AI实验专家可将自然语言表述的高层研究目标规模化转化为可执行实验
图注：Medra实体AI平台开展实验[来源：Medra]
随着可生成研究假设、候选分子及实验方案的推理工作流不断涌现，药物发现领域的AI基础设施持续扩容，Medra首席执行官Michelle Lee博士认为，实体AI是解决下一个行业瓶颈——规模化实验验证的核心方案。
Lee在接受《GEN Edge》采访时解释道：“构建可预测并治疗疾病的生物学基础模型需要积累数千年时长的生成数据，我对这一领域研究越深入，越意识到这一数据瓶颈本质上是机器人技术瓶颈。”
在与美国国防高级研究计划局（Defense Advanced Research Projects Agency，DARPA）的最新合作中，Medra推出了其机器人平台的科学推理层——AI实验专家（AI Experimentalist）。该系统可将自然语言表述的高层研究目标转化为覆盖完整实验周期的可执行工作流，涵盖文献调研、湿实验执行、数据分析及方案优化全流程。
Medra在博文中展示了一个应用案例：当研究人员输入“构建表皮生长因子受体（epidermal growth factor receptor，EGFR）阻断抗体检级分析体系”的指令后，AI实验专家可对实验执行流程提出微优化方案，包括并行测试线性DNA模板、优化表达条件、将上一轮实验结果直接导入下一轮运行等，可将原本耗时数天的实验压缩至数小时，实现时间的复利式节约。
合作方可通过两种方式使用AI实验专家：一是部署在客户场地的实体AI实验室，二是通过Medra的旗舰科学实验室Medra 001号实验室（ML001）远程操作。该实验室于今年4月正式亮相，可24小时不间断运行实验，占地面积达3.8万平方英尺，是美国规模最大的自主实验室。
手工操作特性
工业自动化在组合化学、药物筛选等可重复性任务中表现优异，与之不同的是，实体AI为相同的硬件配备了传感器，可支持智能决策。
当前生物学领域的多数机器人技术企业聚焦于生产环节，而Medra的目标更为宏大：加速端到端的药物发现全流程。
Lee表示：“科学研究的手工操作特性正是部分实验可成功、部分实验失败的核心原因”。她指出，移液枪角度、试剂混合的精确时间等看似微小的变量，都可能对实验结果产生极大影响。
Medra目前正与学术界、生物制药企业及政府部门的合作伙伴开展合作，针对抗体发现、蛋白质工程、基因编辑、细胞生物学等多类应用场景开发并运行分析实验。
Lee表示，未来的行业瓶颈并非机器人的执行能力，而是系统集成与部署效率。AI实验专家通过多智能体架构与模型无关的适配框架[注]解决这一难题，支持Medra接入新的生物学AI模型与科学智能体，其中包括用于方案编辑与优化的英伟达Nemotron模型，以及最新推出的英伟达BioNeMo智能体工具包。
Lee强调：“实体AI的灵活性是实现真正自主科学发现的核心关键。”
[注] 可兼容不同架构AI模型的通用接入模块