中國商報（記者 馬嘉）AI幫人看病已經不算新鮮事，但讓它像科學家一樣做細胞培養(yǎng)、藥物篩選這類精細實驗，一遇到意外情況就很容易“卡殼”。在第93屆中國國際醫(yī)療器械博覽會（CMEF）上，海爾生物發(fā)布了AI生態(tài)共創(chuàng)戰(zhàn)略，試圖聯(lián)合產學研機構，推動解決AI在“深研發(fā)”環(huán)節(jié)的泛化難題。

海爾生物戰(zhàn)略部部長潘澤宇、海爾集團旗下健康品牌盈康一生CTO倪永全對中國商報記者表示，目前，新藥靶點驗證、細胞治療工藝等復雜過程高度依賴人工經驗，效率低、穩(wěn)定性差，導致成果轉化緩慢。要讓AI真正從“輕問診”走向“深研發(fā)”，就必須讓它走進實驗室，去啃下那些決定醫(yī)療創(chuàng)新成敗的“硬骨頭”。

AI從“讀片”到“做實驗”

過去AI在醫(yī)療領域最成熟的場景是臨床輔助：影像識別、病歷生成、初步問診。這些屬于“輕問診”環(huán)節(jié)，對容錯率相對寬容。而真正決定醫(yī)療創(chuàng)新成敗的上游研發(fā)環(huán)節(jié)，則長期高度依賴人工經驗。

“AI醫(yī)療的下一步，是向上游生命科學重構研發(fā)范式。”海爾生物戰(zhàn)略部部長潘澤宇表示，新藥靶點驗證、細胞治療工藝優(yōu)化等復雜過程，過去靠人工操作，效率低、穩(wěn)定性差，成果轉化緩慢。“未來，實驗設計由AI完成，執(zhí)行由自動化設備承擔。”

在CMEF現場，海爾生物首次系統(tǒng)發(fā)布了覆蓋樣本庫、細胞治療、院內用藥、血液管理四大領域的AI+場景方案。以細胞與基因治療為例，其全自動細胞培養(yǎng)工作站基于自研科研大模型，可自動完成細胞復蘇、制備、培養(yǎng)、收集等全流程工序。實測數據顯示，培養(yǎng)效率提升150%，細胞活率穩(wěn)定在95%以上，批次間差異控制在4%以內。

這意味著，AI在實驗室里不再只是“助手”，而是開始扮演“生產力工具”的角色。海爾生物聯(lián)席CEO劉鋼將這種變化概括為三重關系重構：用戶與產品的關系從“使用”走向“應用”，用戶與廠商的關系從“買賣”轉向“共創(chuàng)”，用戶與AI的關系則從“提效助手”進化為“研發(fā)引擎”。

AI進入實驗室要啃“硬骨頭”

盡管單點場景已見成效，但AI大規(guī)模進入實驗室仍面臨“硬骨頭”。盈康一生CTO倪永全點出了最核心的挑戰(zhàn)：AI的泛化能力不足。

“生命科學實驗對錯誤的容忍度極低。用戶關心的不是AI能完成90%的工作，而是那剩下10%的意外情況有沒有應對方法。”倪永全說，當實驗條件發(fā)生細微變化，比如細胞狀態(tài)波動、試劑批次差異、環(huán)境溫濕度偏移，現有AI模型很容易失效或給出錯誤判斷。

大模型在開放場景下的“幻覺”問題，在生命科學領域尤其致命。一個錯誤的實驗決策可能導致數周工作報廢，甚至誤導后續(xù)研發(fā)方向。此外，實驗室產生的數據具有高維度、高噪聲、低標準化的特點，標注成本高、跨機構數據難以互通，導致AI難以從真實環(huán)境中持續(xù)學習和進化。

在活動現場，海爾生物帶來了一套Auto Mind智能實驗室架構。據現場工作人員介紹，該實驗室由AI智眸、AI智控、AI智樞、AI智研四大核心能力組成，以構建“感知—決策—執(zhí)行”的閉環(huán)，通過工程化手段約束模型行為，讓AI在生命科學場景中“能用又可信”。

倪永全坦言，當前行業(yè)最薄弱的環(huán)節(jié)就是數據質量與閉環(huán)，“多數AI應用還停留在單點智能上，只能完成某個步驟，比如識別細胞形態(tài)，無法形成從感知到執(zhí)行再到反饋的完整閉環(huán)。”為此，公司正推進面向真實世界的“數據采集和訓練場”建設。未來實驗室從“樣本進”到“結果出”的全自動化愿景，雖然仍面臨工程挑戰(zhàn)，但“在不久的未來很快就會實現”。

“AI　for　Science”如何落地

AI的落地不能單打獨斗。在此次大會上，海爾生物聯(lián)合中國信息協(xié)會、廣州國家實驗室，以及紫東太初、遨博機器人、阿里云、宇樹等生態(tài)伙伴，達成戰(zhàn)略簽約，共同構建“AI+數據+機器人+設備+應用”的生態(tài)共創(chuàng)平臺。

AI能真的幫人類完成那些最難的科學實驗嗎？研究一線代表曹小寶表示，未來，“干實驗（數字化模擬）與濕實驗（自動化操作）需要自主協(xié)同”，結合大模型的決策能力與具身智能的執(zhí)行力，科學發(fā)現過程有望實現“公式化”與“加速化”。

劉鋼則給出了一個量化的時間表：2025年海爾生物AI相關收入占比已提升至15%，計劃到2028年超過30%。“在AI for Science這條長跑賽道上，我們的選擇是扎根場景、開放生態(tài)。只有實事求是地推動每一處效率改進，才能真正實現‘讓科研更簡單，讓創(chuàng)新更高效’。”