近日,華大智造(688114.SH)旗下子公司Genoria AI聯合上海人工智能實驗室,正式發佈ProtoPilot多智能體實驗系統與BioLab Bench評測基準。此舉被業內視為“物理AI”從概念驗證邁向商業化規模部署的關鍵一步,一條貫穿芯片、自動化、CXO與能源的AI4Science價值鏈隨之清晰浮現。
ProtoPilot可將研究人員的實驗意圖自動翻譯為設備可執行的代碼,並在濕實驗過程中實現自我糾錯。其在ProtocolQA基準上取得了52.38%的準確率,已逼近人類專家約54%的水平。BioLab Bench則首次構建了端到端實驗室性能打分框架,形成“實驗設計—協議轉化—設備執行—濕實驗反饋”的閉環。
與純文本大模型不同,這套系統將實驗室理解為一個充滿約束、排隊和誤差信號的物理空間,而非簡單的聊天界面。對CRO、藥企發現部門、醫院實驗室而言,這意味著科學家從手動翻譯意圖到編寫儀器腳本的時間將被大幅壓縮,藥物候選分子推進速度有望顯著提升。
物理AI在中國的加速落地並非偶然。頂層政策持續加碼“AI for Science”,上海人工智能實驗室等國家級平臺已成為應用研究與開放基準的磁石。製造業層面,中國貢獻全球近30%的製成品,在智能終端、汽車電池等領域擁有密集的供應鏈網絡,為硬件原生AI提供了天然的迭代土壤。
算力方面,華為昇騰950系列加速填補國產空白,業界預期其今年將在本土AI加速器市場佔據約五成份額。AI4Science混合了推理、規劃與控制等負載,本土可及的算力資源正構成不可或缺的韌性底座。
物理AI從屏幕延伸至儀器,勢必重塑從底層芯片到上層服務的龐大產業鏈。綜合研發進展、產業地位與全球佈局,以下十大標的值得投資者重點關注。
物理AI不會止步於演示。投資者需跟蹤三項先行指標:一是全自動智能體編排的實驗周通量;二是在不同機器人平臺間的跨設備泛化能力;三是對BioLab Bench分步驗證與成功門檻的合規可審計性。CRO和醫院網絡的實際採用將是真正的試金石。
風險層面,算力出口管制、多租戶環境下的IP保護、訓練數據溯源以及AI驅動工作流的跨國監管審批仍待持續突破。但國產算力鏈日趨閉環、可追溯執行框架日益成熟,中國生命科學自動化正加速從原型走向規模化部署。對於全球投資者而言,這並非單一標的的機會,而是一場覆蓋“芯片—算法—硬件—試劑—能源”的系統性升級。