Anthropic冲刺2万亿估值，华大智造早已备好生命科学实验室的“物理答案”

当地时间8月27日，Anthropic发布"模型硬件标准"（MHS，Model Hardware Standard），宣布Claude智能体将能够自主操作显微镜、液体处理仪、激光器和机械臂等可编程设备。这是Anthropic首款专为物理世界设计的AI工具，也是这家正在筹备IPO、估值传闻冲向2万亿美元的AI公司，第一次把战场从对话框延伸到真实世界。

而在大洋彼岸，华大智造旗下子公司涌生智能与上海人工智能实验室联合发布的ProtoPilot与BioLab Bench，已经悄然交出了生命科学实验室的全球首份Physical AI答卷。一场围绕"AI能不能真正做实验"的竞赛，正在两条路径上同时展开。

一、Anthropic的"概念飞跃"：AI从会想到会做

按照Anthropic的公告，MHS让Claude完成了从"数字世界中分析、生成假设"到"物理世界中做实验"的跨越。过去，一个实验室或工厂要花数周甚至数月配置和集成硬件，MHS声称将这一过程压缩到几小时甚至几分钟。

细节颇值得玩味。Anthropic负责科学领域合作伙伴关系的Jonah Cool直言，Claude现在能直接与先进显微镜中数百个独立的镜片、电机和激光器通信并控制；神经科学实验中，Claude甚至操控反光镜和激光器，把光束聚焦到在场的神经科学家都认可的"海马白质"上。

更重要的是生态卡位。霍华德・休斯医学研究所、卡内基梅隆大学、基因泰克、量子计算公司QuEra参与了测试；AWS、斗山机器人、凯杰、优傲机器人等硬件厂商正把设备接入MHS标准。Anthropic计划最终将其开源――这与其说是一次产品发布，不如说是一次行业标准之争的抢跑。

对资本市场而言，这条新闻的信息量在于：AI巨头开始为"物理世界执行"这一层基础设施定价了。在制造业、机器人、制药等To B叙事下，MHS是Anthropic向投资人讲述的下一个增长曲线。

二、行业共识已现：模型平权之后，稀缺的是真实世界

AI for Bio的竞争焦点正在换轨。过去行业问的是"模型能不能回答生命科学问题"，现在问的是"模型能不能进入科研流程、把实验真正做出来"。

答案并不乐观。AI可以生成一份看似合理的实验方案，却很难将其转化为机器能理解执行的动作，更难在湿实验失败后总结原因、调整方案、再次尝试――这是行业长期停留在"会想不会做"阶段的根本原因。

这恰恰构成了新的估值分水岭：模型那一侧正在被所有人买到、迅速拉平；而模型够不到的"物理那一半"――真实设备、真实湿实验、真实失败、真实约束――不能下载、难以蒸馏，只能通过一次次实验试错获得。当模型平权，差距只会落在谁手里握着真实世界这一侧。

三、华大智造的落子：一张已经跑通闭环的答卷

正是在这个坐标下，华大智造的人工智能布局值得重新审视。

8月，华大智造子公司涌生智能与上海人工智能实验室联合发布两项成果：自进化多智能体系统ProtoPilot，以及生命科学领域首个从用户需求到设备可执行的全流程Agent评测体系BioLab Bench。

其中，ProtoPilot打通了从自然语言实验需求、Protocol生成、SOP合成、自动化代码转换，到设备执行、实验反馈与方案优化的完整链路。在菌液培养、菌落PCR、质粒构建、定点突变和DNA组装等实验中，系统生成的流程已在真实设备上执行，并能根据失败结果修正方案、重新实验。官方披露的评测显示，ProtoPilot在开放式回答上超越GPT5.6-sol，在非开放式问答上首次超越人类专家。

BioLab Bench则解决另一个行业痛点――度量衡。它按L1-L3难度分层，考察的不再是"模型说得对不对"，而是实验意图能否转化为方案、设备无关SOP、设备相关SOP和机器可执行代码，并支持跨品牌设备迁移检验。这套体系已对外开放。

值得注意的是，这不是孤立的单点发布，而是体系联动：涌生智能此前推出的αLab Brain智能体系统以Bio Agent Harness为核心，ProtoPilot与Benchmark直接反哺其任务理解与协议生成能力；SE-Fab干湿闭环平台进一步向AI-native biofoundry演进；而华大智造现有的PrepALL、AlphaTool、AIO一体机等实验室自动化产品，正通过Protocol2Code能力接入更智能的实验任务链路。此外，团队还在推进对现有设备的AI原生改造――从操作系统和固件底层升级，让移液工作站、蛋白纯化仪、色谱仪从"执行指令的工具"变为"能自主提出检测需求、排查故障的协作伙伴"，首台AI原生移液工作站已经落地，AI重新设计的PCR设备电路板已进入打样。

这套布局的商业含义有三层：其一，把测序仪、自动化设备等存量硬件资产变成Physical AI的入口，打开设备智能化升级的存量市场；其二，干湿闭环沉淀的全流程数据（人、机、料、法、环）构成难以复制的训练资产，形成数据壁垒；其三，在靶向测序建库等自家强项场景率先跑通，验证商业模式后再横向复制到细胞、微生物、抗体生产等子领域――路径务实，边际扩张清晰。

四、契合点：一个补标准，一个跑闭环

华大智造与Anthropic的布局，在方向上高度共振，在路径上错位互补。

共振在于三点：一是同一个判断――AI的下一站在物理世界，尤其是设备可代码驱动的实验室场景；二是同一个闭环――从实验意图到方案、代码、设备执行、反馈修正，Anthropic用MHS接上"手"，涌生智能用ProtoPilot跑通全链路；三是同一个生态雄心――Anthropic拉拢AWS、优傲机器人等厂商共建MHS标准，涌生智能则以BioLab Bench为行业提供共同坐标系，推动评价标准从"知识正确"走向"实验可用"。

差异则在于路径。Anthropic是模型公司的自上而下：以MHS做硬件接口的标准层，最终开源抢占生态位；涌生智能是产业公司的自下而上：背靠华大智造真实的应用场景、领域专家与设备体系，先在测序建库等聚焦场景把干湿闭环做扎实，再逐步走向端到端。用涌生智能CEO杨梦的话说："模型公司偏自上而下，我们偏自下而上，大家最终追求的目标都一样。"

这种错位恰恰意味着机会而非竞争：MHS若成为设备接口的通用标准，涌生智能所构建的"意图―方案―代码―执行―反馈"闭环将更易接入更广泛的设备生态；而中国生命科学实验室场景的深度数据，也是任何海外模型巨头都难以下载的稀缺资源。

结语

Anthropic入局，把"AI进实验室"从产业叙事推向了资本市场的主线。而华大智造的答卷表明，中国公司在这条赛道上并非跟随者――在生命科学这一垂直场景，从评测体系到执行闭环，已经实现了局部领先。

当AI巨头们开始为物理世界重估估值，那些手里握着真实实验室、真实设备与真实数据闭环的公司，值得被重新定价。对投资者而言，接下来值得跟踪的催化点包括：BioLab Bench的第三方采用情况、十到二十台核心设备的AI原生改造进度，以及干湿闭环数据在多大程度上转化为可验证的商业合同。

本文来源：财经报道网