本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
全自动实验室无需人工干预，自行设计、执行并分析实验。据《自然·化学工程》报道，这些人工智能驱动的机器人平台将新材料的发现速度提升了十倍。阿贡国家实验室、劳伦斯伯克利国家实验室及多家美国机构记录了这一加速过程，研究活动本身正因此被重新定义。
随之而来的问题是：谁来控制这些昂贵的基础设施？当机器在提出和验证假设方面比人类更高效，研究人员的培养将走向何方？
要点
- 自主实验室将材料实验通量提升了十倍
- 阿贡国家实验室和劳伦斯伯克利国家实验室记录了这些生产率提升
- 这些机器人平台自行设计并执行实验方案
- 基础设施的使用成本引发了科学创新控制权的争议
自主设计实验的机器
阿贡国家实验室跨过了一个关键节点：其机器人不再只是执行预设方案。它们分析实验结果，对下一次实验提出假设，然后无需人工干预便自主执行。观察、假设、测试——这一闭环机械地复现了科学研究的基本过程。
阿贡自主实验室每天测试100种材料组合，手动模式下仅为10种。这一十倍的通量提升，体现在催化剂合成、电池优化和金属合金发现等多个领域。机器可以24小时不间断运行，不会疲劳，也不会出现操作失误。博士生重复一个不一致的实验结果，往往需要耗费两周时间。
劳伦斯伯克利国家实验室在有机半导体发现领域证实了这一数量级。其机器人每周合成并表征200种分子，相当于六人研究团队一年的工作量。算法从失败和成功中同步学习，每次迭代都在优化假设，不受人类认知偏差的干扰。
人工智能重新设计实验方案
这些自主实验室不只是更快地测试现有方案，它们还发明了人类未曾探索过的新实验方法。阿贡的人工智能为热电材料开发了一套三步合成工艺，性能较传统方法提升40%。
算法探索的参数空间，人类无法靠手动绘制完成。人工智能算法”Adviser”在自主实验进行过程中，实时监控其他机器学习算法的性能。这种不预设假设的方法揭示了意外的合成窗口——某些钛合金在比预期低200°C的温度下完美结晶。
斯坦福材料与能源科学研究所将这一逻辑推进一步，让AI自行设计测量仪器。其机器人根据实验结果实时调整光谱仪参数，为每个样品优化分辨率。测量工具的动态适应，使采集数据的质量大幅提升。
工业界实时获取发现成果
生产率的提升正在改变基础研究与工业应用之间的关系。丰田直接与阿贡合作，优化其电池电解质配方。实验室算法测试日本团队提出的方案，48小时内交付结果，传统方法则需六个月。
德国化工企业巴斯夫已在美国研究中心部署自主实验室。该公司发现新催化剂的周期从十八个月缩短至四周，得以实时响应市场需求，按需为客户开发定制材料。
与工业界的深度合作改变了发现的性质。自主实验室同步优化材料性能与工业可行性，在设计阶段就整合了成本和生产约束。这与工具先于理论重新定义科学的传统路径形成对比——此前，基础研究先于应用。
基础设施成本重塑科学版图
一座完整的自主实验室造价在500万至1500万美元之间，大多数大学难以企及。只有资金最充裕的机构或公私合作项目才能承担这类投资。资源集中正在改变材料科学研究的地理格局。
美国目前运营中的自主实验室有12座，中国声称拥有8座，欧洲有3座。这一分布反映的是投资能力，而非传统科研水平的高低。德国是材料化学领域的传统强国，却因公共资金不足，在实验室机器人化方面明显落后。
美国能源部正资助阿贡网络在2027年前扩展至另外四个站点，投入2亿美元，旨在保持对中国的技术优势。中国已在五年计划中宣布新建20座自主实验室。材料科学与半导体一样，正成为工业主权的竞争领域。
研究人员培养面临机器挑战
自动化正在动摇博士生和博士后在实验室中的传统角色。一套算法可以替代十名学生完成合成与表征工作，材料科学的培养路径正因此发生根本性改变。
麻省理工学院已重组博士课程，目标是培养”自主实验室操作员”而非仪器操作员。学生学习编写实验假设程序、批量解读结果，并从数据流中识别关键发现。研究人员的角色正转变为技术指挥。
加州理工学院则坚持手工操作训练，理由是这能培养机器无法替代的科学直觉。其学生仍需花两年时间进行手动操作，之后才能使用自动化平台。这种混合培养模式，旨在让研究人员具备设计机器尚无法构想的实验的能力。
专业技术人员的短缺反而催生了新岗位。一座自主实验室需要三名维护工程师才能稳定运行。这类兼具机器人技术和化学背景的复合型人才，薪资比传统技术人员高出50%。
科学加速步入新阶段
自主实验室产生的实验数据量极为庞大。阿贡每月产生50太字节数据，相当于全球材料科学领域十年出版物的总量。从这些数据中提取有效发现，需要全新的分析工具。
人工智能在识别海量数据中的规律方面不可或缺。如今，AI作为研究人员的”第二大脑”，参与研究的每个环节。这一方法已预测了10万种假设材料的性质，为未来合成工作建立了数据库。
科学出版的节奏也随之改变。阿贡团队目前每周发表一篇论文，自动化之前每学期才发表一篇。发现的速度已超过同行评审的处理能力，成果验证出现瓶颈。
科学自动化正在重新定义”发现”本身。A-Lab在17天内合成了58个目标化合物中的41个，平均每天超过两个新化合物。人类研究人员预测一种材料的结构往往需要数月。科学家的角色正从发现者转变为发现的整理者。