前几天翻到一条旧闻，利物浦大学那个会自己做实验的机器人化学家，又上Nature了。
说"又"，是因为2020年它就上了一次。那时候国内自媒体一通吹，当然我是第一个发的但没吹，说什么"博士要失业了""化学系要倒闭了"，而当时，这个项目我都知道开发2年了。2026年了，我倒想冷静聊聊，这台机器到底干成了什么，又没干什么。
事实
它确实做到了一件以前没人做到的事
2020年那台，是个KUKA的一款协作机械臂装在移动底盘上，大概一米七五高，在利物浦大学材料创新工厂里自己跑。它干了八天，做了688个实验，用贝叶斯算法在10个变量里搜，最后找到一组光催化剂，活性比初始配方高6倍。这个工作发了Nature。
2024年，升级成两台机器人协作。它不只是做反应了，还自己接液相色谱质谱（LC-MS），自己接台式核磁（NMR），自己分析数据，然后自己决定下一步往哪个方向走。
三个方向验证过：药物分子的结构多样化、超分子主客体化学、光化学合成。论文里说，它做的决策和一个训练有素的合成化学家"基本一致"，但人类要花几小时看数据，它凌晨三点出结果，三点零一分就定了下一组实验。
作为一个做了十几年实验室自动化的人，我得说，这个"闭环"是真的难。
以前我们做自动化，不管多高端，本质上都是"人写好流程，机器按流程跑"。加样、离心、上机、出结果，每一步都是人预先编排好的。机器不会自己想"这个结果不对，我换个条件试试"。
利物浦这台第一次把"看完数据决定下一步"这个环节也交给了机器。这一步跨出去，确实是个里程碑。
但是
它没吹的那么神
Cooper自己在论文里就认了：这台机器人"目前不会有尤里卡时刻"。它的上下文理解比一个训练有素的研究员差得远。
《Science》当时配的评论更直接：它那个贝叶斯优化本质上是"盲搜"，所有变量一开始权重一样，它不知道已有的化学知识，不调用理论计算，脑子里没有物理模型。它不会自己提出科学假设，只是在人类画好的一个10维格子里，按概率往更优的方向走。
说人话就是：博士告诉它"你就在这十个条件里帮我找最优配比"，它不眠不休帮你搜完。但博士要是不知道该搜什么、为什么搜、搜出来意味着什么，它就废了。
它替代的是一个不知疲倦的操作工+初级数据分析师，不是那个站在白板前想课题的人。
现实
它必须面临的问题
成本
那台机器人加一整套具备完整接口的仪器，不是普通课题组扛得住的。利物浦那个材料创新工厂是8100万英镑建起来的。很多学校的化学实验室，连个像样的通风橱都凑不齐，就别想这台了。
通用性
论文里验证的都是小体量液相反应，一百毫升以下。工业界真正头疼的放大、固相、多相、高压高温，它碰都没碰。RSC后来的一篇评述直接说，这个规模"不适合后续工艺化学"。
可靠性
你让它连续跑八天688个实验，听起来猛。但做过自动化的都知道，真正难的不是跑起来，是跑了几千个小时不出一次卡瓶、漏液、误判。论文里那八天是精心维护的结果，不是扔那儿就不管了。
安全
后来他们想接大模型让它读文献、自己提反应路线，论文自己也写了，必须加安全护栏，不然他真的会发生碰撞故障。这点LABMAN早在2019年就已经将其打造成自动化工作岛，完善了这点问题。
意义
它对人意味着什么
我的判断是：这东西不会让化学博士失业，但会改变博士的工作方式。
以前一个博士六天时间，三天在配液、上机、等结果，两天在看谱图整理数据，真正用来想问题的时间可能就一天。机器人把那五天接过去，博士把时间花在"该搜什么方向、结果意味着什么、下一步课题往哪走"上。这其实是好事。
但别指望它变成一个自己会思考的科学家。至少现在还不行，而且AI接入了也不行，因为他没有AI基础接口。它的决策是概率优化，不是科学洞察。真正改变世界的那个实验，比如弗莱明发现青霉素，比如彭齐亚斯那个消除不掉的噪声，往往来自"这个结果不对，挺有意思"的好奇心，不是在预设参数空间里跑贝叶斯。
这台机器人擅长的，是把已知问题搜得更快。它不擅长发现"这居然是个问题"。
利物浦这台机器，是把实验室自动化从"流水线"推到了"自动驾驶辅助"。它不是无人驾驶，它是定速巡航+车道保持。方向还是人把，路它自己跑。
跑了七年多了，电机部分都快老化退役了，它还在那个实验室里，没走进多少工厂。但方向是对的。
等2030年，等大模型真能接上文献、接上理论计算，那时候再回来重新评价一下。
。
😄
就不要在后台私信问我是个人还是公司了。
本人从事#黑灯实验室、#实验室自动化、#仪器智能体、#智能实验室、#送样机器人 工作多年，我的微信是iLabBot（长按复制添加）
