上海交大推出 AI 原生实验装置 AutoDNA：贯通分子生物学实验设计与执行，成果登《自然》

据 IT之家 11 月 8 日报道，上海交通大学团队构建了 AI 原生科学实验室 AutoDNA 装置“思源一号”，实现自主分子生物学实验操作，相关成果发表于《自然》，并获该刊官网首页头条报道。研究由计算机学院 IPADS 实验室陈海波、王肇国团队，与化学化工学院、变革性分子前沿科学中心樊春海、王飞团队合作，依托张江高等研究院 DNA 存储研究中心开展。

AutoDNA 的重点不只是让 AI 生成实验方案，而是通过模型、实验与仪器协同设计，把方案转化为真实设备的操作，并依据实验结果调整后续步骤，覆盖需要微米级定位和微升级液体处理的复杂生物分子实验场景。

从局部辅助，走向实验全过程协同

据来源介绍，已有 AI 自主科学实验室通常需要专家预先配置仪器、规定流程和设定优化规则，AI 主要参与文献检索、方案生成或数据分析。这种方式能提升局部效率，但面对流程复杂、设备多样且严格依赖操作时序与环境稳定性的分子生物学实验，仍存在衔接难题。

AutoDNA 采用面向实验的多智能体架构，将任务拆分后交给不同专业智能体协作，并根据实验进展组织执行。其技术路径主要包括：

• 流程层：串联文献检索、试剂选择、方案设计、代码生成、硬件执行、结果分析与迭代优化。
• 设备层：把仪器能力抽象为“原子服务”，通过自然语言说明与统一代码接口供模型理解和调用。
• 执行层：结合高精度硬件与调度系统，进行程序检查、仪器状态跟踪和资源安排，满足时序及操作约束。

这意味着模型不仅需要判断“该做什么”，还要借助设备接口完成“如何执行”。系统能够生成、检查和修正跨设备控制代码，让“设计—实验—优化”形成闭环，而非停留在生成一份实验建议。

影响与解读：AI 进入实验室，关键在物理执行

从科技产业视角看，AutoDNA 展示的是 AI 智能体与自动化硬件更紧密结合的方向。软件任务中的错误往往可以修改后重跑，而生物实验涉及试剂、设备状态和操作顺序，仅有模型推理能力并不足够。系统必须把模型决策与可检查、可调度的执行流程连接起来。

其中，“原子服务”的意义在于为不同仪器建立统一的能力接口，降低模型直接面对设备底层差异的复杂度。但这不等于可以无条件接入任意仪器，具体适配范围和运行表现仍需结合实际部署验证。

据报道，平台还集成了基于 OpenHarmony 操作系统的控制终端，并在核酸检测、酶促 DNA 合成、癌症检测等场景开展应用验证，展示了端到端 DNA 存储的编码、写入、保存、读取与解码流程。这些验证说明系统已进入实际实验操作环节，但不能据此将其等同于成熟临床产品。

对 AI 工具与科研自动化领域而言，AutoDNA 的启示是：自主实验室的进步不仅取决于模型能力，也取决于仪器接口、执行调度和精密硬件能否协同。来源尚未披露足以全面评估成本、效率与可靠性的量化信息，其规模化应用价值仍有待后续验证。