AI 过去更多是在电脑里帮研究人员查论文、写代码和分析数据。AutoDNA 展示了另一种方向：让多个 AI 代理协作，把实验方案转成设备指令，再由机械臂和实验仪器完成真实的生物分子操作。简单讲，它不只是“替科学家想点子”，而是尝试把设计、执行和结果分析连成一条工作流程。
这套 AI 原生实验室由上海交通大学团队及合作单位研发，相关研究于 2026 年 11 月发表于《Nature》。但“AI 自己做实验”不等于实验室已经完全无人化，人工准备耗材、补充试剂和处理异常仍然重要。
AutoDNA 是什么？与普通实验室自动化有何不同
传统实验室自动化通常是先由研究人员设定实验步骤，再让机器人重复执行其中一部分。AutoDNA 的目标更进一步：研究人员用自然语言描述任务，系统再安排不同代理完成文献检索、试剂管理、实验设计、代码生成、设备控制和结果分析。
这里的“多智能体”可以理解为一个团队分工：每个代理负责一类工作，由中央规划代理安排先后顺序，并根据实验反馈调整后续步骤。它不是一个聊天机器人直接控制所有设备，而是模型、软件和实验硬件共同组成的平台。
它怎样把一句话变成真实实验
- 理解任务：把研究人员的自然语言要求拆成实验目标、步骤和需要的材料。
- 规划流程：检索资料、选择试剂，安排实验顺序，并确定需要哪些仪器。
- 生成设备指令：把实验步骤转成设备能够执行的代码或操作命令。
- 协调仪器：让液体处理设备、合成仪、扩增仪和测序设备按顺序协同工作。
- 检查结果：分析实验数据，再根据反馈调整下一轮操作。
不同厂商的实验仪器往往使用不同的控制接口。AutoDNA 通过硬件抽象层，把设备能力整理成代理更容易调用的服务，再由系统管理设备占用和实验排程。这是它能同时协调多类仪器的重要原因。
AutoDNA 已经展示了哪些实验结果
| 项目 | 论文报道的结果 | 代表的能力 |
|---|---|---|
| 设备协同 | 可协调 20 多种仪器 | 跨设备执行复杂流程 |
| 硬件操作 | 累计超过 11,000 个操作步骤 | 持续管理多阶段实验 |
| 并行执行 | 多套协议并行运行约快 3.2 倍 | 提高设备利用率和实验排程效率 |
| DNA 数据存储 | 合成并测序 78 条 DNA 链，约 203.5 小时完成 | 把数字信息写入 DNA，再读回原内容 |
| 酶促 DNA 合成 | 单步平均合成产率约 97.8% | 通过多轮实验反馈优化参数 |
| 肿瘤样本检测 | 识别并验证 KRAS G13D 突变 | 串联测序、引物设计和检测验证 |
其中 DNA 数据存储实验尤其能说明它的端到端能力：系统完成信息编码、DNA 合成、保存、扩增、测序和解码，最后还原出原始数字内容。它并不是把文字直接“打印”在 DNA 上，而是先把信息转换成 DNA 序列，再通过后续读取过程还原。
研究团队还报告，系统能够根据实验反馈优化酶促 DNA 合成参数，并在结直肠癌组织样本中识别和验证 KRAS G13D 突变。详细技术数据可查看Nature 原始论文和上海交通大学研究介绍。
为什么这项进展值得关注
AI 从分析资料走向物理世界
AI 不再只负责生成实验建议，还开始参与控制液体处理、合成、扩增和测序等真实设备。对重复性高、步骤多、操作精度要求高的实验，这种协同方式可能减少人工重复劳动。
实验反馈可以反过来改进方案
传统自动化通常执行预先写好的流程。AutoDNA 则尝试让代理根据实验数据调整参数，再安排下一轮实验。这种“设计—执行—分析—再设计”的闭环，有机会提高设备利用率，也能帮助研究人员探索更大的参数范围。
AutoDNA 还没有做到完全无人化
目前仍需要人类研究人员选择实验任务、准备实验平台和试剂，并在长期运行时补充耗材、清理废弃物。研究报道还记录了 14 次硬件错误，其中 8 次由系统自动恢复，另外 6 次需要人工介入。实验室不是只要输入一句话，就能无限期自行运行。
可靠性也仍是门槛。大语言模型的输出具有一定随机性，可能影响实验方案的重复性；不同仪器的接口也不统一，设备代码需要经过检查。研究人员提出的数字孪生思路，就是先在虚拟环境中模拟操作，尽量提前发现容器位置、液体体积或设备状态等问题。
生物安全与管理不能省略
当 AI 系统能够生成实验方案并控制合成设备，实验权限、序列筛查、操作日志和人工审批就更重要。涉及生物材料的工作必须遵守机构的生物安全规范，不能把“自动化”理解为取消审查。设备访问权限、实验授权记录和异常停机机制，都应在系统设计阶段纳入。
常见问题（FAQ）
AutoDNA 是一个可以下载使用的 AI 软件吗？
不是普通的桌面软件。它是由模型、代理、设备控制系统和实验仪器组成的科研平台，需要专门的实验硬件与运行环境。
AutoDNA 能完全取代实验室人员吗？
目前不能。实验任务选择、设备准备、试剂补充、废弃物处理和部分异常恢复仍需要人类参与。
它真的能把文字存进 DNA 吗？
它先把数字内容编码成 DNA 序列，再通过合成、测序和解码还原信息。研究展示了完整流程，但这不代表日常文件存储已经能用 DNA 取代硬盘。
AutoDNA 的实验结果是否已经适用于临床诊断？
论文中的肿瘤样本实验属于研究验证，不能直接等同于经过监管批准的临床诊断产品。
这项技术最大的限制是什么？
包括设备可靠性、跨品牌仪器接口、实验重复性、人工维护和生物安全管理，仍需要进一步验证。
总结
AutoDNA 的意义，在于把 AI 代理从文献与数据处理推进到真实实验操作，并展示跨仪器协同和反馈优化的可行性。它距离无人实验室仍有差距，但已经为自动化生物研究提供了一个值得关注的技术路线。若您想了解 AI 如何从功能描述设计蛋白质，也可以继续阅读Pinal 蛋白质设计系统的工作方式，以及本站的机器人与 AI 科技进展速览。