AI走進實驗室與工作流：從自主實驗到Agent落地

本期要點

• 上海交大AutoDNA登《自然》，AI自主完成分子實驗
• 騰訊展示完整Agent佈局，姚順雨稱護城河在產品層
• AMD數據中心收入近乎翻倍，移動雲聯手智譜攻國產算力

AI原生實驗室：從“外掛”到貫通實驗全流程

上海交通大學計算機學院IPADS實驗室陳海波、王肇國團隊，與化學化工學院、變革性分子前沿科學中心樊春海、王飛團隊合作，構建了AI原生科學實驗室AutoDNA裝置（思源一號），實現自主分子生物學實驗操作，成果發表於《自然》並獲該刊官網首頁頭條報道。

這套系統的關鍵不在“接一個大模型”，而在架構。素材指出，已有AI自主科學實驗室通常由專家預先配置儀器、規定流程和優化規則，AI只接入文獻檢索、方案生成或數據分析等局部環節，屬於“外掛式”架構。AutoDNA則採用模型—實驗—儀器協同設計：用多智能體把複雜任務拆成文獻檢索、試劑選擇、方案設計、代碼生成、硬件執行、結果分析和迭代優化等環節；把儀器能力提煉為模型可理解、可調用的“原子服務”；再以微米級定位和微升級液體處理硬件保障操作精度。平台還集成了基於OpenHarmony的控制終端，並在核酸檢測、酶促DNA合成、癌症檢測等場景完成驗證，展示了端到端DNA存儲的編碼、寫入、保存、讀取與解碼流程。(來源: IT之家)

這條線索的意義在於：AI進入科學實驗的瓶頸，正在從“模型會不會想”轉向“系統能不能穩定地做”。AutoDNA能否被其他實驗室復現、擴展到更多實驗類型，比單次成果更值得跟蹤。

Agent落地：應用只是入口，斷點在數據與工程

騰訊在Agent上的佈局比外界熟悉的WorkBuddy更完整。騰訊集團高級執行副總裁、雲與智慧產業事業群CEO湯道生在全球數字生態大會上提出，企業落地Agent最大的難題不是模型不夠強，而是“斷點太多”：AI能寫方案、做分析，卻接不上業務系統，也拿不到企業數據。圍繞這一判斷，騰訊提出打造“全場景、高效能、更放心”的Agent生產力系統，兩天內40多場發佈覆蓋應用、數據、安全和工程四個板塊。

應用層，騰訊發佈跨應用協同體系Buddy One，一邊用WorkBuddy連接騰訊文檔、騰訊網盤、騰訊樂享及設計研發工具，一邊通過騰訊雲ADP、元寶搜索、天籟語音大模型、MAGIC AI等把Agent帶入業務執行場景。但素材明確強調，應用只是入口，Agent要進入企業還要回答三個基礎問題：能否讀懂並用好企業數據、能否在明確安全邊界內行動、能否穩定規模化運行。(來源: 雷峰網)

同一時間，騰訊首席AI科學家姚順雨在2026未來科學大獎的一場對話中給出更直接的商業判斷：AI護城河更多存在於產品層，而不是模型層。他以微信為例，認為真正難以替代的是理解用戶背景、利用專有數據和上下文、並獲得用戶信任的AI產品，而非單純“最聰明的模型”。張亞勤則調侃，按此邏輯Anthropic未來或許不值一萬億甚至兩萬億美元，因為模型終有一天可能商品化。(來源: IT之家)

兩條線索放在一起看，騰訊的Agent敘事與姚順雨的護城河判斷是同一套邏輯：競爭焦點從模型參數轉向工作流、數據與信任。這個判斷可以被後續事實推翻——如果模型能力差距重新拉大並直接決定產品體驗，產品層護城河的說服力就會下降。

算力與產業：數據中心優先，國產算力結盟

算力需求仍在向上。AMD首席執行官蘇姿豐在接受雅虎財經採訪時把公司描述為“數據中心優先”的企業，此時距其2026財年第三財季財報發佈僅幾天，財報顯示數據中心收入比去年幾乎翻了一倍。她提到，人工智能落地普及速度遠超許多企業預期，過去按年度制定投資規劃的公司正更頻繁調整預算以應對算力需求，AMD則通過提升供應產能、與客戶協同推進更大規模系統部署來應對。(來源: IT之家)

國內側，中國移動雲公司與智譜華章於11月6日簽署合作協議，在Token技術創新、模型服務、產品打造、行業方案等領域深化合作。雙方將聚焦國產化算力適配與模型調優，共建Token聯合發展中心，提升Token生產效率；智譜GLM系列模型將接入移動雲MoMA模型服務平台，雙方還計劃聯合構建智能產品矩陣、共創AI Coding融合產品，並深耕金融、政務等重點行業，構建“算力+模型+應用”一體化解決方案。(來源: IT之家)

此外，物理智能開源平台Hitch Open在進博會發佈，上海交通大學—上海創智學院高岳教授團隊與其聯合完成AI自主決策機器人乒乓對打142拍，刷新該項目世界紀錄，為具身智能的“感知—決策—行動”閉環提供了一個極限測試場景。(來源: IT之家)