Lila：把实验室做成数据中心
Latent Space · rss · 2026-07-16
这期访谈围绕 **Lila Sciences** 的“AI 科学工厂”展开：他们把实验室设想成像数据中心一样运行，由 AI 统一调度机器人、仪器和实验流程，目标是面向生物、化学、药物发现和材料科学构建“科学超级智能”。 节目重点讨论了他们的方法论：把科学方法看作可规模化的数据生成机制，把实验结果当作可验证的训练信号；强调实验室不是单纯的自动化公司，而是追求灵活性和可泛化性；以及为何要依赖快速迭代而不是一次性的大规模筛选。文中还提到他们在气体吸附测量上把流程重构到约 **2500 倍**提速，并积累了 **10 万亿级**、经过实验验证的科学推理 token。 此外，访谈还涉及多个具体案例和判断：跨领域迁移带来的泛化收益、从分子化学先验迁移到 MOF 材料、用于催化剂发现的模型建议、以及在非人灵长类身上推进 in vivo CAR-T 数据的节奏。整体观点是：科学领域要走向“超级智能”，靠的不只是更会做题的模型，而是能在真实实验中持续生成高质量数据、并把创造性和偶然性一并自动化的系统。