3万美元一台!AI Scientist设备Faraday亮相,CGT实验室正在迎来“智能科研”

过去几十年，生命科学实验室的技术升级主要依靠实验设备的迭代。从PCR仪、流式细胞仪，到高通量测序平台、自动化细胞培养系统，新工具不断提升实验效率。但随着人工智能快速进入科研领域，实验室正在迎来另一场变化：未来科研竞争不仅取决于能否产生更多数据，更取决于能否快速、安全、准确地理解这些数据。

2026年，一家成立不足两年的美国AI科研公司K-Dense推出了一款名为Faraday的AI Scientist设备。这台售价约3万美元的设备并不直接进行测序、质谱检测或细胞培养，而是承担科研流程中的“智能分析层”：阅读论文、解析数据、执行代码、检查统计方法、生成实验记录，并辅助科研人员完成从数据到结论的全过程。

对于CGT行业而言，Faraday的出现具有特殊意义。近年来，CAR-T、TCR-T、基因编辑、干细胞治疗等领域快速发展，研发过程正在产生海量复杂数据，包括单细胞测序数据、多组学数据、免疫分析数据以及临床真实世界数据。如何利用这些数据发现规律、优化实验流程，已经成为影响CGT研发效率的重要因素。AI Scientist试图解决的问题，正是让人工智能从一个辅助工具，逐渐成为研发体系中的基础设施。

AI Scientist进入实验室，首先解决CGT数据安全问题

Faraday的设计理念来自它的名字——法拉第笼。传统法拉第笼通过屏蔽电磁信号保护内部环境，而Faraday希望保护的是科研数据边界。在过去几年，大模型技术快速发展，但生命科学行业对于AI应用仍存在一个核心顾虑：数据是否能够安全交给外部系统处理。

对于CGT企业而言，这个问题更加突出。细胞治疗研发涉及患者来源样本信息、细胞制备工艺参数、基因编辑结果、临床试验数据以及企业核心研发数据，这些信息不仅关系商业机密，也涉及患者隐私和监管要求。因此，很多企业虽然希望利用AI提升研发效率，但对于将关键数据上传至云端模型仍保持谨慎态度。

Faraday采用本地化运行模式，将AI模型部署在设备内部。根据K-Dense官网介绍，该设备搭载NVIDIA Grace Blackwell平台，具备1 PFLOP FP4 AI计算能力、128GB统一内存以及256k token本地上下文窗口，并支持在断网环境下运行。设备不仅可以处理科研人员输入的数据，还能够连接实验室已有的数据环境，包括实验记录、分析文件以及科研数据库，同时利用视觉能力读取实验设备屏幕和实验记录信息。

这种设计对于CGT研发场景具有现实价值。例如，在CAR-T开发过程中，从靶点筛选、T细胞改造、扩增培养，到单细胞分析和功能验证，每个阶段都会产生大量数据。过去，这些数据通常分散在不同实验系统和不同研究人员手中，需要人工整理和分析。未来，AI Scientist可以帮助研究团队整合不同来源的数据，加速发现影响细胞功能、治疗效果和安全性的关键因素。

从数据分析到实验设计，AI正在改变CGT研发流程

与传统AI助手不同，Faraday试图进一步进入科研流程本身。K-Dense为该设备构建了一套面向科学研究的AI工作流体系，包括文献分析、数据处理、代码执行、实验方法整理以及科研报告生成等能力。据官网介绍，Faraday集成了大量科学技能和分析流程，并连接多个科学数据库，使AI能够参与更加复杂的科研任务。

对于生命科学研究而言，真正困难的问题并不是让AI生成一段文字，而是如何保证AI输出结果可信。大模型可能出现错误引用、错误解释数据甚至生成不存在的信息，而在药物研发和细胞治疗领域，这类错误可能直接影响实验方向。

因此，Faraday重点强化了科研结果的验证机制。系统通过多个专业智能体对任务结果进行检查，包括统计分析审核、文献引用验证、代码审查以及类似同行评审的结果评估。每一次AI执行任务都会形成完整记录，科研人员可以追溯数据来源、分析步骤以及最终结果形成过程。

这种能力与CGT研发需求高度匹配。随着单细胞测序、多组学分析以及人工智能辅助药物研发的发展，未来细胞治疗研发将越来越依赖数据驱动。AI的价值并不是替代科学家完成实验，而是帮助科学家从复杂数据中发现隐藏规律。例如，在细胞治疗产品开发过程中，AI可以辅助分析不同患者之间的免疫差异，寻找影响治疗效果的潜在因素，或者帮助优化细胞制造流程。

AI从软件工具走向实验室基础设施

过去几年，AI进入生命科学主要通过两种形式实现：一种是云端SaaS工具，帮助科研人员完成文献搜索、数据分析等任务；另一种是开源模型，由科研机构自行部署。但Faraday探索的是第三种路径——让AI Scientist像测序仪、质谱仪一样进入实验室采购体系。

这也是Faraday与普通AI电脑最大的区别。用户购买的不只是硬件算力，而是一套完整的科研智能系统，包括本地AI模型、科学数据库、分析工作流以及实验室数据连接能力。虽然其硬件基础与部分高性能AI计算设备类似，但真正形成差异的是围绕科研场景构建的软件生态和验证体系。

这一趋势正在与CGT产业的发展方向形成呼应。未来细胞治疗研发将不再只是依靠实验人员不断试错，而可能逐渐形成“AI提出分析方向—自动化系统执行实验—多组学平台获取数据—AI进一步优化方案”的闭环。目前这一模式仍处于早期阶段，但产业链已经开始向这一方向布局。

当然，AI Scientist距离完全自主科研仍有较大距离。K-Dense也明确表示，目前系统的审计能力能够记录和发现修改痕迹，但并不意味着完全替代人工监管；相关医疗和质量体系认证仍需要进一步验证。对于CGT企业而言，未来真正需要解决的问题不仅是AI能否完成分析，更包括AI生成的数据是否能够满足监管要求、AI参与完成的实验如何进行质量控制，以及人工与AI之间如何划分责任。

但无论如何，Faraday释放出的信号已经十分明确：AI正在从科研辅助软件，逐渐转变为生命科学研发基础设施的一部分。未来的CGT实验室，除了拥有测序平台、细胞培养系统和自动化设备之外，可能还会拥有一个长期参与研发流程的“AI科学家”。

它不会替代研究人员，但会改变科学家寻找答案的方式。对于正在快速发展的细胞与基因治疗行业而言，谁能够更有效地利用数据，谁就可能在下一阶段研发竞争中获得更大的优势。