上海交大连文昭：具身智能落地AI for Science，核心在于“先做可靠”

事件概述

上海交通大学人工智能学院教授、源络科技创始人连文昭表示，尽管计算机与AI技术发展迅猛，但生物医药研发效率提升缓慢，核心原因在于传统研发范式仍高度依赖人工实验与经验积累。为突破这一瓶颈，源络科技聚焦 AI for Science 赛道，致力于让机器人进入真实实验流程，完成细胞传代、毒性检测等精细化操作，以推动实验室向具备自主执行能力的“3.0阶段”演进。

核心技术与产品

• 产品落地情况：源络机器人的核心产品 Monte02 采用仿人构型，搭载自研的 OPN模型（以物体为中心的物理原生模型），定位精度达到亚毫米级。目前，该机器人已落地10余家企业与科研机构，包括华大智造等合作方，支持7×24小时持续运行。
• OPN模型架构：为解决通用硬件与模型无法满足实验室精细化作业的问题，团队自研了OPN模型，包含两个核心层级：
  1. 懂任务：以物体为中心进行任务理解。机器人不单纯学习手臂运动轨迹，而是理解目标物体（如枪头、试管）的状态变化关系，将长任务拆解为可执行的操作序列。
  2. 会执行：视觉与力觉融合。针对插管、孔板操作等需感知接触力的任务，模型同步输入视觉与力觉信息，预测后续状态并输出动作，形成从理解到反馈修正的技术闭环。
• 硬件自研策略：鉴于供应链中通用机械臂在控制精度和响应速度上存在差距，源络选择自研伺服控制和关节模组，坚持“买不到的自己做”，以构建从底层算法到关键硬件的技术壁垒。

行业逻辑与发展路径

• 为何选择实验室场景：实验室属于半标准化场景，物品相对固定但样品形态多变（粉末、颗粒、固液混合），传统自动化难以覆盖。这为具身智能提供了清晰的任务边界，是通往通用物理智能的理想切入点。
• 数据闭环建设：源络未外包数据采集，而是建立专职团队持续采集和审核数据。核心逻辑在于构建可持续迭代的数据闭环：机器人在场景中产出实验数据 -> 训练OPN模型 -> 模型迭代反哺机器人能力，实现自我进化。
• 实验室3.0范式：
  • 1.0阶段：人工完成实验。
  • 2.0阶段：设备自动化。
  • 3.0阶段：实验室具备自主执行能力。人类角色从执行者转变为实验设计者和结果分析者；系统记录操作变量沉淀为数据，反哺计算模型提出新假设，形成“计算->实验->验证”的闭环。
• 可靠性优先战略：连文昭强调，“我们都需要机器人，但不需要不可靠的机器人。”现阶段行业应避免概念炒作，理性把控节奏。源络的路径是先打磨成熟单类别任务，再拓展至百类任务稳定落地，确保机器人拥有长时间自主稳定运行的能力，而非单纯追求可实现任务的数量。