OpenAI发布BioBasicsBench：GPT-6 Astra仅得66.7%，AI4S实验室怎么建

蛋白质结构预测、分子设计这些方向，AI 这几年进步不小。Google DeepMind、Anthropic 等公司已经在用 AI 设计新蛋白质，可计算端给出的候选方案，最后还得靠真实实验来验证。

计算设计的能力跑得快，AI 对真实实验数据的理解却明显跟不上。

11 月 6 日，OpenAI 发布 BioBasicsBench 基准测试，专门用来考察 AI 分析日常湿实验数据的本事。100 项任务，覆盖凝胶电泳图、菌落培养皿、显微镜影像以及仪器读数等常见实验材料。

成绩单并不好看。表现最好的 GPT-6 Astra，在最高共同推理档位下平均得分只有 66.7%。模型还是会漏掉关键实验对照，或者在数菌落这类基础任务上出错，离独立可靠地分析实验结果还差得远。

图 | BioBasicsBench 基准测试中，不同模型及推理强度下的平均得分表现（来源：OpenAI）

怎么让 AI 拿到更多可靠实验数据，再拿这些反馈去改进研究策略，成了 AI4S 眼下绕不开的问题。自主科学实验室也因此被科技公司盯上。

腾讯首席 AI 科学家姚顺雨近日在 2026 未来科学大奖周上谈到 AI4S 的走向：从专用模型、科研智能体，再往能自主构建工具的智能体走。据相关媒体报道，腾讯还打算建 AI 自主科学实验室，探索让 AI 端到端执行复杂科研实验。

巨头还在规划阶段，华大智造旗下专注 AI4S 的子公司涌生智能已经动手了。第九届中国国际进口博览会上，该公司发布云端自主实验室 SE-Fab-SynBio，同时展示多项合成生物学成果。

跟多数实验室自动化企业比，涌生智能在生命科学 AI 上已经攒了多年研究底子。公司正式成立前，华大智造涌生智能研究团队就在 Nature Machine Intelligence 发表了 Concerto 研究，用自监督学习分析大规模单细胞数据，摸索 AI 对复杂生物学数据的建模能力。之后，团队又在同样刊于 Nature Machine Intelligence 的 EvoPlay 研究里引入强化学习优化蛋白质设计，算法提出的候选方案还经过湿实验检验。

大模型智能体技术起来后，团队正式设立子公司，把研究往真实实验流程里推。发表于 Nature Biomedical Engineering 的 PrimeGen 研究中，AI 开始参与测序引物设计、实验流程生成和自动化设备控制，并按实验反馈调整后续任务。从生物学数据建模，到蛋白质设计与实验验证，再到智能体介入真实实验，算法与实验结合的经验就这样一点点攒下来。

另一边，涌生智能在实验室自动化系统和高通量数据生产上的积累，让团队能围绕具体科研任务，把 AI 算法和自动化设备接起来。

在此基础上，涌生智能搭了一套叫 World Loop 的科学智能体循环进化系统，想把此前积累的 AI 算法、实验设备和真实数据串到一起。借这套系统，AI 不只是设计和执行实验，还能靠实验反馈不断调整研究策略，逐步提升自己的科研能力。这次发布的云端自主实验室，正好为这个过程提供真实实验和数据反馈环境。

让 AI 在实验中学习，World Loop 怎么实现自进化？

对科学家来说，一项实验往往从某个研究目标开始。可从提出假设到拿到可靠结果，中间要经过实验方案设计、操作流程编写、设备执行、数据分析和方案调整等好几个环节。

现在 AI 已经能帮科学家分担其中一部分任务。问题是，要让这些能力真正串成闭环，还有几个具体问题得解决：研究目标怎么转成设备能执行的实验？实验过程中的大量判断，AI 怎么高效处理？现有研究方法效果不好时，AI 能不能主动去找更好的办法？

针对这些，涌生智能搭起 World Loop 科学智能体系统，技术支撑来自 ProtoPilot、Operon-S1 和 EnzymeRSI 三项研究。三者各自作用在科研工作的不同环节，为 AI 从实验设计走向持续迭代提供支持。

第一个要解决的，是让 AI 真正学会执行实验。

今年 10 月，涌生智能与上海人工智能实验室等机构的研究人员发布 ProtoPilot 论文，提出一种多智能体系统，能按自然语言描述的研究需求自动生成实验流程，并转成设备控制代码。

传统实验室里，就算自动化设备已经到位，科学家还是得把研究目标拆成详细的标准操作流程（SOP），再照着设备接口写控制程序。试剂浓度、反应体积、操作顺序、设备兼容性，细节一大堆，哪个参数出错都可能影响后面的实验。

ProtoPilot 想用多智能体协作把这一过程包下来。系统先把研究目标拆成多个子任务，再由不同智能体分头负责实验流程设计、计算分析和代码生成，并用逐层验证机制检查实验参数与设备兼容性。

系统还加了一个能持续更新的技能库，把代码验证中发现的共性错误变成可复用的操作经验，帮后续任务少踩同类坑。

论文构建的 294 项评测任务中，ProtoPilot 生成的 SOP 在专家评审里的 Top@3 偏好率达到 90.2%，SOP 到设备代码的综合验证通过率 96.6%。ProtocolQA 开放式问答上，ProtoPilot 准确率 52.38%，超过 GPT-5.6 Sol 的 43.5%，已经逼近专家水平（54%）。

研究团队还做了质粒构建、定点突变和 DNA 组装等真实湿实验。其中一项 DNA 组装实验里，ProtoPilot 根据前期失败结果修正流程，最终拿到经测序确认的目标 DNA 片段。按论文报告，相比传统人工方式，系统把实验意图转化为可执行湿实验工作流的时间缩短了约 9.2 倍。

从生成实验方案到真正驱动物理设备，这项研究把 AI 的能力往前推了一步，也开始尝试让失败的实验变成后续任务可用的经验。

不过，科研智能体承担的任务越复杂，新的效率问题就冒了出来。实验过程中，它要反复权衡该不该调用工具、眼前的结果可不可信、任务什么时候该收尾。如果每次都调用

涌生智能 10 月底发布的 Operon-S1 研究，瞄准的正是这个环节。团队的做法是把复杂的科学推理和日常判断拆开：高频的轻量判断交给小模型，大型语言模型则集中处理更复杂的科研任务。

论文梳理出科研智能体运行中常见的 13 个决策节点，并在七项生命科学基准测试上做了评估。结果显示，本地决策模型在 CPU 上运行时，单次循环内请求的中位响应时间约 0.6 秒，多数测试中任务表现与原来持平，部分任务的计算成本或执行步骤还有所下降。

这些判断过程还能被记录下来，成为后续优化智能体判断能力的训练数据。对需要长期运行的自主实验室来说，这种做法能提升任务执行效率，也撑得起更复杂的实验流程。

但自进化实验室还有更深一层的要求：AI 不能只把既定实验做完，还得能改掉自己用的研究方法。

11 月 4 日，涌生智能研究团队在 arXiv 发布 EnzymeRSI 预印本，提出一种面向酶工程的双循环递归自我改进系统。

酶工程里，研究人员通常靠改动蛋白质的氨基酸序列，来提升催化效率、稳定性或底物选择性。潜在突变组合数量庞大，机器学习早已是筛选候选蛋白质的重要工具。可一旦研究目标变了，或者原有算法表现不佳，研究人员往往得重新调整预测模型和筛选策略。

EnzymeRSI 想让 AI 也参与到研究方法的改进中。按论文设计，系统有两个相互配合的循环：外循环负责优化工具选择、任务组织和工作流程；内循环则继续改进预测与筛选算法，找出更适应当前研究任务的方法。

以前，AI 主要帮科学家判断下一批该测哪些蛋白质；EnzymeRSI 想再往下走一步，检查当前的预测算法合不合适，能不能通过调整方法找到更好的候选。

这一思路与近期受到关注的递归自我改进（Recursive Self-Improvement，RSI）相关。系统不改基础模型的权重，而是靠优化科研流程、工具组合和具体算法，来提升完成特定研究任务的能力。

计算实验中，EnzymeRSI 展示了这套方法的成效。比如在蛋白质稳定性预测任务 ThermoMPNN 上，系统引入新的蛋白质表征方式，把预测结果与实验测量值之间的皮尔逊相关系数提高到 0.849，超过了论文中参与比较的十种参考框架。

研究团队还做了三组真实湿实验，检验系统在酶工程中的实际表现。

在海肾荧光素酶 RLuc 的优化任务中，EnzymeRSI 给出 40 个单点突变候选。排除 8 个预先指定的候选后，其余 32 个里有 10 个在实验中表现出至少两倍于野生型的发光活性。

在另一项针对 DNA 聚合酶 KOD-E 的定向进化实验中，系统给出了 E485I 与 S451L 的突变组合建议，该组合使酶在特定修饰底物上的催化效率提升到亲本酶的 31.1 倍。胞嘧啶脱氨酶 A3A 的多目标优化任务里，系统推荐的 Y130Q 变体则在特定序列背景下把目标底物转化率做到约 90.2%。

从实验流程自动生成，到高频决策优化，再到科研方法自主改进，这三项研究展现了涌生智能在不同层面推动科学智能体自进化的探索。

从算法走向真实世界，云实验室如何支撑自进化？

World Loop 要在真实科研中派上用场，还得接上实际的实验环境。蛋白质设计、酶工程这些领域，计算模型能筛出大量候选方案，但催化效率、稳定性等性能，终究要靠真实实验来验证。

11 月 6 日，涌生智能在上海进博会上发布云端自主实验室 SE-Fab-SynBio，初期主要面向

云实验室的思路和云计算相似。过去企业要用大量计算资源，往往得自己买服务器、建机房；现在用户可以按需调用远程算力。云实验室把这套逻辑搬进生命科学：科研团队不必自建完整实验设施，也能远程调用实验能力。

举个例子，研究团队想提高某种工业酶的耐热性能，可以先用 AI 筛出候选突变，再让云实验室调度设备完成蛋白表达、纯化及性能检测，最后把实验结果交回团队。

但对需要多轮迭代的 AI 系统来说，能远程提交实验任务还不够。传统实验服务一般把检测报告当作最终交付物，研究人员仍要自己整理数据、分析异常，再判断下一轮方案怎么调。

涌生智能想把实验执行和数据反馈一并纳入科学智能体的运行过程。所以 SE-Fab-SynBio 除了交付测量结果，还会关联实验条件、操作过程和质量控制信息。这些记录既能帮助判断实验结果因何产生，也能让成功和失败的数据进入后续的模型训练与研究策略优化。

由此，涌生智能把云端自主实验室定位为科学智能体的物理强化学习环境（Physical RL Environment）。AI 提出研究方案，实验室完成验证，真实数据再反馈给 AI，帮它调整下一轮的设计和决策。

把World Loop接进来之后，云实验室就成了科学智能体持续拿到真实反馈的一条通道，实验里产生的数据和经验可以接着用于后面的研究。对EnzymeRSI这类系统来说，真实验证还能看出算法优化到底有没有起作用，下一轮科研方法怎么调也就有了参照。

这条路子已经落到具体研发任务上。团队此前围绕华大智造部分核心产品中的工程酶做了多轮优化，其中一项测序相关聚合酶优化任务在28天内完成3轮迭代，测序错误率降低37%；另一项面向RNA合成的PUP聚合酶优化任务，25天内完成3轮迭代，热稳定性指标Tm提高3.4℃。

从这些应用也能看出涌生智能的技术取向。团队挑的是测序、酶工程这类边界比较清楚的科研场景先做，借着手头已有的自动化设备和实验经验，一点点把从计算设计到真实验证的链路跑通。

眼下SE-Fab-SynBio已经围绕酶挖掘、分子克隆、定向进化、无细胞合成和菌株改造等方向搭起实验能力，先开放的是候选酶功能验证等服务。

从局部闭环走到自主科研，AI4S还差多远？

AI在生命科学里参与得越深，实验室扮演的角色也跟着变。

以前实验主要是验证假设、推进具体项目；现在高通量实验产出的数据还能拿来提升模型的预测能力，让AI把下一轮研究规划得更有效。

AI4S产业链的分工同样受到这一变化影响。Adaptyv、Ginkgo等企业一直在扩大自动化和高通量实验能力，把实验执行和数据交付的效率往上提。涌生智能想走得更远一些，把实验设备和科学智能体连起来，让AI参与实验规划、执行以及后续优化。

涌生智能CEO杨梦此前接受DeepTech采访时提到，团队选的是自下而上的技术路径：“先把每一个子模块的干湿实验闭环做好，再逐渐走向端到端。”

杨梦在麻省理工学院读过化学工程硕士，后来在哥本哈根大学拿到计算生物学博士学位。在华大工作的十余年间，他先后参与基因测序仪、实验室自动化系统等产品研发，同时一直在做单细胞数据分析、蛋白质设计等方向的AI研究。算法和生命科学实验两头都趟过，这段经历也影响了涌生智能的技术选择：从具体科研场景切入，再逐步把算法、实验设备和真实数据串起来。

现在，这条路径也开始往外部产业合作上延伸。

涌生智能在进博会上放出消息：天津元一生物已接入其云端自主实验室，双方将围绕工程菌株的设计与改造，探索干湿闭环。实验条件、质量控制以及失败数据，按双方设想都要进入后续研发流程，用来协助团队调整菌株优化策略。

另外，涌生智能与元示科技签署战略合作协议，计划共同建设面向AI虚拟细胞的干湿闭环基础设施，为模型训练和验证提供真实实验数据。公司还与艾凯生物宣布拟共同出资设立合资公司，把合作范围拓展到自体诱导多能干细胞（iPSC）治疗、智能化细胞制备设备及虚拟干细胞模型等方向。

从酶工程到菌株改造，再到虚拟细胞和细胞治疗，云端自主实验室能覆盖的范围在慢慢扩大。不过要把这些不同的研究任务装进统一的科学智能体系统，实验能力标准化、数据质量控制、跨场景适配这些问题还得先解决。

涌生智能目前在实验流程生成、智能体决策和科研方法优化等方面有了初步进展，支撑这些能力运行的真实实验环境也已开始建设。

对World Loop来说，下一阶段要看的是这些技术能不能在不同科研任务里稳定配合，让AI从一次次实验中攒下可复用的经验，并不断改进自己的研究策略。自进化实验室究竟能从具体任务的技术验证走多远，走到更自主、能长期运行的科研系统，也取决于这一点。

参考资料：

1.https://doi.org/10.48550/arXiv.2606.31763

2.https://doi.org/10.48550/arXiv.2610.41350

3.https://www.gov.uk/government/publications/ai-for-science-strategy

4.https://www.whitehouse.gov/releases/2025/11/president-trump-launches-the-genesis-mission-to-accelerate-ai-for-scientific-discovery/

5.https://cnic.cas.cn/jdtw/zxyw/202609/t20260930_8288830.html

6.https://www.genoria.ai/en/research

7.https://arxiv.org/abs/2611.06321

8.https://www.instrument.com.cn/netshow/SH104318/news_1011630.html

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成