拒掉3亿大单后，何源指出：AI实验室市场最缺的不是模型，而是稳定执行能力

事件概述

镁伽科技高级副总裁何源在接受访谈时指出，尽管全球制药研发每年投入数千亿美元，AI重构这一市场的潜力巨大，但当前AI实验室（AI for Science, AI4S）领域的核心瓶颈不在于大模型的智能程度，而在于让机器在真实物理世界中稳定执行实验任务的能力。他通过拒绝宏大但不切实际的订单、聚焦具体可交付场景等案例，揭示了该行业务实落地的关键逻辑。

核心信息

1. 拒绝“智慧工厂”大单，聚焦可交付场景

• 案例对比：何源团队曾拒绝一个价值约2-3亿元的“智慧工厂”整厂自动化订单，因为该项目超出了公司的专业边界及现阶段行业的整体交付能力。相反，团队选择解决新疆某实验室在零下四五十摄氏度环境下，样品跨楼运输几百米的具体难题。
• 策略调整：通过整合底盘、抓手和控制系统进行二次开发，解决了低温运输问题。这体现了“务实比宏大愿景更重要”的原则，即优先解决有明确需求且能稳定交付的具体痛点。

2. AI出不了服务器：真实实验执行是最大壁垒

• 模型与执行的鸿沟：大模型负责“想”（设计分子/配方），AI实验室负责“做”（验证）。模型出错可重新生成，但现实实验做错会损失样品、时间和研发窗口。
• 集成难度：一个智慧实验室需接入几十甚至上百种不同品牌、协议的设备。真正的壁垒不是包办所有硬件，而是理解客户流程，将不同厂商的产品组织成一套能协同工作、处理故障并留下完整记录的方案。
• 人才结构：团队需同时具备制药/材料知识、算法软件能力及机械自动化能力，通常比例约为各占三分之一。

3. 从Demo到生产力存在“死亡谷”

• 验收标准差异：Demo成功率约90%即可展示，但企业验收要求系统满载运行30天，且人工干预低于5%。
• 可用性大于惊艳度：如果设备每天故障8-10次，并未减少人工，反而创造了新的运维岗位。客户更关心系统是否频繁卡住、抓坏样品或能否自动恢复。算法再聪明，若无法稳定执行，客户评分即为零。

4. 技术路线选择：轮式优于双足

• 现状判断：在实验室相对固定的路线场景下，轮式机器人比双足机器人更稳、更省电、易维护。
• 未来展望：为跨越少数台阶而承担双足机器人更高的价格和故障风险并不划算。何源认为，双足机器人至少在五年后才具备产业应用优势。现阶段，机器人应先证明“有用”，而非追求“像人”。

5. 药企的“三本账”与决策逻辑

• 战略账：转向AI研发影响投资人和市场预期。
• 效率账：系统能否提效、减人、降本，需快速见效。
• 数据账：实验能否持续产生可靠数据，决定企业未来的AI研发能力。
• 结论：只有三本账同时算通的项目，复购率才高。药企不再为概念买单，只问系统能否进入真实研发流程并产出可验证结果。

6. 商业化路径：“二八式乐高”模式

• 标准化策略：约80%做成标准模块，20%适配客户特殊需求。通过搭积木方式组合，避免每单重做。
• 筛选场景：放弃零碎、难复制的小项目，只进入需求持续存在、能提炼标准模块的方向。目标是让第N次交付比第一次更快、更便宜、更少依赖人工。

7. 核心验证指标：真实订单与复购

• 唯一硬指标：论文、榜单、融资均非最终验证，唯有获得行业标杆客户的真实订单才是用户投票。
• 真实订单定义：客户愿意交出真实流程、预算和验收责任；系统能持续运行；项目结束后有扩单和复购；后续交付成本显著降低。

值得关注

• 跨国药企态度转变：早期愿意为AI平台概念付费，现在仅关注系统能否进入真实流程。中国团队的优势在于快速响应（1-2周出演示）和软硬件一体化打包服务，相比海外供应商的一两年交付周期更具竞争力。
• 行业成熟度标志：当AI给出的答案能被机器稳定执行、被实验重复验证，并最终写进采购单时，AI才真正走出服务器，进入产业深水区。