谷歌把 AI agent 送上了湿实验台：会自己排实验、踩坑、改方案，还筛出了纳摩尔级抗癌蛋白结合体

AI 设计分子这几年进展飞快，但有一个瓶颈始终绕不过去：设计在硅基世界里迭代，验证却要在真实的湿实验室里排队。

10 月 16 日，谷歌发了篇博客，讲他们怎么把这个闭环真正打通：让 AI agent 直接操作移液机器人、设计并执行真实生物实验、读回结果、自己改方案。三个项目串起来看，目标很明确：人类定方向，agent 跑实验，在几轮"设计-测试"循环里做出有药物价值的分子。他们给出的代表性成果是：针对一个肿瘤相关靶点，筛出了亲和力个位数纳摩尔（nM）级别的全新蛋白结合体，这个水平通常要经历大量实验室优化才能达到。

这篇文章的价值在于细节，尤其是两个"agent 在湿实验里自己纠正幻觉式假设"的故事。我挑重点讲。

一、VERID：给 agent 装一个"物理现实底座"

AI agent 写代码控制移液机器人，最大的坑是：代码语法正确，不代表物理上做得成。

一个 8 通道移液头降到一条太浅的试剂槽里、从已经耗尽的孔里吸液、被未建模的流体效应污染，这些都不会让代码报错，但会让实验报废。

谷歌的方案叫 VERID（VERified Infrastructure for Discovery Laboratories），本质是实验室工作区的语义数字孪生：一棵实时、有状态的 3D 体积实体树，跟踪从机械臂几何、每个孔里的液体体积、试剂身份到枪头库存的一切。它建在开源的 PyLabRobot 框架上，提供四项能力：

实时 3D 状态追踪，行动前让 agent 先查台面布局、孔内体积、可用枪头；秒级虚拟干跑，动真试剂之前在仿真里抓碰撞和空孔；硬件安全拦截，非法命令到不了机器人；同步视频加动作日志，每次运行留完整档案。

▲ 真实移液工作站实拍：agent 经 VERID 规划、仿真、执行液体处理协议（图源：Google 原文视频，下同）

报告里的案例都很实在。同步视频和执行轨迹抓到过一次"移液头离孔底太近导致染料分层不均"，agent 据此改进了混匀策略；同一次实验里板读数仪中途故障，靠数字孪生的持久状态，agent 从中断处恢复，没有重吸一遍；仿真否决了一次物理上放不下的 8 通道吸取后，agent 现场重排了一个析因诊断实验，分离出枪头壁残留携带造成的微妙偏差，这是单纯重复实验根本发现不了的；还有一个闭环自博弈 campaign，agent 迭代设计并执行机器人实验，从俯视相机图像反推盲配染料混合物，跨轮次识别出自己的光学和流体伪影，精度提升了五倍以上。

二、适体沙盒：agent 学会了"别骗自己"

第二个项目是我觉得最有科学味道的一个。适体（aptamer）是能与蛋白结合的 DNA 序列，常用于临床生物标志物研究。它有个天然优势：DNA 可以化学合成成混合文库、直接测序读出，一轮完整的设计-测试-分析循环只要 7 到 10 天。这是测试"lab-in-the-loop"的完美沙盒。

流程是：agent 设计候选序列，对目标蛋白做磁珠筛选分离有功能的结合体，测序返回定量数据，喂给下一轮。三轮实验，两个难度不同的靶点。

▲ 闭环：分析 → 生成 → 设计 → 排序，候选合成、功能筛选、测序量化，循环 N 轮

两个靶点各踩了一个完全不同的坑，而 agent 都是自己从湿实验数据里爬出来的。

α-凝血酶：第一轮命中率为 0%，因为固定引物悬垂在 48% 的序列里干扰折叠。agent 第二轮引入夹紧侧翼茎结构，命中率升到 26.0%；第三轮多样化设计，到 42.1%，特异性 98.5%。

肌红蛋白：这个坑更经典。第二轮 agent 一味追求原始结合亲和力，设计的序列里 63% 富集了 G-四链体（G4）基序。原始拉下量确实涨了，但湿实验数据揭示了真相：这些 G4 大多是非特异性的"粘"性结合体，粘脱靶蛋白、甚至粘裸磁珠。于是特异性从 75.0% 崩到 19.1%，修正磁珠干扰后的真实命中率从 10.2% 跌到 3.7%。也就是说，agent 优化的是一个实验假象。

关键在于接下来的动作：agent 从第二轮的读数里识别出这个伪影，自主改写设计规则，第三轮限制滥交基序、扣除磁珠结合体、转向非 G4 结构骨架，特异性恢复到 72.4%，真实命中率翻了近九倍到 33.5%。

▲ 肌红蛋白（左）：先跌后升的 V 形曲线；α-凝血酶（右）：从零起步的爬坡曲线。绿色是真实命中率，红色是特异性

论文里还有一个有趣观察：这些 agent 会像一个科学家那样分析数据、提出湿实验协议的修改建议，但偶尔也会"非典型地思考"，探索结构生物学家不会去试的序列空间。

三、蛋白结合体：人类定战略，agent 打战术

闭环到蛋白质要难得多：蛋白必须生物表达，每轮循环多出细胞筛选、表达、折叠，序列空间也大得多，计算和湿实验两侧都是瓶颈。

他们选的靶点是 FAP（成纤维细胞激活蛋白 α），实体瘤中过表达的大型困难受体。计算侧的突破口很有意思：去 novo 结合体设计的最后一步是复合物重折叠验证，这一步吃掉绝大部分 GPU 算力，而且开销随靶点长度二次方增长。他们的解法叫"外科表位切除"：折叠时只保留局部结合口袋，砍掉周围结构。每个循环加速 8.6 倍（59.3 秒 → 6.9 秒），结构精度不损失。

这组实验还给了一个很有说服力的对照。同等算力下：科学家单独做，用 4 个表位，计算机内命中率 5.06%；agent 单独做，扫了 13 个表位，6.18%；人类定高层战略、agent 执行战术的人机混合，7 个表位，命中率 9.33%，接近科学家的两倍，而且命中的靶点位点分布宽得多。湿实验侧用酵母表面展示加 FACS 流式分选做平行筛选，几轮下来拿到亲和力 3-10 nM 的结合体。

▲ 左：外科表位切除示意（8.6 倍加速）；右上：人机混合 9.33% vs 科学家 5.06% vs agent 6.18%；右下：四条克隆的 FAP 结合曲线，KD ≈ 3-10 nM

四、安全：三条防线

让 AI 自主操作生物实验台，安全是不能省略的一节，谷歌给的做法也写得很具体。

第一，安全的测试床和筛查：刻意选无感染风险、无功能获得性风险的受控生物系统当试验场，所有设计序列过生物安全筛查。第二，先仿真后执行：VERID 保证 agent 的每条协议都先在仿真里干跑、对照数字孪生验证，才碰得到试剂。第三，人类监督：设计序列由人直接授权和审查，湿实验协议人工确认，机器人运行有人看着。

他们也点了几个开放问题：确保 agent 优化的是真实靶点结合而不是实验捷径、验证多步湿实验协议、持续监控 agent 的推理和执行轨迹。这些问题没有标准答案，谁先做出来，谁就有资格谈自主实验室。

五、我的几点想法

第一，VERID 这个东西的真正启示不在生物领域。任何让 agent 操作物理世界的系统，都会遇到"代码合法但物理非法"的问题。语义数字孪生加"先仿真后执行"，是这个问题目前看到的最干净的解法。自动驾驶、工业机器人、无人机，全都适用。

第二，适体实验里那个 G-四链体的故事，值得每个做 AI for Science 的人刻在心里。agent 优化的指标涨了九倍的速度，然后被湿实验一巴掌打醒：那是粘性假象。它能自己改规则翻身，靠的是真实读数。这提醒我们，agent 的"自我改进"只有在有可靠外部反馈时才成立，纯 in-silico 的自我迭代很容易演化出精巧的自欺。

第三，人机混合 9.33% 对 6.18% 这个对照，比任何"AI 取代科学家"的叙事都有信息量。agent 单独做的优势是覆盖面（13 个表位），科学家的优势是判断，而混合把两者都拿到了。短期内的最优解不是无人实验室，是战略在人、战术在 agent的分工。

第四，把最近几篇连起来看，谷歌和 Anthropic 在各自的赛道上是同一个叙事：Deep Review 审论文，Scion 管代码，量子线路设计管计算，VERID 管实验台。验证闭环正在一个个被工程化接管。湿实验室是其中最贵、最慢、也最接近"真实世界反馈"的一个。谁先把它规模化，谁就把"AI 做科学"从口号变成流水线。

参考：Google Research Blog, "Grounding AI agents in biological reality", 2026-10-16；VERID、适体沙盒、表位切除三篇论文见原文链接。文中数据与图片来自原文，图片版权归 Google 所有。