下一代生物技术研究：人工智能驱动的机器人实验室

SAION AI 的架构遵循相同的认知和执行模式，分为三层。每个层对应于典型研究工作流程的不同阶段。第一层分析生物信息，第二层协调研究任务并减弱软件实例。最后阶段将实验室工作转化为实际行动。

SAION 的认知层使用 Bota 的 Cell2Cloud Biofoundry 收集的数据以及现有的科学文献和公开的生物数据库。目的是利用先前实验和研究建立的模式来指导生物设计决策。据该公司称，其系统可以分析包括基因和蛋白质在内的各种生物系统。

设计-构建-测试系统的评论表明人工智能和机器人自动化的结合是加速科学研究的一种方式，尽管许多实施仍处于实验阶段。

SAION AI 中的编排层协调研究任务，在实验室使用的软件和硬件工具之间进行仲裁。 Bota 的系统使用大型语言模型推理的多代理框架来规划工作流程并管理专业软件工具之间的交互。该平台包括三百多个科学工具，涵盖序列分析和实验设计等任务。

结合多个人工智能体进行研究的系统已经开始出现在各种学术和实验工业项目中。平台描述的在最近的研究使用协调的代理来分析文献、生成假设、设计实验和评估结果，试图最小化计算机建模和实验室执行之间的分歧。

SAION AI 提供的执行层将实验与实验室硬件连接起来。它使用 Bota 的生物协议语言（其中之一一些[PDF] 这样的图式）将计划转换为实验室设备的说明。实验期间生成的数据返回到平台的分析层，用于对系统模型进行后训练。

闭环实验已成为实验室自动化研究的核心，此类实验室系统保持模型预测和实际物理实验之间必要的连续性。在理想情况下，人工智能模型提出实验，机器人设备执行实验，结果修改人工智能的下一轮假设。研究人员注意到然而，专家实验室人员需要在正在进行的实验过程中进行监督。

Bota 表示，SAION AI 在多项生命科学基准测试中表现良好。据该公司称，该平台在衡量科学文献理解程度的 LitQA 和 SuppQA 任务上取得了 70.7% 的成绩。该系统在测试 DNA、RNA 和蛋白质测序推理的 SeqQA 基准上达到了 88.2% 的准确度。然而，值得注意的是，大型语言模型可以经过训练，在基准测试中表现得非常好。

该公司还表示，其系统完整的研究工作流程，包括分析、实验设计和执行，准确率“超过 90%”。

最近的几项公告也说明了类似的尝试。 2026 年 1 月，Multiply Labs 宣布与 NVIDIA 合作，重点关注细胞和基因疗法的自动化生产。该实例中的两家公司计划使用人工智能、数字孪生和机器人技术取代熟练的体力劳动.

一些研究小组和工业合作伙伴已经开始致力于开发人工智能辅助的生物反应器平台，该平台将实时传感与机器学习模型相结合，例如：调整发酵条件在制造过程中。

根据华尔街日报,达世生物开发了一种系统，可以自动分析药物开发中使用的生物样本，同样结合机器人技术、人工智能和实验室工作流程，以缩短这方面药物研究的时间尺度。

人工智能在更广泛的药物设计工作中发挥着越来越重要的作用。 Alphabet 子公司同构实验室已筹集资金开发系统来分析生物数据并提出候选药物分子。该公司的工作将建立在 DeepMind 的 AlphaFold 蛋白质结构预测系统的基础上，该系统减少了蛋白质结构建模所需的时间。

尽管最近在计算设计方面取得了进展，但“人工智能生成”的药物尚未进入市场，候选药物仍处于临床测试阶段。

由于化学和材料工业采用了生物研究常见的生产方法，全球生物制造领域最近迅速扩张。市场预估到 2026 年，该行业的总价值将超过 10 亿美元，随着公司用与生物研究方法更相关的方法取代传统的化学生产研究方法，预计该行业的总价值将持续增长。

SAION AI试图缩短发现和工业生产之间的周期，就像类似的项目一样，其成败取决于所解决问题的复杂性。尽管业界似乎坚信，通过融合人工智能模型、实验室机器人和生物数据集，这一代人的生物技术研发可能会比以前更快，但复杂性往往很高，这意味着无论是否涉及人工智能或自动化，许多实验都会失败。

（图片来源：黑格斯敦社区学院的“生物技术项目”已获得 CC BY-NC-ND 2.0 许可。）

想体验全方位的企业技术创新吗？加入技术交流中心阿姆斯特丹、加利福尼亚和伦敦。 TechEx 涵盖人工智能、大数据、网络安全、物联网、数字化转型、智能自动化、边缘计算和数据中心，汇聚全球领先者，分享真实世界的用例和深入见解。点击这里了解更多信息。

技术总部由科技铸造媒体。探索其他即将举行的企业技术活动和网络研讨会这里.