AI for Science bước sang trang mới: Robot tự động hóa chính thức tiến vào phòng thí nghiệm quốc gia

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

19/08/2026 14:29:57 Nguồn: QbitAI

Yuanluo Tech: Thúc đẩy AI for Science tiến vào phòng thí nghiệm 3.0

Yunzhong, đưa tin từ Aofeisi

QbitAI | Kênh thông tin chính thức QbitAI

Vào buổi sáng sớm, một robot trí tuệ hiện thân (embodied AI robot) đang thực hiện các nhiệm vụ thí nghiệm.

Nó cần hoàn thành hàng trăm thao tác thí nghiệm, bao gồm lấy và đặt thuốc thử, pha chế thuốc thử, phân phối chất lỏng tự động, kiểm tra độc tính tế bào, v.v., đồng thời hiện thực hóa sự phối hợp vận hành giữa nhiều thiết bị thí nghiệm khác nhau.

Trong suốt quá trình này, phòng thí nghiệm không cần sự can thiệp của con người, mọi nhiệm vụ đều được robot thực hiện một cách tự chủ.

Kịch bản này không phải là tiểu thuyết khoa học viễn tưởng, mà đang diễn ra thực tế tại một phòng thí nghiệm thuộc nền tảng nghiên cứu khoa học cấp quốc gia.

Cuộc cách mạng công nghiệp của AI for Science (Trí tuệ nhân tạo trong khoa học)

Vào giữa tháng 7 năm nay, phòng thí nghiệm thuộc nền tảng nghiên cứu khoa học cấp quốc gia đã chào đón lô robot hình người đầu tiên.

Lô robot hình người có tên Monte2 này được đồng nghiên cứu và phát triển bởi Yuanluo Tech và phòng thí nghiệm nghiên cứu khoa học cấp quốc gia.

Ngoại hình của nó không hề mang tính viễn tưởng: hai cánh tay máy, một thân hình tối giản, nhưng các thao tác thực hiện lại tinh vi hơn vẻ ngoài rất nhiều — chuyển chính xác các lượng thuốc thử siêu nhỏ, gắp dụng cụ chính xác, tự động điều phối công cụ, và hoàn thành các quy trình tiền xử lý chiết tách axit nucleic cũng như thí nghiệm nuôi cấy độc tính tế bào.

Khác với các robot công nghiệp 6 trục thông thường, Monte2 có thể hoàn thành các chuỗi thí nghiệm dài và linh hoạt trên bàn thí nghiệm, đồng thời tái hiện lại logic thao tác của các kỹ thuật viên con người.

Các thí nghiệm như kiểm tra độc tính tế bào thường liên quan đến một lượng lớn các thao tác lặp đi lặp lại, hiệu chỉnh quy trình và kiểm tra thí nghiệm, đòi hỏi phải đầu tư rất nhiều nhân lực và vật lực.

Giám đốc phòng thí nghiệm nghiên cứu khoa học cấp quốc gia cho biết, thông qua việc đưa robot hình người vào, các nhà nghiên cứu không cần phải túc trực liên tục tại hiện trường thí nghiệm, điều này có thể giải quyết hiệu quả các nút thắt về lưu lượng và vấn đề nhất quán do thao tác thủ công gây ra.

Dự kiến đến cuối năm 2027, phòng thí nghiệm sẽ mở rộng số lượng robot lên quy mô khoảng 100 đơn vị và thông qua AI để điều phối tập trung các cụm robot, giúp quy trình vận hành phòng thí nghiệm trở nên thông minh hơn nữa.

Ông gọi tầm nhìn này là "cuộc cách mạng công nghiệp của khoa học thực nghiệm".

Trước khi được triển khai tại phòng thí nghiệm này, Monte2 đã được đưa vào sử dụng tại MGI và tích lũy được những kinh nghiệm ứng dụng thực tế nhất định.

Làn sóng phòng thí nghiệm tự chủ đang quét qua toàn cầu

Phòng thí nghiệm tự chủ bằng robot đang dần trở thành một trong những xu hướng phát triển quan trọng của lĩnh vực nghiên cứu khoa học toàn cầu.

Năm 2024, nhóm nghiên cứu tại Đại học Liverpool (Anh) đã trình diễn một hệ thống thí nghiệm vận hành tự chủ, trong đó robot hoạt động liên tục trong phòng thí nghiệm suốt 8 ngày, các kết quả liên quan đã được công bố trên tạp chí *Nature*.

Hệ thống này có khả năng tự động chuyển đổi các thiết bị thí nghiệm như sắc ký, cộng hưởng từ hạt nhân, do AI đánh giá phản ứng nào đáng để tiếp tục thúc đẩy, và tự chủ hoàn thành 680 thí nghiệm trong vòng 8 ngày.

Các nghiên cứu liên quan tại Mỹ cũng cho thấy xu hướng phát triển song song theo nhiều lộ trình khác nhau:

Sự phát triển của các mô hình lớn (Large Models) cũng đang trang bị "bộ não" cho các phòng thí nghiệm.

Các hệ thống như Coscientist của Đại học Carnegie Mellon, Co-Scientist của Google DeepMind, AI Scientist của Sakana AI (Nhật Bản), v.v., đều đang khám phá việc giúp AI có khả năng hiểu tài liệu, thiết kế thí nghiệm, đưa ra các giả thuyết cần kiểm chứng, thậm chí hỗ trợ hoàn thành việc viết bài báo nghiên cứu.

Còn tại Trung Quốc, phòng thí nghiệm nghiên cứu khoa học cấp quốc gia và Yuanluo Tech đang khám phá việc ứng dụng AI4S vào các kịch bản thí nghiệm thực tế, thúc đẩy trí tuệ nhân tạo tiến xa hơn từ tính toán khoa học sang thực thi thí nghiệm.

Phòng thí nghiệm 3.0, thấu hiểu thế giới vật lý thực tại

Để hiểu về sự phát triển của phòng thí nghiệm, cần nhìn nhận qua ba giai đoạn.

Phòng thí nghiệm 1.0, lấy nhà nghiên cứu làm trung tâm, các nhà nghiên cứu dựa vào kinh nghiệm và thao tác để hoàn thành các quy trình thí nghiệm như hút pipet, cân, ly tâm, quan sát, v.v., một lượng lớn công việc lặp đi lặp lại phụ thuộc vào con người, hiệu suất thí nghiệm và tính nhất quán của thao tác bị hạn chế.

Phòng thí nghiệm 2.0, hệ thống dây chuyền kiểu ốc đảo lấy thiết bị làm trung tâm, thông qua các cánh tay máy cộng tác có đế cố định và các trạm làm việc thiết bị, có thể hoàn thành các nhiệm vụ thí nghiệm cố định theo chương trình được thiết lập sẵn, giúp nâng cao hiệu suất thực thi thí nghiệm.

Tuy nhiên, hệ thống không thực sự hiểu đối tượng thí nghiệm, mục tiêu nhiệm vụ và những thay đổi của môi trường, khi đối mặt với các kịch bản nghiên cứu khoa học phức tạp và hay thay đổi, hệ thống không thể đảm đương được.

Phòng thí nghiệm 3.0 là sự tiến hóa hơn nữa trên cơ sở trước đó, là các thí nghiệm tự vận hành được trao quyền bởi trí tuệ hiện thân (embodied AI), tầng trên cùng sử dụng mô hình lớn để thiết kế phương pháp thí nghiệm, tầng dưới cùng sử dụng robot trí tuệ hiện thân để tiếp quản việc thực thi trong thế giới vật lý, tạo thành một vòng lặp khép kín giữa thao tác và phân tích.

Yuanluo Tech dựa trên OPN "mô hình nguyên bản vật lý lấy vật thể làm trung tâm" do chính họ phát triển để giải quyết vấn đề cốt lõi của phòng thí nghiệm — làm thế nào để robot hiểu và hoàn thành quy trình nghiên cứu khoa học trong thế giới vật lý.

Khác với các thiết bị tự động hóa truyền thống phụ thuộc vào chương trình thiết lập sẵn, phòng thí nghiệm 3.0 sở hữu năng lực tổng hợp trong việc hiểu môi trường, thực hiện các nhiệm vụ chuỗi dài và điều chỉnh thao tác theo thời gian thực.

Cụ thể, nó cần phải sở hữu ba năng lực cốt lõi: