从“会分析”到“会验证”：一次真正发生在湿实验室里的 Agent 闭环

Google 这次展示的重点，不是让 AI 在屏幕上“想办法”，而是让它进入真实实验室，在设计、执行、读数和修正之间形成闭环。

过去两年，人们谈到 AI Agent，更多还是停留在数字世界：写代码、查资料、整理文档、调用工具。Google Research 最新公布的一组工作，向前迈了一步：它试图让 Agent 走进真实的生物实验室。

这件事听起来很像科幻，但真正值得注意的，不是“AI 会不会取代科学家”，而是 Google 正在搭一套更扎实的基础设施：让模型提出方案、由机器人去执行实验，再把真实读数反馈回来，驱动下一轮设计。换句话说，它不是在追求一句口号式的“AI 科学家”，而是在搭一个能验证、能纠错、能留痕的实验闭环。

这也是这次工作的价值所在。比起再做一个会聊天、会写报告的模型，更难也更重要的是：当 AI 的判断必须经受真实世界的检验时，系统应该怎样设计？

一、为什么让 Agent 进入实验室，比让它写代码难得多

在软件工程里，Agent 的结果可以很快验证：代码能不能编译、测试能不能通过、页面能不能跑起来，都有相对明确的反馈机制。生物实验不是这样。这里面对的是巨大得几乎无法穷尽的搜索空间，以及一整套不稳定的物理世界。

Google 在官方文章里举了一个直观的例子：一个只有 100 个氨基酸的蛋白质，理论上的可能序列数就有 20 的 100 次方。模型当然可以在这个空间里“想”出很多候选方案，但真正的瓶颈从来不只是想出来，而是怎么把候选方案变成真实实验，怎么知道结果是否可信，以及当结果不理想时，系统能不能找出原因并调整策略。

这就是湿实验室场景与一般 Agent 场景最大的不同。这里的反馈不是编译器或打分器给出的，而是液体有没有加对、孔板里还有没有足够试剂、机械臂会不会碰撞、实验读数里有多少是真信号、多少是实验噪声。只要其中任何一个环节没有被建模清楚，所谓的“自主实验”就会变成高成本的试错。

二、Google 这次真正搭出来的，是一条“设计—实验—反馈—再设计”的闭环

图 1：AI 驱动湿实验发现闭环示意图。文章配图根据 Google Research 公开信息整理重绘。

如果只看标题，这次工作很容易被理解成“Google 让 AI 去做实验了”。但认真看完官方博客和三篇论文，会发现它的核心不是单点突破，而是闭环系统。大体流程可以概括为六步：先由 Agent 根据目标和已有知识生成候选分子或序列，再完成合成或制备，然后交给自动化实验平台执行，接着通过筛选、测序或成像等方式得到真实读数，最后由 Agent 分析结果、识别问题，并把这些反馈带入下一轮设计。

真正的难点，在于这条链路里有两个世界要被连起来：一边是模型的高层推理，另一边是实验设备的底层现实。模型喜欢抽象的目标和策略，实验室只接受非常具体的动作：哪一个容器、多少体积、什么顺序、什么温度、哪些耗材、还剩多少液体。中间任何一层表达不清，最终都会出问题。

因此，这次工作的看点不是“某个模型能力又提升了多少”，而是 Google 把自主实验理解为一套系统工程：上层是 Agent 和知识工具链，中间是可验证、可执行的语义表示，底层才是真正的机器人与实验设备。

三、VERID：把实验室变成一个可推理、可模拟、可回放的数字对象

图 2：VERID 语义数字孪生架构。它不是简单做一个实验室 3D 模型，而是要把对象、状态、约束和日志都语义化。

在这几项工作里，最关键的基础设施叫 VERID，全称是 Verified Infrastructure for Discovery Laboratories。直译过来有点长，简单理解就是：它给真实实验室做了一个持续更新的“语义数字孪生”。

这个概念听上去并不新鲜，但 Google 做的不是一个静态 3D 场景，而是把实验对象、空间几何、设备状态、规则约束都统一纳入一个可以查询、可以模拟、可以验证的语义层。官方文章里提到，VERID 会持续跟踪从机械臂几何、孔板液体体积，到试剂身份、吸头库存等状态信息。这样，Agent 在生成操作之前，不只是“写出一段可执行代码”，而是能够先知道这段代码在真实环境里是否可行。

Google 总结了 VERID 的四个核心能力：实时 3D 状态跟踪、快速虚拟预演、硬件安全检查，以及视频与动作日志同步。前两项决定了 Agent 能不能在执行之前发现问题，后两项决定了系统出错以后能不能回头查清楚原因。

这类系统的价值，在论文的案例里体现得很明显。比如，Agent 可以通过同步视频和执行日志，识别因为加样位置过低导致染料分层不均；又比如，当模拟器判断 8 通道移液器根本无法伸进一个过窄的槽体时，系统会直接否决该方案，而不是等到机器人撞上去以后再说。这背后传递出来的其实是一种工程哲学：在高成本、低容错的场景里，AI 不是先执行、再补救，而是先验证、再执行。

四、真正令人兴奋的，不是“做了一次实验”，而是 Agent 开始学会根据实验结果改策略

图 3：适配体三轮实验中的命中率变化。数据根据 Google Research 论文公开结果整理。

比 VERID 更能说明问题的，是适配体（aptamer）这组实验。适配体本身是一类与目标蛋白结合的 DNA 分子，验证周期相对短，适合做“实验室里的闭环练习”。Google 用两个目标蛋白做了三轮设计—测试—改进循环，观察 Agent 能否真正从读数中学东西。

结果并不只是“越做越好”这么简单。对 α-thrombin 这个目标，第一轮命中率是 0%，第二轮提升到 26.0%，第三轮进一步提升到 42.1%。但更有意思的是 myoglobin 这组。它在第一轮有 10.2% 的命中率，第二轮反而掉到 3.7%，第三轮才回升到 33.5%。

这组数据的意义，恰恰在于第二轮的失败。论文里解释得很具体：Agent 在第二轮过于追求表面上的高结合能力，结果大量富集了 G-quadruplex 结构。这些候选在实验上看起来“很会粘”，但很多其实是非特异性粘附，不是对目标蛋白真正有效的结合。换句话说，Agent 一度学会了一个“讨巧但错误”的策略。

如果系统只是一次性设计、一次性验证，这里就结束了。但在第三轮里，Agent 根据第二轮的实验反馈修正了规则：限制这类容易“乱粘”的结构，扣除对磁珠本身的粘附信号，转向新的结构骨架。结果，特异性又恢复了，命中率也显著提升。

这也是整件事最值得关注的地方。AI 在实验场景里的价值，不只是第一次能提出多少候选，而是它能不能从真实世界的反例里学会纠偏。真正的科研工作，本来就不是一路命中，而是不断碰壁、定位问题、再调整方向。Agent 只有在这个过程中表现出可解释的修正能力，才算真正跨过了“会生成”和“会发现”之间的那道坎。

五、从“算得动”到“做得出”：蛋白结合设计更像是一场关于算力与实验成本的硬仗

图 4：FAP 蛋白结合设计中的关键结果。数据根据 Google Research 论文公开结果整理。

适配体实验更多是在验证闭环机制能不能跑通；到了蛋白结合设计，Google 面对的是另一个更现实的问题：算力够不够、成本扛不扛得住。

在题为《Agent-guided epitope excision enables economical de novo binder design》的论文里，Google 选择了 FAP（fibroblast activation protein alpha）这个与实体瘤相关的大型靶标蛋白。难点在于：为每个候选分子做结构预测和复折叠，本身就非常耗算力，而目标蛋白越大，代价越高。

他们的办法是“epitope excision”，也就是不让模型每次都盯着整个大蛋白，而是把注意力切到局部结合位点附近的关键结构窗口。论文数据显示，这个做法在 15 个靶标、3666 个设计样本上的中位结构偏差仍可接受，同时把相关 GPU 小时数降低了 88%。在相同计算预算下，引入 Agent 参与的 human-in-the-loop 流程，又把计算命中率从 5.06% 提升到 9.33%，并进一步减少了 42% 的 GPU 开销。

这里同样有一个重要信号：不是 AI 单独赢了，而是“人给方向，Agent 做战术优化”的混合模式更有效。论文自己也没有把这件事包装成“AI 独立完成药物发现”，而是强调在人类设定高层策略的前提下，Agent 更擅长去尝试更多局部决策、更大范围地搜索可能的结合位点。

这其实更符合现实。越是靠近科学发现和药物研发的核心流程，越不可能靠一个模型独立搞定全部环节。真正有价值的，是如何把人的判断力、模型的搜索能力，以及实验系统的执行能力拼在一起。

六、别把它理解成“AI 科学家已经来了”，它首先是一个被严格约束的实验系统

图 5：Google 公开表述中的安全边界。核心原则不是“完全自主”，而是“受控环境 + 先模拟后执行 + 人工监督”。

每次一提到“AI 做实验”，大家最担心的往往不是命中率，而是安全问题。这一点 Google 在官方文章里说得相当谨慎。其安全边界大致有三层。

第一层是实验范围本身。Google 这次选用的是可控、非感染性的生物系统，并且强调所有设计序列都经过生物安全筛查，不涉及 gain-of-function 风险。第二层是执行前验证：Agent 不能把未经验证的代码直接下发给实验机器人，每个协议都要先在 VERID 的模拟环境里预演，确认没有明显的物理和规则错误。第三层是人类监督：无论是设计出的序列、湿实验协议，还是机器人执行过程，都有人工审批和复核。

这意味着，所谓“自主湿实验室”离“完全放任自主”还很远。它更像一个受约束的、以人为中心的 AI 实验系统。这个判断非常重要，因为它决定了我们该如何评价今天的进展：这不是已经出现了一个可以自己发明新药的 AI，而是出现了一套开始具备真实世界闭环能力的实验基础设施。

七、这件事真正改变了什么？

如果把视线拉远一点，这组工作最重要的意义，也许不在生物学本身，而在于它给 AI Agent 的下一阶段发展提供了一个样板：AI 不再只在虚拟世界里迭代，而是开始接入真实世界反馈。

过去几年，很多 Agent 成功的场景都来自“验证器足够清晰”的领域：下棋有规则，写代码有编译器，做数学有答案，搜索网页可以回读结果。科学实验的难点在于，验证器不是现成的软件程序，而是昂贵、缓慢、充满噪声的现实世界。谁能把这层现实世界的反馈机制打通，谁就可能真正把 Agent 从“会生成”带到“会改进”。

对更广泛的 AI 产业来说，这也是一个信号：未来决定 Agent 上限的，不只是模型本身，而是模型外部的系统工程——工具链、状态表示、执行基础设施、日志与可观测性、安全约束，以及最关键的反馈闭环。没有这些，所谓的“自主”往往只是演示；有了这些，模型哪怕并不完美，也可能逐步长出真正可用的能力。

结语

Google 这次并没有证明“AI 已经成为科学家”。但它确实证明了一件更现实、也更有分量的事情：如果把数字孪生、实验自动化、真实读数和 Agent 推理组织成闭环，AI 可以开始在真实实验中形成“设计—验证—修正”的能力。

这比任何一句“AI 将颠覆科研”的口号都更值得重视。因为真正推动科学发现的，从来不是一次漂亮的演示，而是一套能够反复运行、不断纠错、逐步积累的系统。Google 正在尝试搭的，正是这样一套系统。

参考资料

1. Google Research Blog, “Grounding AI agents in biological reality: Building blocks for autonomous wet labs”, 2026-10-16。

2. Semantic Representation for Agentic Self-Play in Automated Laboratories (VERID paper), Google Research, 2026-10-16。

3. Aptamers as a sandbox for lab-in-the-loop agentic molecular discovery, Google Research, 2026-10-12。

4. Agent-guided epitope excision enables economical de novo binder design, Google Research, 2026-10-14。

5. 文中所有结构图和封面图为基于公开资料重新绘制的示意图；命中率、GPU 小时下降、计算命中率提升等数据均整理自上述原始资料。