# 英矽智能发布 LabClaw 智能实验室系统，引领药物研发从“自动化”迈向“自主化"

由生成式人工智能驱动的生物医药科技公司英矽智能（Insilico Medicine, 03696.HK）今日宣布，正式发布最新一代智能实验室操作系统 LabClaw。作为制药行业率先基于轻量级智能体（Agent-Guard）架构设计的实验室自主化系统，LabClaw 专为英矽智能 LifeStar2 全自动化实验室匹配打造，旨在驱动智能实验室从“执行指令”向“自主协调”实现范式跃迁。

该系统构筑了“AI思考、机器执行、人类监督”的三位一体全新实验范式，深度整合了英矽智能专有的 AI 靶点发现平台 PandaOmics、自动化实验室硬件矩阵、实验室信息管理系统（LIMS）及多维度数据分析管线。通过 5 个协作式 AI 智能体与 28 项专业技能模块，LabClaw 成功构建了从疾病靶点发现、化合物筛选、自动化实验执行到数据分析与报告生成的干湿实验全链路智能闭环。同时，系统在关键节点引入“Human-in-the-Loop”审批机制，在提升智能自主性的同时，确保研究过程符合必要的科学严谨性与合规管控。

英矽智能IT负责人、高级总监沙林表示，“LabClaw 的核心意义在于，重塑科学家的工作重心。通过接管耗时的标准化操作与繁琐的排期调度，LabClaw 充当了不知疲倦的‘科研副驾’。在这里，“Human-in-the-Loop”的机制确保了科学家始终处于决策的核心位置。它让顶尖的头脑从重复性的移液中抽离出来，将最宝贵的精力全盘聚焦于科学假设的生成、复杂数据的洞察与创新策略的设计上。”

#### 破解流程刚性：从碎片自动化到智能自主化

在过去的十年中，生物医药领域的实验室自动化已取得长足进步。液体处理工作站、高通量筛选平台及自动化细胞培养系统等精密设备的普及，在大幅提升实验通量的同时，有效降低了传统人工操作带来的系统误差。然而， 要推动实验室从自动化迈向自主化，行业仍普遍面临三大瓶颈：

首先，流程刚性是主要挑战，预编程工作流往往难以应对实验中的动态变量，一旦中间步骤失效或出现 QC 异常，就不得不依赖人工判断与处置。其次是数据断层问题，设备产出的海量数据与上游AI生成的推论、下游统计分析之间缺少自动解析与闭环回传通路，使得数据价值无法及时释放。另外，协调成本仍然偏高：跨功能岛的多步实验仍需手动编排与状态追踪，大量非科研事务成为研究人员效率提升的隐性瓶颈。

为应对以上瓶颈，英矽智能旨在构建一个能够深层理解科学语境、自主协调跨设备流程、并在关键决策点与人类科学家高效协同的 AI 智能体矩阵。LabClaw 正是这一理念的工程化落地，它不仅集成了英矽智能Life Star2实验室的先进化硬件设备，更搭建了“理解”科研意图的智能大脑。

LabClaw 的核心在于其独创的Agent-Guard 架构。系统中纳入了 5 个类型分工明确的智能体，包括：实验协调者、实验编排专家、科学分析专家、质量控制监察和数据专家，但在关键操作节点保留了“human-in-loop”的确认机制。这种设计既允许各类智能体在安全边界内发挥自由度，又确保了所有状态变更必须通过后端验证和认为确认，在提升效率的同时严守科研安全底线。

#### 对话式实验室：从提出一个科研问题开始

LabClaw 赋予了实验室对话式实验设计与执行的能力。研究者无需精通编程， **仅需通过自然语言即下达科研任务**，系统内置的 AI 智能体即可自主解析意图。平台将围绕任务目标，自动架构涵盖靶点选择、试剂准备、设备执行到数据分析的完整工作流。用户还可以在内嵌的交互检查点随时发起对话，对平台生成的虚拟筛选或实验方案提出专业见解和参数微调。

在执行模式下，系统能自动调度 PandaOmics 引擎和 LIMS 系统，并协调 LifeStar2 实验室中的 6 大功能岛，包括细胞培养、高通量筛选和二代测序等数十台设备推进试验推进实验流程，AGV（自动导引车）则负责协调跨岛物资流转，从而实现科研任务从分析到执行的智能自主化。

在数据回传与迭代优化方面，LabClaw 同样具备强大的整合能力：可实时获得如细胞状态和密度、核酸纯度、传感读值等实验中间数据，自动化完成 CRISPR 编辑效率分析、RT-qPCR 结果计算与 NGS 质控，将验证数据实时回传至专有域的PandaOmics 平台。由此形成“计算预测—湿实验验证—模型优化”的闭环， AI 能够基于实验反馈不断学习，从而精准锁定更具潜力的药物靶点和分子。

LabClaw 将药物研发全流程封装为 20 个可组合的实验步骤模块，覆盖 AI/计算服务、样品与物料准备、自动化实验执行、数据分析与报告生成，以及通知协作等环节，可像“乐高”一样拼装成完整工作流。系统还预置 8 套标准化实验计划模板，适配靶点验证、CRISPR 生物标志物验证、高通量筛选、苗头化合物发现、表型安全性评估、LifeStar2 运行、LIMS 物料就绪检查和数据分析等核心场景；同时支持研究者通过对话自定义实验计划，并沉淀为可复用的私有或公共模板。

#### 端到端加速实践：以抗衰老靶点发现的闭环验证为例

在抗衰老领域的靶点发现与智能筛选案例中，研究团队借助 LabClaw 的 Scientist Agent，摆脱了以往翻阅海量文献、人工梳理证据的低效模式。仅需通过对话发出需求，系统便可快速调用 PandaOmics 数据与多源知识库，从庞杂信息中精准筛选出 20 个最具潜力的抗衰老靶点，并为每个靶点给出评分、创新性评估及已知药物关联等关键依据。研究者进一步在界面上勾选确认，即可完成从“泛化搜索”到“锁定靶点”的任务，将原本需要数周的生物学背景调研压缩至分钟级。

接着，项目推进到实验设计与流程编排阶段，LabClaw 展示了将科学构想直接转化为可执行实验的能力。靶点确定后，系统的“实验协调者”智能体自动编排包含物料就绪检查、细胞培养、基因编辑与高内涵成像等在内的 7 步标准操作流程，实现环节衔接的自动统筹与一致性落地。同时，“质量控制监察”智能体对环境参数与细胞状态进行全程监控，显著降低实验操作带来的数据波动，提升实验过程的稳定性与精确度。

在闭环验证与数据回传环节，LabClaw 打通了“从执行，到分析，再到反馈”的自动化链路：设备自动完成铺板、转染与成像等任务后，系统随即接管数据处理，自动计算基因编辑效率与细胞表型评分，并将结果实时回传至数据库，动态更新靶点的重要性排序。整个流程中，研究者仅需在三个关键节点进行决策确认，其余重复性的基础实验工作均由系统自动完成，从而大幅加速研究推进，并将科研人员的精力释放回更核心的科学判断与策略设计。

LabClaw 将英矽智能“制药超级智能”边界从数字世界延伸至物理世界，填补了算法预测与实验室验证之间的最后一环。它把靶点发现、分子生成与实验验证深度融合，形成端到端的 AI 驱动的干湿实验闭环，让药物研发逐步从碎片式自动化进入智能自主化循环。

英矽智能创始人兼首席执行官Alex Zhavoronkov博士表示，“Labclaw不仅将带来研发效率的提升，更是一次科研范式的升级：科学家得以从繁重的实验编排与流程协调中解放出来，将精力聚焦于更具创造性的科学判断与研究。面向未来，随着多实验室协同、自适应优化能力与合规体系的进一步集成，我们期待构建一个开放、智能、无缝衔接的药物研发新生态，开启 AI 驱动药物发现的新阶段，迈向制药超级智能。”