对话上交大连文昭：机器人学会实验，距离自主科研闭环还有多远？
2023 年，连文昭决定离开硅谷，回国创业。
这个决定背后，是他在机器人领域十多年的积累。连文昭曾先后在 Vicarious 从事通用人工智能研究、在 Google X 任资深研究科学家、在 Figure AI 任技术总监，并是 Figure AI 的初创成员之一。经历了从通用人工智能探索到机器人模型、软硬件协同的不同阶段。随着多模态大模型的发展，他看到了机器人进入真实物理世界的新机会，也希望将多年的技术积累真正转化为产品。
回国后，他找到了高中同学谢铮。一个长期在硅谷研究 AI 模型与算法，另一个则在国内深耕机器人硬件，曾负责优必选 Walker 人形机器人产品线。两人决定将各自的经验结合起来，共同创办物理智能机器人公司源络科技。 如今，连文昭还担任上海交通大学人工智能学院教授。
但他们选择的创业方向，却不是当时更受关注的工业制造、仓储物流或家庭服务， 而是生命科学实验室。
在连文昭看来，实验室需要机器人同时具备高柔性、高精度和长序列任务执行能力，是一个足够困难的场景。 “难是一件好的事情。” 他认为，只有这样的场景入手，才能倒逼机器人建立真正通用的能力。
成立近三年，具身智能迎来热潮，源络也开始将机器人部署到真实实验室。从实验操作到自主科研，机器人距离真正改变科学研究还有多远？ 近日，DeepTech 在北京海淀与连文昭进行了交流。
以下为经编辑整理的对话内容：
从硅谷回国，为什么选择生命科学实验室？
DeepTech： 你曾先后在 Vicarious 从事通用人工智能研究、在 Google X 任资深研究科学家、在 Figure AI 任技术总监，并是 Figure AI 的初创成员之一。 2023 年，为什么决定离开 Figure AI，回国创业？
连文昭： 我在机器人行业工作了十多年。最早加入的 Vicarious 是一家探索通用人工智能（AGI）的公司，后来在 Google X，我进一步接触了机器人技术的工程实践，以及最前沿模型和算法研究。
2022 年前后，多模态大模型发展迅速，我判断这些技术有望加速机器人的实际应用。虽然机器人比大语言模型面临更多物理约束，需要在复杂、动态的真实环境中完成任务，但我认为它很可能成为 AI 下一阶段的重要方向。
在 Figure AI 工作期间，我第一次与硬件团队深入合作，对软硬件协同有了更全面的认识。有些问题通过软件很容易解决，但在硬件上实现却非常困难，反过来也一样。
经过这些年的积累，我觉得到了该自己做一件事的时候。同时，国内在人才、供应链和软硬件协同研发方面具有优势，能够支持更快的产品迭代，所以最终决定回国。
DeepTech： 你在硅谷接触过不少工业制造、物流等应用场景。为什么创业后，选择了生命科学实验室？
连文昭： 我之前工作的几家公司主要探索的应用场景是家庭、工厂和仓库，但真正进入部署阶段后，我们发现工厂未必是发展智能机器人的最佳试验场。工业制造追求标准化、低成本和高效率，很多问题可以通过调整环境和流程来解决，不一定需要机器人具备很高的智能水平。
生命科学实验室则不同。实验流程、样本配比和操作要求可能经常变化，不同研究人员的操作方式也不完全一样，很难把所有条件都标准化。同时，实验室对机器人的要求又非常高，除柔性外，也需要精细操作，还需要连续动态的完成多个步骤，这对物理智能确实有真正的需求。
另一方面它确实很有难度， 难度是一件好事。如果一开始的场景足够有挑战，就能倒逼我们建立智能机器人真正需要的能力。未来，这些能力也可以迁移到其他领域。
DeepTech： 2023 年前后，生命科学领域已经出现了不少自动化实验室，包括高通量实验平台和“黑灯实验室”。你们为什么认为，还需要新的智能机器人？
连文昭： 我会把实验室的发展分成三个阶段。实验室 1.0 是以人为核心的传统实验室，科研人员依靠双手和眼睛完成各种实验操作；实验室 2.0 是以设备为核心的自动化实验室，通过高通量仪器、工作站和机械臂，把固定流程连接起来。这种方式适合标准化、重复性高的任务，但灵活性相对不足。另外，固定式高通量设备通常需要一定的实验规模才能发挥优势。
我们希望推动的是实验室 3.0，也就是由上层 AI 模型和智能体规划任务，底层智能机器人负责执行，实现“手脑联动”。
这并不意味着要替代所有自动化设备，而是让机器人利用柔性操作能力，把现有仪器和实验环节连接起来。 AI 可以根据实验结果调整下一步计划，机器人负责执行，并把新的数据反馈给模型。这样才有机会形成真正的科研实验闭环。
DeepTech： 未来，你认为实验室 3.0 会逐渐取代前两个阶段，还是三种模式会长期共存？
连文昭： 我认为三种模式会长期共存，但比例会发生变化。
以人工操作为主的实验室可能会逐渐减少，对于流程固定、实验量大、重复性高的任务，传统自动化工作站仍然具有成本和效率优势。实验室 3.0 的占比则可能越来越高。随着 AI 能力提升，实验室会逐渐具备自主规划和执行实验的能力，但这应该是一个持续发展的过程。
DeepTech： 创业时，你还邀请了优必选 Walker 系列产品线负责人谢铮。你们之前就认识吗？为什么选择他作为创业伙伴？
连文昭： 我和谢铮是高中同学。后来我去美国读博士，一直从事机器人模型和算法研究；他则长期在国内研究机器人硬件、机械结构和控制技术。
机器人是一个软硬件高度耦合的系统。我过去更熟悉算法，但在机器人硬件还没有完全成熟的阶段，如果软件研发完全依赖外部硬件平台，就会限制性能和迭代速度。
所以我认为， 现阶段更适合采用类似苹果的垂直整合模式，把关键硬件、底层控制和 AI 模型结合起来。 谢铮的硬件背景正好与我互补。现在他主要负责机器人本体和底层控制，我主要负责模型与算法研发。
从技术演示到真实部署，难点在哪里？
DeepTech： 源络成立快三年了，与最初的设想相比，现在的产品和技术路线有哪些变化？
连文昭： 我们一直是设想通过数据闭环推动机器人技术研发和落地。这条路线基本没有改变。从 2023 年开始，我们一方面持续积累实验室场景的数据训练模型，包括很早采集了大量第一视角视频；另一方面持续研发高柔性、高精度的机器人本体。
经过多轮迭代，目前我们的机器人末端执行精度可以达到 ±0.1 毫米，满足目标实验室场景的要求。基于前期积累的数据，我们也训练了相关模型，已经能够在物体和任务层面实现一定程度的泛化。
商业化方面，我们与一些科研机构和企业建立了合作。客户通常会分阶段提出需求，完成前期目标后，再提高运行速度、覆盖更多实验环节。
DeepTech： 此前有报道提到，你们的机器人已经能够复现 80% 以上的常见实验流程。这个比例具体意味着什么？距离完全自主运行还有多远？
连文昭： 80% 指的是关键流程的覆盖率，是一个比较粗略的估计，具体取决于怎样界定实验流程范围。
从目前的能力来看，针对细胞培养与传代、细胞毒性检测、核酸提取与检测等常见实验，我们已经能够覆盖相当多的操作环节。但最终目标肯定不止于此。我们希望机器人能够覆盖完整的实验流程，真正实现无人值守运行。
如果能够做到这一点，就可以把实验室里原本需要人工辅助的设备连接起来，让它们实现每周 7 天、每天 24 小时持续运转。所以，接下来还需要继续扩大操作覆盖范围，提高运行速度和可靠性。
DeepTech： 不同实验需要的操作方式差异很大。你们目前研发了哪些机器人形态？
连文昭： 我们正在从单一产品走向多种模块化机器人组合。最早的 Monte 01 是轮式双臂机器人，后来的 Monte 02 延续了类人形设计。我们还推出了轮式单臂机器人 Monte S1，当然也支持固定式单臂、双臂等其他形态。