7月7日，由上海科学智能研究院（下称“上智院”）牵头、重点孵化企业上海格物智研科技有限公司（下称“格物智研”）运营的干湿闭环技术体系“Golab物质科学智能研发工厂”发布。借助这套系统，今后一位科学家或一个小团队就有望独立完成从前端研发到实验验证的科研闭环。
发布当天下午到7月11日深夜，在B站“上海科学智能研究院”直播间里，该体系连续100多个小时同时运行超百道真实科研题目，并把部分计算结果送进漕河泾的自驱动实验室完成合成验证。整个过程无人工介入，完整呈现了“AI计算—自动实验—数据回流—模型自进化”闭环的真实运转。
以下这场公开实战的情况汇总转自公众号“Golab格物智研”，成果摆出来，问题也不藏着。团队正面向高校、科研院所和企业研发团队征集真实科研课题，药物发现、材料、催化、电解液等方向，欢迎交流合作！
运行概况
干实验：题目持续运转，最终完成135道（原计划102道，超约30%）。团队对分子生成、虚拟筛选、AI训推等工具端实现做了工程优化（跳步降噪、多节点并行、缓存加载），提前完成后又在药物设计方向追加了同类不同目标的题目。任务完成率达99%，大模型自主编排任务的合理性100%，工具调用正确率100%、工具完成度约95%（8道题出现工具执行失败，1题可能调用2-3个工具）。
算力：直播期间累计算力运行时间829小时25分41秒。同一道题可能并行调用多个GPU和CPU实例解决同一个任务——过去一个课题组需数月完成的计算量，在这五天被集中执行完毕。
湿实验：7个实验批次昼夜连续排布，横跨新能源、新反应、新材料、新药物四大方向。机械臂总运动次数2224次。报错三次（避免两项任务冲突）、累计停机15分钟、气体消耗45L。
总运行时间：直播期间，设备总运行时间75.15h（所有设备实际运行时间累加（含并行）。
催化剂优化：依据首轮结果自我修正，第二轮活性提升约8倍
催化剂被称为化工产业的“加速器”——超过90%的工业化学反应依赖催化剂，更好的催化剂意味着更低能耗、更高产率与更少副产物。在本次全部场景中，催化剂优化最完整地呈现了“数据回流—模型自进化”的闭环。
平台调用团队自研的RXNGraphormer与CatEmb模型，围绕偶联反应进行了两轮迭代优化（文献基线：ACS Catal. 2022, 10.1021/acscatal.2c01970）。
第一轮：模型为4个反应推荐了一套新催化体系（CPhos），经自驱动实验室验证，前三个反应的综合活性较文献最佳配体（SPhos）平均提升约13%（三个反应平均转化率由约66.8%升至约75.7%）。
第一轮实测转化率（%）：
包括反应D在内的首轮结果被结构化地自动回流、并用于重新训练模型。在传统研发中，这类偏低或负向的数据往往被舍弃；而在闭环中，它们成为模型修正的依据。
第二轮：针对首轮转化率偏低的反应D，系统重新分析并推荐了新配体，经实验验证转化率提升至48.70%——较文献方案约6倍、较第一轮方案约8倍（48.70% vs 文献8.62%/第一轮5.81%）。这表明系统可连续运转、产出可验证的实验数据，并随迭代改善。
图1 催化剂两轮闭环优化：前三反应较文献综合提升约13%；反应D经第二轮新配体推荐，较文献约6倍、较第一轮约8倍。
跨领域连续运行：一套系统，十大场景
催化剂只是其中一道题。五天里，同一套智能体框架连续运行135道题，覆盖10大科研场景：靶点调研、药物虚拟筛选（10万分子库）、新药分子生成与验证、合成路线规划、反应过程优化、过渡态机理探索、科研大模型微调、高分子虚拟筛选、高分子模拟、电池材料设计。
跨领域调度体现在方法的自动选择上：面对高分子材料，调用自研Craton软件进行分子动力学建模和动力学计算、用“燧人”分子基座模型筛选单体；面对电解质，按体系自动选择方法——非周期体系用PySCF、周期性体系用CP2K+ASE，计算反应自由能、电化学窗口、氧化还原电位与声子谱；面对反应机理，调用自研过渡态生成模型UniTS-Gen，在业界首次实现复杂体系过渡态初猜的自动化生成——这一步过去高度依赖专家经验，如今由浑天绫Skills调用模型自动完成。
在新药上游，系统结合智慧芽数据库识别出潜在治疗帕金森病的新靶点；并在另一条管线上，将分子对接、分子动力学、自由能微扰（FEP）等过去分散于不同软件、需人工衔接的步骤，自动串联为完整链路，实现潜在活性分子的自动推荐。
此外，每一次干实验的执行记录与经验都被结构化存入代码仓库，形成可复用的“实验记忆”：https://github.com/golab-ai/Memory-of-Dry-Experiments
自动化实验：从虚拟筛选到实物合成
闭环的另一半在自驱动实验室。这五天，实验室打通了从合成到后处理到表征的完整链路——聚合、偶联、酰胺缩合、脲键构建，以及萃取，过滤，减压浓缩，过柱纯化，产物分析（自动化实验的难点，往往正是合成之后的分离提纯和表征）。
可回收高分子单体设计。基于高分子材料专家经验，“燧人”模型按玻璃化转变温度Tg在100°C到200°C之间，熔化温度Tm在200°C到250°C之间，分解温度Td在250°C到300°C之间，杨氏模量E ≥1GPa，开环焓∆H的范围是-20到-10 kJ/mol的目标性质，从约50万个酯类单体中筛选候选分子；机器人取其一进行聚合验证，得到内酯开环聚酯，经核磁共振氢谱测定，单体转化率89%。所得聚合物可在40°C下发生解聚，解聚产物经蒸馏分离后可回收得到原始单体，表明该体系具有温和条件下单体闭环回收的潜力。
图2 反应液 ¹H NMR，转化率89%
两款全新药物分子。面向EGFR（非小细胞肺癌）与IL-17A（银屑病、强直性脊柱炎等自身免疫病）两个靶点，系统对10万分子（Enamine REAL）用AutoDock Vina 筛选并多参数排序，分别推荐出据检索在已公布专利中无相似 Markush 结构的全新分子Z27670388、Z1287037157；再由格物平台拆解分子、生成合成/后处理路线并自动下发实验室。经自动化合成与纯化，EGFR分子LCMS转化率73%、IL-17A 分子LCMS转化率84%。系统不仅能找到已知的有效分子，也能给出既有专利框架之外的新分子起点。
图3 药物一（EGFR）酸胺缩合反应式
图4 药物一转化率图谱，LCMS转化率 73%
图5 药物二（IL-17A）脲键构建反应式
图6 药物二转化率图谱，LCMS转化率 84%
复现《Nature》成果。团队复现了复旦大学彭慧胜/高悦团队2025年2月发表于《Nature》的锂电池“外部锂供应”技术（注入一种AI辅助设计的新型有机锂盐，可将循环寿命提升至数万次）。直播期间成功复现该电解液添加剂相关反应，验证了系统对高水平学术成果的复现能力。
图7补锂剂“外部锂供应”机理示意（我方绘制；示例分子LiSO₂CF₃）
至此，从虚拟筛选到实物合成与表征的链路，由系统自动完成。
复盘：暴露的问题与改进方向
公开直播不仅展示已完成的结果，也让仍需改进的环节暴露出来。以下是本次运行中观察到的问题，以及下一步的改进方向：
超长链条任务的稳定性。135道题中有1道（阿尔茨海默病/神经退行性靶点的“靶点分析→10万虚拟筛选→top5 验证”全链条）未能被干实验agent成功结束所有阶段，另有8道题中途出现工具执行失败，但agent在工具失败后进行了相应的决策调整。此类任务链条长、工具使用难度高、断裂风险高，下一步拟加强断点续跑、失败自动重试与难例预检，收敛长尾失败。
对输入表述的敏感度。在开发中，团队发现有一些特殊的题目（提示词/数据格式）不够规范而未纳入有效统计，说明系统对提问方式仍较敏感。拟前置一层输入意图识别，query改写、纠错与主动澄清追问，降低使用门槛——这也是OPC（One Person Company，一人公司）普惠所需要的。
多任务并行的自动排程。湿实验期间出现3次报错，拟强化实验任务的自动排程与资源冲突消解，并完善合成后处理异常的自动处置。
运行指标的实时化。本次总耗电量、机械臂动作次数与完整报错台账仍需事后统计。拟补齐全流程实时监控，使运行数据可实时、可公开。
结论的可重复性与口径统一。当前多为单次验证，关键指标（如催化提升幅度、倍数基准）宜增加重复实验并统一对外口径，以增强结论的稳健性与一致性。
尾声
传统模式下，计算、实验、数据、迭代各自为政，每一步都需要人来衔接、翻译和等待。这100多个小时里，外界得以持续观察一个完整科研系统的真实运转：从生成分子、筛选方案、规划路径，到合成、提纯、表征，再到数据回流、模型修正、进入下一轮。科学家的角色因此回到提出问题、评估方案与做更高层级的判断，而非消耗在工具操作与数据转换上。这种连续、可观察、可公开检验的闭环能力，也是OPC模式在新能源、新反应、新材料、新药物等方向落地的基础。
五天不间断的公开直播，只是一个开始。
附：运行台账
观看回看：B站“上海科学智能研究院”，了解现AI计算、实验室合成与数据回流的完整过程。如有科学问题希望验证，或对这套干湿闭环体系感兴趣，可发邮件至 connect_us@golab.chat（请简要描述想法与需求）。