近日,作为亚洲极具影响力的分析、生化技术、诊断及实验室技术盛会,2026慕尼黑分析生化中国展(analytica China 2026)在上海隆重举办!本届展会汇聚来自23个国家和地区的超1300家专业展商,全面展示前沿技术、创新产品与一站式整体解决方案,百场论坛汇聚学界与产业界优秀专家,共话行业前沿、共探发展趋势。

展会同期举办的“2026中国药品实验室数智化创新发展大会”上,海尔生物医疗实验室产业总经理虞建强先生将带来主旨演讲《Al+Agent Lab:下一代药物研发的新范式》,分享海尔生物医疗在AI+自主实验室领域的实践探索,并重磅发布“一体共生·智敬科学”海尔生物AIO(一体化生命科学工具)战略及阶段性创新成果。

若只当作一次新品发布,很容易读成一条产品线的扩充。但放进制药工业的坐标里,它更像一个判断:实验室的最小生产单元,正在从“一台设备”变成“一段工作流”。
1
瓶颈已移位: 从"想不出"到"证不出"

制药业长期受困于“反摩尔定律”:投入持续上升,产出持续下降。而当结构预测、分子生成把干实验能力大幅前置之后,一种新的失衡出现了——设计端一天可以产出上千个候选,验证端一个月跑不完一批。
ADC、双抗、细胞基因治疗等新模态又放大了这一点:产品即工艺,一段温度曲线、一次转运、一段等待,都会写进最终质量。工艺被推到研发前端,成为决定项目成败的变量。算力不再稀缺,能稳定产出可用数据的实验能力才是。
2
孤岛之困: AI算得出, 实验室跑不动

孤岛的代价,表面上是人力成本,实质上落在三样东西上:通量、一致性与可追溯性。跨设备转运造成样本暴露、位置偏移,人工操作引发批间偏差,纸质与非结构化记录难以溯源,最终结果就是数据失效:投入成本产出的实验,无法沉淀为可复用的有效依据。
更深一层的代价是知识。很多关键实验经验藏在资深研究员手里:细胞换液时机、样本分装温控窗口、指标异常排查顺序等隐性参数,既没写进SOP,也没写进设备。人一旦离开,工艺就断了,实验室核心知识资产始终绑定于人。
合规风险同样突出。药品记录与数据管理对电子数据的真实、准确、完整、可追溯提出了明确要求;在GxP语境下,一条曲线如果说不清是谁、在什么条件下、用什么方法产生的,它在注册申报里的价值就接近于零。由多套孤立系统拼起来的记录链,天然难以自证。
因此,问题的症结并不在于缺少一个更聪明的AI,而是缺一层连接:设备与设备、流程与流程、数据与数据,以及最难的工艺与责任。这也解释了为什么实验室自动化投入多年,很多实验室的“体感”并没有明显改变。
海尔生物医疗推出AIO战略——All in One一体化生命科学工具,并将其拆解为两层:
第一层是核心形态All in One:把设备、流程、数据与服务汇于一体,以自动化硬件集成、平台化软件布局、多元生态共创,将整条链路连在同一个基建平台上,形成干湿闭环的自动化实验室。
第二层是由点到面的四层落地:
One Equipment一体化设备:模块化工作站,作为独立单元完成单环节自动化执行;
One Scene一体化场景:设备串起AGV和具身机器人,面向真实科研任务,交付可验收的结果;
One Platform一体化平台:AutoLab Mind实验室大脑,统一调度、协同决策、沉淀数据;
One Step一站式服务:硬件、软件、耗材、订阅服务一次打包。
这四层恰好对着四道断口:设备与设备、设备与流程、流程与数据、交付与服务。每补上一层,就少一段人工衔接;而最后一层补的,正是前面提到的“责任”—— 交付方对整条线的可运行性负责。

3
四层阶梯: 自动化不是终点, 自主才是

实验室智能化可分为四个层级:
L1:传统设备AI化改造,打通设备互联与数据接入;
L2:依托模块化工作站,封装设备能力,形成自动化执行单元;
L3:面向实际工艺场景,实现跨设备、跨流程协同交付;
L4:持续沉淀工艺、数据与AI能力,构建干湿闭环,迈向自主实验室。
这套阶梯可以简单理解:L2解决“执行(手)”,L3解决 “流程”,L4解决“智能判断”。当前多数自动化项目处于 L2阶段,仅用机器替代局部人工操作,单点效率提升,但全链路仍依赖人工衔接。
从L2跨越到L3,集成难度最高,也最容易被低估,难点主要有以下三点:
接口异构:不同品牌设备协议、架构、数据标准不一,集成不只是物理连线,更是统一数据语义;
工艺落地:跨设备协同要求工艺参数化、可执行化,必须和用户联合打磨,无法由厂商单独预研完成;
责任界定:全流程自动化后,故障边界容易模糊,难以区分问题源于设备、软件还是SOP本身。
迈向L4则更需谨慎。材料与化学领域已经实现自驱动实验室闭环:AI提出假设、机器人执行、数据反哺迭代模型。但生物实验复杂度更高:样本具备活性、状态易波动,结果受微环境干扰,不少异常难以数字化溯源。因此生物“自主实验室”要有边界:可解释、可复核、可回退。机器负责重复实验与大范围试搜,关键判定和放行仍由专业人员把控,这并非技术妥协,而是科研的底层原则。
由此可见,行业分水岭不在于机械臂速度,而在于能否将工艺沉淀为可复用、可验证、可交付的资产。海尔生物医疗当前深耕L2设备智能集成、L3一体化场景能力,并稳步向L4自主实验室演进。
4
AIO战略: 从"设备"变成"工作流"

过去买设备,是为了拥有能力,评判标准看设备参数;现在买方案,是为了获得结果,追求 “样本进、结果出”。当采购逻辑从“拥有”转向“获得”,服务商就必须对整段流程负责,而不只是对一台机器的出厂指标负责。这是商业模式的变化,更是责任结构的变化。
海尔生物医疗AIO(一体化生命科学工具)战略
All in ONE,For Science / 一体共生,智敬科学
AIO战略采用“1+4+ N” 架构:
1个大脑:AutoLab Mind大脑;
4个一体化场景:AI+前处理场景一体化、AI+分析检测场景一体化、AI+样本库场景一体化、AI+细胞培养场景一体化;
N个一体化工作站:DreamFlow·E AI+样本分装提取纯化工作站、Servita 原位程序降温存储工作站 、Vitacell 全自动细胞培养工作站 、Oasis类器官自动化培养及药敏测试工作站、HaiLab 四合一自动化分析工作站。
这套架构下的“一体化”有三重含义,硬件只是最外面一层。工艺一体,工艺参数跨设备可迁移、模板可复用;数据一体,从样本进站到报告生成形成连续数据链,每个节点都有时间戳与操作者;责任一体,由交付方保障全链路稳定运行,而不是把集成风险留给客户。
其中,责任一体最容易被忽视,也是成套系统方案和简单设备拼凑的核心区别。国内药企落地实践中,很多集成项目遇阻,并非单台设备性能不足,而是缺少对整条产线稳定运行的责任主体。
5
制药的三问: 样本、模型、数据

落到制药实验室场景,AIO真正要回答的是三个核心问题,而非仅仅输出一组参数:
Q1:样本还是不是“资产”?
细胞治疗产品、生物样本库、菌种,这些样本的价值随传代与转运而衰减,温控曲线上的每一次波动,都会在数据里留下不可逆的痕迹。所谓“样本漂移”,首先是数据问题,其次才是物流问题。将冻存与存储之间的暴露时间压缩至最短,就是守护证据链的起点,这也是原位程序降温与存储一体化的核心价值。
Q2:体外模型能不能成为“证据”?
类器官、器官芯片正从科研工具走向监管工具。海外政策持续放开,允许用细胞模型、器官芯片等非动物试验数据支撑新药申报,相关案例已落地。体外模型想要支撑决策,前提是高度可重复。批次差异、成型合格率等指标不是营销参数,而是模型可信、可用于注册申报的准入门槛。国产装备的机会,不在于追求更快速度,而在于稳定输出具备可比性的体外模型。
Q3:数据经不经得起“审计”?
自动化替代纸质记录,AI加入判读,也带来责任界定难题。结论由模型给出,责任由谁承担?可行方案是能力分层:区分自动化执行、AI辅助决策、受控闭环,关键节点保留人工复核与可回退机制,模型版本、参数与判读依据全部留痕。“可信”永远要排在“先进”之前。
三个问题最终指向同一件事:一体化的价值,不只是打通设备,而是贯通完整证据链。相信在海尔生物医疗“用户共创”的模式下,能够很好的打消这些顾虑。
6
五大代表性一体化工作站: 直击药研痛点

1
DreamFlow·E AI+样本分装提取纯化工作站
核心亮点
AI流程编辑,自生成自纠错,方便高效
AI全程智控,样本质量高一致
模块化设计,灵活适配各种实验场景
全程可视,全程可视·数据100%可溯


2
Oasis类器官自动化培养及药敏测试工作站
核心亮点
AI原生智能:从“人眼判读”到“AI自主决策”,形态成型合格率>90% 高通量药敏测试:多药、多浓度并行筛选,效率提升300% 标准化智造:覆盖10+关键工艺节点,实验批次间差异≤5%
“样本进一报告出”·药敏全流程自动化闭环
产学研医协同生态·加速新药研发与临床转化


3
Servita原位程序降温存储工作站
核心亮点
程序降温+存储原位一体,细胞活性≥98%
专利算法精准控温,批间高一致
数据可溯,安全合规双保障


4
Vitacell全自动细胞培养工作站
核心亮点
培养高效率:全流程自动化,效率提升150%
批间高一致:AI自主决策,批次间差异≤4%
细胞高质量:A级洁净标准,细胞活率≥95%
合规可追溯:100%流程监管,100%合规可靠


5
HaiLab 四合一自动化分析工作站
核心亮点
四项集成多指标一站分析
自动流转减少手工操作
专用流程适配检测需求
AI辅助分折可扩展

← 向左滑动查看更多
一体化工作站有着共通逻辑:瞄准样本离开人手的高风险环节(分装、冻存、培养、药敏、检测)。这些节点样本脆弱、数据易断、人工干预多,针对性一体化集成,比全能机器人更务实。
同时也要认清边界:类器官药敏当前多用于机制、疗效及转化研究,作为注册申报证据的体系尚在完善;自动化系统对样本存在适配范围,非标样本仍依赖人工处理。承认边界,是从“工具”走向“基础设施”的必要一步——过度承诺的系统,最终会在验证阶段付出代价。
7
差异化的来源:垂直场景,而非通用自动化

如果把AIO与国际同类方案放在同一张图上比较,差异不在机械臂的速度,而在以下几点:
01
样本全生命周期垂直优势(最核心)
依托海尔生物医疗二十余年低温存储、样本库积累,使“样本从入库到出库”的整条链可以在自有体系内闭环。这里的壁垒不在单台设备的温控精度,而在长周期运行下的稳定性、批量样本的一致性和极端工况下的冗余设计。多数通用自动化厂商的强项在移液与抓取,弱项恰恰在生命样本的长期照护——而后者才是药物研发真正的起点。
02
面向本土科研任务的工艺共创能力
中国实验室的空间结构、人力配置、SOP习惯与欧美并不相同,直接移植海外方案常常“能用,但不好用”。不止输出硬件,海尔生物医疗更与国内科研机构、药企联合定义SOP、质量关口,沉淀可复用工艺模板,方案更贴合国内实验室真实工况。
03
受控可信的AI+软硬智协同
把“AI能做什么”说清楚,比把“AI有多强”说清楚更重要。AI不做无边界自主实验,明确划分自动化执行、AI辅助决策、受控闭环运行三层能力梯度,在所有关键节点保留人工复核与可回退机制,始终将数据可信性置于技术炫酷效果的优先级之上。
04
软硬服一体化完整交付闭环(One Service)
不止卖设备,提供从需求诊断、集成实施、方法验证到持续运维的整套交付责任制,降低客户系统集成风险。
8
第二曲线: 国产生命科学装备的机会与门槛

把视野拉远,AIO背后是整个行业的转型命题。过去二十年,国内生命科学装备的主线是单机国产替代,在低温存储、生物安全柜、培养箱等品类实现规模化落地。这条曲线已接近饱和——格局稳定、毛利收窄,增量多来自存量替换。
下一条曲线是“系统”。当客户从“买设备”转向“买能力”,价值重心随之从硬件,转移至仪器、工艺、软件、服务的融合体系。赛道门槛显著抬升:既要跨学科工程能力、深度工艺积累,还要承接集成风险、满足合规监管要求。但突破之后护城河更强,竞争核心不再是参数比拼,而是工艺沉淀与数据可信度。
它还有一层关键战略价值:标准与产业话语权。谁定义了工作流接口、工艺模板、数据链路规范,谁就能占据产业分工优势。硬件可外购,工艺与标准只能长期沉淀。
同时要保持理性:客户一旦把流程建在某套系统上,迁移成本会很高。这就要求方案具备开放性——接口是否开放,数据能否导出,第三方设备能否接入。长期来看,能赢的一体化,一定不是封闭的一体化。
另一重现实约束是验证周期。任何进入GMP或GLP环境的系统,都要经历漫长的确认与验证,这决定了行业的节奏不会快。“一体共生”注定是一场长跑,而不是一次发布。
9
结 语

当AI开始走进实验室,我们用什么来保证实验仍然可信?答案不会由一家企业给出。但它一定包含三件事:可追溯的数据、可复现的工艺、可被质疑的结论。守住了这三件,实验室的智能化才不会只是一场表演。
回望海尔生物医疗的发展路径:从早年突破海外技术垄断、实现低温装备国产自主,到物联网时代率先落地智慧样本网、智慧生物安全等场景方案,再到前瞻布局自动化技术、打造一体化工作站,如今更以AIO迈入AI与自动化协同发展的新阶段。未来,海尔生物医疗将持续紧扣用户需求、科技创新与产业趋势迭代进化,推动AIO向更深场景、更广领域延伸,为生命科学创新和生物制造升级筑牢全新生产力底座。对中国生命科学领域而言,真正的自主,不止是设备自主,更在于工艺与标准的自主。
关于海尔生物医疗

海尔生物医疗,是海尔集团旗下大健康板块盈康一生在生命科学产业的重要战略布局,公司致力于成为全球信赖的生命科学产业世界级品牌,以创用户最佳体验为目标,面向医药生物企业、高校科研机构等生命科学用户和医院、疾控、血站、基层公卫等医疗卫生用户,提供涵盖低温存储、数智科研、智慧用药、血液技术等多个产业领域的数字场景综合解决方案,目前正以AI+自动化深度重构核心用户场景,推动AI在生命科学、生物制造等领域的加速落地。
