晶泰科技 · XtalPi
AI + 机器人实验室 · 化学 / 材料 / 药物研发
闭环参数优化多工作站调度数字孪生LabHarness
已经做到
在边界明确的实验空间中连接设计、机器人执行、检测与下一轮优化，并开始研究长周期状态漂移和动态重规划。
仍待验证
复杂生命样本状态理解、跨实验室低成本迁移，以及未知生物异常后的稳定自主恢复。
从脚本自动化，迈向可验证的实验智能
Verified
Adaptive Workcell
面向生命科学与个性化医疗的自适应实验工作站。将科研目标与患者特异任务编译为跨设备实验流程，在多模态感知下可靠执行、核验操作、分级恢复异常，并让每一次成功与失败成为可复用的实验智能。
确定性执行生物状态感知分层错误恢复跨设备 Protocol IR
Workcell Runtime
ONLINE · 5 devices connected
Protocol #VAW-021
Adaptive LabOSObserve · Verify · Recover
Liquid Handler液面 / 压力 / 枪头状态
Microscope汇合度 / 形态 / 污染识别
Incubator温度 / CO₂ / 门状态
Plate Reader终点读数 / QC / 复测
Scientific Agent目标理解与下一轮设计
Product Definition
不是更复杂的机器，
而是实验室的智能控制与可靠性层。
成熟硬件负责可靠动作，Adaptive LabOS 负责跨设备编排、状态核验和异常恢复，Scientific Agent 负责设计、分析与闭环决策。
让实验系统真正知道：做了什么、是否做对、出错后怎样继续。
设备可理解
以机器可读能力模型描述设备动作、容器、精度、状态与安全边界。
流程可迁移
通过设备无关 Protocol IR，将科学意图与具体设备指令解耦。
操作可核验
融合视觉、压力、液面、日志和实验结果，验证动作是否真实发生。
异常可恢复
动作级重试、设备替代、流程重规划、样本隔离与人工审批分层处理。
Competitive Landscape
行业已经完成“自动执行”，
但尚未完成“可靠自适应”。
“智能”并非从零开始。领先企业已经具备动态排程、传感监控、AI 视觉与窄域闭环；下一代竞争焦点是跨设备迁移、生物状态理解和异常后的自主继续执行。
智能工作站能力成熟度
当前生命科学商业产品主要处于 L1–L2；明确任务边界内的化学与材料平台可达到 L3。L4 是愈科应争夺的产品代际。
L1数字化自动化
设备连接、脚本执行、样本追踪、远程监控。
L2感知型自动化
液面、压力、视觉 QC、错误告警与规则分支。
L3窄域自主实验
在预定义空间中，根据结果选择下一轮参数。
L4可验证自适应
状态理解、动作核验、错误恢复、跨设备迁移。
L5开放世界实验室
新任务、新设备和未知异常的自主学习与执行。
L3 → L4 探索
奔曜科技 · Bioyond
生命科学自动化整合 · 软件调度与机器人控制
前瞻排程动态调度拖拽流程故障管理
已经做到
多设备统一调度、仪器库、工作流编辑、报告汇总、远程访问和面向合规的数据追踪。
仍待验证
错误恢复多偏设备与流程层，尚未公开证明能理解细胞状态和科学后果后自主重规划。
镁伽科技 · MegaRobo
液体处理、细胞培养与专用生命科学工作站
压力探测液面监控吸放液追踪高通量无人值守
已经做到
通过成熟硬件和过程传感提高移液可靠性，覆盖细胞、ELISA、诊断和规模化培养等标准流程。
仍待验证
智能主要集中在设备级监控与专用工艺控制，新任务仍需工程集成、标定与方法学开发。
汇像科技 · XImaging
AI 视觉 + 细胞筛选 + 自动化工作站
细胞成像阳性孔选择自动扩增全流程追溯
已经做到
整合铺板、换液、培养、成像和表达检测，根据图像与检测结果自动挑选阳性孔并扩大培养。
仍待验证
强于“看见并筛选”，但对未知细胞表型、污染和跨任务异常的通用推理与恢复仍有限。
CURRENT INDUSTRY GAP
!
命令成功 ≠ 实验成功
设备返回完成，但无法证明液体、样本和生物状态发生了预期变化。
!
会报警，不会挽救
识别堵塞和超时后停机，无法判断继续、局部重做、隔离还是终止。
!
流程绑定设备
更换设备或实验室后，需要重新开发脚本、标定和联调。
!
缺少生物状态模型
系统理解错误码，却不理解汇合度、形态、活性、污染和时间窗口。
→
YUKE VERIFIED ADAPTIVE WORKCELL
✓
Action Verification
使用视觉、压力、液面、称重和结果信号验证动作真实完成。
✓
Recovery Runtime
按动作、设备、流程、样本和科学方案五层执行安全恢复。
✓
Protocol IR + Adapter SDK
把科学流程与硬件指令解耦，降低跨设备迁移成本。
✓
Biological State Engine
持续维护细胞和样本状态，依据真实状态而非固定时间推进实验。
差异化不再是“Agent 能否调度设备”，而是“系统能否证明做对，并在做错后安全继续”。
L4 PRODUCT WEDGE愈科应成为现有自动化设备与未来 Scientific Agent 之间的生命科学实验运行与可靠性层。
System Architecture
三层架构，兼顾可靠交付与长期智能。
语言模型不绕过验证器直接控制底层设备；候选程序经过约束、仿真、测试和运行时核验后才能执行。
01
Capability Model
动作、容器、精度、状态、安全边界和替代设备。
02
Protocol IR
任务图、样本状态、QC、时间窗、异常分支。
03
Digital Twin
资源冲突、耗材、体积、动作范围与失败路径预演。
04
Runtime Evidence
视觉、液面、压力、日志、条码与结果证据融合。
05
Recovery Policy
重试、替代、重排程、样本挽救与人工审批。
Verified Recovery Runtime
错误不只是被记录，
而是被理解、处理与审计。
模拟板式细胞实验中出现气泡后的自动核验、局部恢复和证据存档。
VAW Runtime Console
[READY] 点击“运行模拟”启动验证流程。
分层恢复策略
系统优先选择可逆、低风险的恢复动作；涉及样本身份、污染或不可逆损害时自动升级人工审批。
01 · 状态核验视觉检测发现 B7 孔存在异常气泡
02 · 失败归因结合压力曲线判断为吸液速度过快
03 · 局部恢复更换枪头，降低速度并重新执行 B7
04 · 二次核验复拍图像并确认液面、体积与气泡状态
05 · 继续执行保留证据链，更新后续孔位参数
Personalized Medicine Infrastructure
当每位患者成为一个独立实验批次，
传统流水线将失效。
个性化医疗的关键生产范式不是“大批量复制同一种产品”，而是高混合度、低批量、患者特异且时间敏感的实验与制造。
ONE PATIENT · ONE PROTOCOL · ONE TRACEABLE RUN
AI Agent 决定“这个患者应该做什么”，
愈科保证它可靠地被做出来。
测序、EHR 和可穿戴数据降低的是发现与设计成本；患者来源细胞验证、个体化核酸药物筛选、细胞治疗工艺和患者专属制造，仍然依赖大量湿实验。若这些环节继续依赖手工作坊，个性化医疗无法规模化。
并非所有个性化医疗都需要患者专属湿实验。需求增长最强的，是患者特异功能验证与患者特异治疗产品。
High-Mix不同患者、不同序列、不同样本状态
Low-Volume每条流程只执行一次或少量次数
Time-Critical临床决策窗口往往以天或周计算
Traceable身份链、样本链、工艺链必须完整
01个体诊断
基因组、病理、EHR、组学和动态健康数据。
02候选设计
药物组合、ASO、mRNA、新抗原或编辑策略。
03湿实验验证
患者细胞、类器官、分子检测、剂量与毒性。
04个体交付
决策报告、患者特异产品、放行与随访。
01
湿实验需求：极高患者来源类器官药筛
每位患者的组织需独立培养、铺板、测试药物与组合，并在有限临床窗口内生成可解释的功能药敏结果。
样本质控类器官培养自动铺板多药筛选成像分析
愈科价值：按样本量自适应缩放 panel，识别异常孔，局部挽救并将结果与分子数据闭环。
02
湿实验需求：极高N-of-1 ASO / 基因编辑验证
每个罕见变异可能对应一组全新候选，需要在患者来源细胞或类器官中完成转染、剂量、剪接恢复、毒性与脱靶验证。
候选设计患者细胞剂量梯度RT-qPCR候选排序
愈科价值：把患者变异直接编译为标准化筛选任务，复用底层设备与 QC，同时保留患者级证据链。
03
湿实验需求：极高个体化 mRNA 新抗原疫苗
患者肿瘤突变决定独特的疫苗序列，每位患者需要独立构建、转录、纯化、制剂、质控与免疫响应检测。
新抗原选择模板构建体外转录纯化制剂质量检测
愈科价值：支持“不同序列、相同平台工艺”的快速切换，并对每一患者流程自动生成审计包。
04
湿实验需求：极高自体细胞治疗工艺
患者自身细胞构成一个独立生产批次，起始细胞状态、转导效率、扩增速度和收获时间均存在个体差异。
身份链激活转导扩增培养表型效力批次放行
愈科价值：依据实时细胞状态动态调整培养和 QC，降低批次失败并支持跨站点工艺复制。
↻
从 Scale-up 到 Scale-out
个体化治疗无法用一个超大批次覆盖所有患者，需要并行复制大量可控工作单元。
⌁
珍贵样本不可重来
穿刺、手术和罕见病患者样本有限，异常发现与局部挽救比单纯提速更重要。
◉
流程必须状态驱动
不同患者细胞生长与响应不同，固定时间脚本无法稳定产生一致结果。
◎
监管要求完整证据链
身份、样本、设备、试剂、工艺、QC、异常和审批必须患者级绑定。
传统药物制造
低混合度、高批量：一个固定工艺生产大量相同产品。
1 产品1 工艺大批次千名患者
VS
个性化医疗制造
高混合度、低批量：每名患者对应不同输入、参数和审计记录。
1 患者1 Protocol1 独立批次1 数字线程
Product Wedge
先从高频、可数字化、可闭环的任务建立产品。
近期不直接承担临床级患者治疗产品制造，而是先占据“计算发现—湿实验验证”之间的高价值实验基础设施。
患者来源板式细胞实验
覆盖接种、换液、加药或转染、自动成像、状态判断与终点检测，逐步扩展至患者来源细胞和类器官药敏。
需求高频状态可感知差异化最高
Biomarker 分子验证
将组学候选快速转化为 qPCR、ddPCR、ELISA 或小 panel 验证，并根据 QC 自动决定复测、排除或下一轮实验。
标准化强医院科研快速交付
N-of-1 ASO 筛选验证
连接变异解释、候选 ASO 设计、患者细胞转染、剪接恢复检测、毒性评价和候选排序。
单项目价值高闭环完整科研影响力
合成生物学 DBTL
连接 PCR、DNA assembly、转化、挑克隆、培养与表型检测，结合主动学习选择下一轮构建和条件。
流程重复闭环明显结果数字化
Technical Route
从科研目标或患者任务，到真实动作的可信编译链。
核心不是自然语言直接控制机器人，而是把开放目标逐级收敛为可验证、可审计的执行程序。
1
目标解析
提取样本、候选、对照、资源、终点、时间窗和安全约束。
2
Protocol IR
生成设备无关任务图、样本状态变化、QC 和恢复分支。
3
设备编译
根据 capability model 选择设备、适配器和调度计划。
4
验证执行
通过数字孪生、权限检查、单元测试和运行时证据核验。
5
结果回流
判断接受、复测、恢复、终止或触发下一轮实验。
Business Value Simulator
客户购买的不是“AI”，而是更低的失败成本与更快的实验周期。
调整参数，查看示意性的年度价值测算。
2,112预计年度释放人工小时
40预计年度减少失败批次
¥60,480预计年度减少材料损失
528等效新增实验工时容量
示意测算默认自动化释放 55% 人工时间、减少 35% 可恢复失败，仅用于产品价值讨论，不构成实际收益承诺。
Product Roadmap
先用智能工作站创造收入，再进入患者特异验证与分布式制造。
稳定自动化负责当前交付，生命样本状态模型、过程证据和统一协议层决定未来在个性化医疗中的扩展能力。
0–6 MONTHS
可靠闭环原型
- 完成板式细胞实验 MVP
- 接入移液、成像、培养与读板设备
- 建立 Protocol IR 与 Action Verification
- 验证 5–8 类高频异常恢复
6–12 MONTHS
标准化产品与付费
- 推出板式细胞与 biomarker 工作流
- 形成 Adapter SDK 和数字孪生测试
- 获取高校平台与 biotech 付费客户
- 积累跨设备失败—恢复数据集
12–24 MONTHS
个性化医疗验证层
- 扩展患者来源细胞/类器官药筛
- 开展 N-of-1 ASO 验证示范项目
- 支持跨实验室 protocol 迁移
- 为 CGT 工艺开发与分布式制造奠基
让实验自动化真正开始积累智能。
Verified Adaptive Workcell 将成熟硬件、生命样本状态、实验软件与 Scientific Agent 连接成一个可执行、可核验、可恢复、可持续学习的湿实验闭环。