直播镜头下 ，五天五夜无休——屏幕里
，代码一行行滚动生成指令；屏幕另一侧，机械臂昼夜不停地取样 、反应
、提纯、测试 ，全程没有任何研究人员踏入操作间。

　　直播间人数不断攀升 。

　　初看，这似乎又是一场机器人表演秀
。毕竟
，机器狗巡逻 、机械臂组装、早已不是什么新鲜事。那么，这场直播究竟凭什么值得关注？

干湿闭环直播截图

　　事实上 ，这不是简单的自动化演示
，而是一次从设计到实验，全程无需人工干预的完整科研闭环的实时验证 。由上海科学智能研究院牵头建设
、上海格物智研科技有限公司打造运营的“Golab物质科学智能研发工厂” ，已成功跑通国内领先的“AI计算—自动实验—数据回流—模型自进化 ”干湿闭环全流程
，并在生物医药、能源材料 、日用化工等多个行业方向开展验证性应用。

　　新民晚报记者了解到，“计算—执行—反馈—迭代”的技术闭环 ，正成为全球科技公司从技术验证走向商业落地的共识路径
。无论是自动驾驶
、具身智能还是科学智能
，头部机构几乎都在用同一套方法论：让AI在真实物理世界中执行任务、采集数据 、反哺模型
、持续进化。

　　例如，特斯拉依托全球数百万辆存量车构建真实路况数据闭环 ，今年2月上海临港AI训练中心投用
，完成全链路本土化闭环，全球车队每天 产生约16亿帧图像数据 ，FSD累计行驶里程超100亿英里；宇树科技打通“真机采集—模型训练—真实部署
”完整闭环，今年3月开源的人形机器人真机数据集包含189万条真实场景动作轨迹数据
，驱动模型持续迭代……

　　不难理解，这套体系瞄准的是物质科学研发长期以来的核心痛点：周期漫长、试错成本高 。AI能预测却无法验证 、能设计却无法合成
、能单点自动化却无法串联全流程 ，大量科学假设因此止步于计算模拟
，无法进入物理世界接受检验
。“Golab工厂”的突破在于，以通用的跨领域基础模型作为“大脑 ” ，自驱动实验室作为伸向物理世界的“双手
”
，以及让二者持续互相校正、越用越强的自进化系统。

　　“数据回流是让系统自进化的关键所在 。”上智院主任研究员 、格物智研算法高级专家徐丽成告诉记者，“实验结果 ，包括大量在传统研发中被丢弃的失败案例与负向数据
，被结构化回流至模型端，验证预测正误 ，模型据此自我修正
。 ”

　　团队带头人
、上智院AI科学家、格物智研创始人曹风雷表示
，平台的目标并非取代科研人员，而是帮助他们更好地专注于科研本身。过去 ，科研人员要耗费大量精力处理与科研不直接相关的事务，比如从零搭建实验室或配置设备
，成本高且耗时 。进入这一平台后，这些环节可以大幅精简
。科研人员只需集中思考“该做什么
”和“如何解决问题” ，执行层面则交由平台完成。

　　直播的意义
，正在于将这条链路毫无保留地置于公众视野之下，让技术接受真实场景的检验 ，也让所有人见证科研从“人力驱动 ”加速转向“智能驱动
” 。截至7月11日21时
，直播共运行135题，原规划为102题
。由于在分子生成 、AI训练与推理、虚拟筛选等环节均进行了不同程度的时间优化 ，整体进度提前结束
，同时在药物设计方向增加了同类型但不同目标的题目。总体完成率达到99%，工具调用正确率为100% ，工具完成度高于95% 。

　　“整个平台在超长时间任务串行中表现极其稳定。”曹风雷自豪地透露
。

（文章来源：上观新闻）