自动化

无论是一间已经拥有部分自动化设备的实验室，还是一套需要增加新实验流程的SDL，甚至是未来尚未配置设备的实验空间，系统都可以根据科研目标，判断需要构建哪些能力。

过去，实验室自动化的目标主要是让机器代替人类执行实验。

这意味着，实验室自动化正在出现一种新的可能：AI不再只是使用人类预先搭建好的实验系统，而是开始尝试根据科研目标，主动扩展实验室自身的能力。

从这个角度看，SBL的意义并不只是让机器人完成更多实验步骤，而是尝试改变科研人员与实验室自动化系统之间的关系。

但至少，实验室自动化的目标正在发生变化：AI不只是要学会怎样使用实验室，还要逐渐学会如何让实验室适应新的科学问题。

这意味着，实验室自动化并不是简单地将人类从操作流程中移除。

当然，从一套能够协调设备的自动化系统，到真正能够自主设计、制造并管理实验室，还有很长的距离。

它通常围绕设计、制造、测试和分析（DMTA）循环展开：研究人员提出实验目标，自动化系统根据已有数据设计实验，机器人执行操作，再将实验结果反馈给模型，用于调整下一轮实验方案。

“我们希望让科学家能够把更多精力放在科学问题本身，而不是花费大量时间学习如何搭建和调试自动化系统。

如果SBL只能在一套固定设备上完成量子点实验，那么它与传统自动化平台之间的区别仍然有限。

例如，一套自动化平台已经能够完成试剂配制、液体转移和光学检测，研究人员便可以利用它开展相应的实验。

如果每一次变化都需要工程师重新进行定制开发，自动化实验室的扩展速度就很难跟上科研需求。

无论是一间已经拥有部分自动化设备的实验室，还是一套需要增加新实验流程的SDL，甚至是未来尚未配置设备的实验空间，系统都可以根据科研目标，判断需要构建哪些能力。