交叉方向;管理和工程核心成员则来自全球科学仪器与生命科学巨头丹纳赫集团(Danaher),产业工程化与精益管理经验成熟。这样的组合,让科学原理、实验需求、工程实现三个层面的转化链路能打通。
已上市的核心产品 OptoBot®1000 高通量单细胞光流控系统就是个例子。这个平台把光电镊、微流控芯片、显微成像、半导体、自动化控制和生物实验流程集成在一起,细胞的导入、分离、培养、观察、筛选及回收全自动完成。微观尺度下,光学系统要和芯片精密联动,操控精度得兼顾细胞活性,软件则要实时协调多个硬件模块运行,哪个环节差一点,实验结果都会受影响。

OptoBot®1000 单细胞研究与筛选流程示意
成立三年,追光生物围绕光电镊、数字微流控和结构光投影等底层技术,先后推出 OptoBot®、DropletBot®、OptoNeuroBot® 等系列产品。从产业演进的角度看,它在高端仪器研发里沉淀的三项核心能力,和 AI 时代生物实验基础设施的需求高度同构:
- 第一,复杂多学科系统的集成与联动能力。高端仪器也好,智能实验室也好,设备接口、运行时序、系统稳定性、异常处理都是躲不开的工程难题。追光生物在光学、电子、机械、芯片和软件等多子系统整合中攒下的系统工程经验,有跨产品、跨场景迁移的潜力。
- 第二,把复杂生物实验转译成自动化流程的能力。科研人员手动能做完的实验,机器不一定能稳定复现。追光生物在仪器研发中已经把软件控制、流程配置和自动化执行深度绑定,把靠人工经验的精细操作变成明确的机器控制规则,这是实验室自动化演进的关键基础。
- 第三,微观状态感知与高质量原生数据获取能力。AI 时代,实验设备不只是“操作工具”,还是“数据采集终端”。追光生物的仪器体系集成了显微成像、细胞状态追踪和实验过程记录功能,在单细胞研究里尤其能把细胞的动态变化、功能表现和实验条件精准关联起来,持续输出传统手段难以捕获的高维动态数据,而这正是训练和迭代生物 AI 模型最稀缺的底层燃料。
当然,单台精密仪器的自动化和完整自主实验室所需的跨设备调度、长期自主运行之间,还有跨度。但两者对跨学科集成、微观精密操控、自动化执行和数据获取的底层要求,是一脉相承的。
其实追光生物也已经实质切入“AI大脑+物理终端”的闭环探索,正在推进自研生命科学智能体的研发和布局,把 AI 的科学推演、实验规划能力和底层精密实验设备深度结合,为打造真正意义上的 AI 自主实验室做前瞻性的技术卡位。
02 从技术研发到产品交付,追光生物如何完成高复杂度工程?
硬科技创业普遍要面对研发周期长、技术高度交织的难题。对早期团队来说,单点技术突破只是第一步;在有限资源下持续推进复杂工程,把技术积累变成可复制的组织能力,才决定长期成长的上限。
面向不同产品和应用场景,追光生物在软件、控制系统、工程模块和研发经验上寻找可复用、能通用的做法。光电镊、数字微流控和结构光投影三条线它都在布,落点各不相同,却在光学控制、电子系统、芯片技术和底层软件上高度同源。以此为底子,公司再往自动化工作站和实验整线延伸,逐步攒下跨设备集成、实验方法适配和客户交付的本事。
撑起这套研发模式的,是追光生物对组织工程化体系的构建:
- 在管理上,这家公司把精益思路搬进了日常运营:管理团队参考丹纳赫等全球知名科学仪器企业的成熟做法,又结合自身初创阶段的实际,将可视化项目管理、5S 现场管理和持续改善机制落地到研发、生产与质量管理中,推动流程标准化,减少对个人经验的依赖,让复杂工程项目的执行更可控、也能复制。与此同时,团队把 AI 深度嵌入研发辅助、知识管理、流程重构和跨部门协作,试图以人效较高的轻量化组织,去撬动复杂度很高的工程研发。
跨学科研发需要长期协调,设备、控制系统、软件与生物应用也得持续整合。说到底,“底层模块复用 + 精益管理 + AI 原生组织”这套复合组织能力,有望成为追光生物下一阶段演进的重要护城河。
03 从技术成果到真实交付,追光生物的商业化进展如何?
底层技术和工程体系扎不扎实,最终要看真实的商业化交付、产业生态合作,以及资本市场一轮接一轮的投票。
产品落地方面,追光生物已经走完从原理样机到量产机的跨越,硬件、软件及微流控芯片耗材均为全自主研发与生产。据公开披露,其科学仪器已在北京大学、清华大学、上海交通大学、中国科学技术大学、中国科学院等相关研究机构及部分生物医药企业完成装机交付,应用覆盖单细胞操控、数字微流控和结构光投影等方向,部分产品还进入了海外科研机构。
在上下游伙伴这边,这套底层平台也得到了认可,这比单机卖得好更值得看。追光生物已经把“单细胞功能筛选+多组学数据闭环”做成合作主线,拉来一批有代表性的企业一起干:生命科学 AI 大模型公司百图生科与其联手,试的是让 AI 参与高通量单细胞筛选;到了下游测序环节,合作方是华大智造,目标是把单细胞表型数据和基因测序数据一一对上;2026 年 9 月,艾克发生物也和它签下战略合作协议,双方要基于 OptoBot®1000 做面向药物研发的功能性单细胞筛选服务,并推进空间组学仪器创新。AI 模型公司、测序平台、组学服务商接连入局,从侧面说明这套设备体系在真实研发链路里接得住、连得通。

追光生物与华大智造、百图生科签订战略合作
资本市场那边的态度同样在变好。2023年10月,追光生物拿到数千万元天使轮融资并启动运营;2025 年 6 月,天使+轮融资陆续落地,金额数千万元,由英诺天使基金领投;到 2026 年 10 月,公司又宣布完成 Pre-A 轮融资,由深创投领投,规模超 5000 万元。按照披露的信息,新钱主要投核心产品研发与工程化、应用场景验证,同时把“AI 驱动技术服务模式的探索”明确列为重点方向。
04 AI for Biology浪潮下,早期硬科技企业还有哪些机会?
AI for Biology 升温之后,具备规模优势的头部企业正加速整合模型、机械臂、自动化工作站和数据系统。巨头环伺,硬科技科学仪器企业的破局机会在哪里?
答案或许在于:自主掌握核心测量与精密操控设备,破除“外购设备+机械臂拼接”的低效困局。
眼下行业推进实验自动化,普遍走的是“系统集成”路线——向外采购多台不同品牌的成品仪器,再用机械臂或轨道把它们串起来。可到了真实的生物实验里,尤其是活细胞功能分析与微观反应,这种“攒机式拼接”在性能和效率上的瓶颈就很明显了。
对追光生物来说,现阶段的重点是把核心仪器产品和客户交付持续做好,在此基础上再将自研测量设备、实验自动化和软件系统连接起来,探索更完整的 AI for Biology 智能湿实验解决方案。
实验效率、数据质量、流程衔接,客户这几方面的要求一直在往上走。往后看,AI 自主实验方案要想有价值,得在具体场景里跑得稳、数据靠得住,还能真正接住研发需求。追光生物的路子也在这里:靠不停的应用验证和客户合作,慢慢攒出自己在 AI 时代生物实验基础设施上的独特位置。
AI for Biology 已经不止停在算法研究,而是整体走向真实实验室建设,生命科学仪器企业的价值尺子也因此变了。核心测量和实验执行终端握在手里,同时把科研洞察、精益工程、高效组织这几样能力持续拧在一起,让复杂的生物实验变成高效、可靠、数据原生打通的物理系统——这样的公司,在下一代生命科学浪潮里才更有机会站到核心位置。