自动化实验室有一个说不出口的尴尬：机器人可以二十四小时工作，但开头那几天几乎在重复人类早就知道的事。这在化学里叫冷启动问题，模型不懂行，只能靠一次次实验重新发现已知规律。催化研究尤其昂贵，一次合成加分析常常要半天以上，摸索阶段的成本足以劝退很多课题。韩国化学技术研究院一个团队给出的方案，是把研究者的经验通过大模型翻译成实验先验，再交给贝叶斯优化去用，成果发表在《化学信息与建模杂志》。
自驱动实验室听起来很先进，能自己选下一个实验、自己调整条件。它的判断依据来自历史数据，数据少的时候只能随机探索。而真实实验室里最值钱的东西往往不在数据里，在老研究员脑子里：这个体系不能用强碱、那批原料含水率偏高、升温快了会结焦。这些经验没有被写成方程，也没有进入任何数据库。
传统做法是让专家把经验写成规则或特征，工作量巨大，换个体系就作废。韩国团队换了个入口，让研究者直接用自然语言描述判断，大模型负责把这些话转成结构化的先验信息与边界条件，再喂给优化算法。这样一来，专家不需要学编程，也不需要把经验数学化，说清楚就行。
这个设计的巧妙之处在于尊重了知识的存在形式。化学知识大量以口述、笔记、组会讨论的方式存在，强行结构化会损失信息。用语言模型做中间层，相当于给这些隐性知识开了一个可计算的接口。
把人的判断放进优化循环，风险立刻出现。专家也会记错，经验可能来自另一个体系，甚至可能被错误地表述。贝叶斯优化对先验很敏感，一个方向错误的先验会把有限的实验预算引向荒区，而且算法自己不会怀疑。
团队为此设计了自适应权重与可信度检测模块。它持续比对先验与实验数据的吻合程度，一旦出现足够的反证，就自动把不可靠的先验降权，退回以数据为主导的搜索。在故意给出错误指引的测试里，常规方法直接失效，新框架识别出了误导信息并恢复了优化性能。这个环节看起来只是工程细节，实际决定了方法能不能进真实实验室。
可信度检测的另一个好处是让专家更愿意参与。人给出判断时不必承担绝对正确的压力，系统会在数据反驳时自动修正，犯错成本下降，协作意愿上升。这套机制在别的领域也适用，凡是把人的经验接进自动化流程的地方，都需要一个能自我纠错的阀门。
基于真实数据构建的虚拟测试环境里，Ugi 多组分反应达到目标性能所需的搜索次数从约 30 次降到 10 次以内；导电的 P3HT 与碳纳米管复合材料从约 20 次降到 3 到 5 次。研究团队把这组改进折算成一个更直观的说法：相当于一开始就手握约 40 个实验数据点，对一个每次要半天以上的催化体系来说，能省掉大约 20 天的初始探索。
这个量级在材料研发里是实质性变化。一个新配方从立项到可用，动辄以年计，前期摸索占掉的比例往往过半。把摸索压缩到几天，意味着同样的经费可以试更多方向，失败的项目能更早止损。对工业界来说，早期判断的价值远高于后期优化，因为后期优化的收益递减，而早期选错方向的代价是整条时间线。
需要说明的是，这些数字来自虚拟环境，尚未在实体设备上验证。虚拟环境基于真实数据构建，但终究不等于真实实验室，温度控制、搅拌效率、杂质干扰这些因素在仿真里被简化。团队明确表示下一步是在物理自驱动实验室上验证，这一步的成败决定方法能不能真正落地。
除了算法，团队还做了一个交互界面，叫共创科学家。研究者在优化过程中可以用自然语言调整方向，比如要求优先尝试某个温度区间、排除某类溶剂、加大某个指标的权重。这相当于给人留了一个随时能插话的座位，而不是把实验交给系统之后只能等结果。
这个设计回应了一个现实顾虑。全自主的AI科学家在演示里很好看，进实验室却难，因为科研的价值判断很难完全前置成目标函数。一个体系可能产率很高但纯度不够，可能性能达标但成本不可接受，这些权衡需要人根据项目阶段临时决定。把调整权留给人，自动化才不会被当成黑箱。
从产品角度看，这也是自驱动实验室商业化的关键。客户买的不是一台会做实验的机器，而是一套能被自己控制的研发工具。界面友好程度直接影响 adoption，语言交互比参数面板的门槛低得多，这种协同在课题早期尤其重要。
今年科学智能领域有两条路线在并行推进。一条追求全自主，让系统自己提假设、自己设计实验、自己解释结果，目标是把人从流程里移出去；另一条坚持人在环，AI 负责搜索与执行，人负责目标与判断。韩国这项工作明确站在第二条路线上，团队的表述是把技术定位为科研伙伴，同时充当自驱动实验室的大脑软件平台。
两条路线在短期内的差别体现在可靠性上。全自主系统一旦目标设错，会在错误方向上高效地跑很远；人在环系统会因为人的介入变慢，但不容易失控。在药物、材料这类试错成本高、监管要求严的领域，慢一点换确定性是划算的。
长期看，两条路线会汇合。人机分工的界面会越来越细，人在哪些节点必须介入、哪些可以放手，会像自动驾驶的分级一样形成标准。化学领域的分级可能比驾驶更早落地，因为实验有明确的安全边界，失误的代价可以量化。
对国内做科学智能的团队来说，最值得借鉴的不是具体的优化算法，而是那个把自然语言变成先验的中间层。大量实验室有数据、有设备、有经验，缺的是把经验接进系统的通道。语言模型提供了低成本的翻译能力，剩下的工作是把可信度检测做扎实，避免错误知识污染优化过程。
第二个可借鉴的点是评估方式。团队用基于真实数据的虚拟环境做验证，既保证了可重复，又贴近实际分布，还能故意注入错误指引来测试鲁棒性。这种测试设计比单纯报告“提升了多少”更有说服力，也更容易被审稿人和工业客户接受。
材料与催化是 AI for Science 里商业化路径最清晰的领域之一，因为成果可以直接对应到配方、工艺、成本。当试错次数从三十次降到十次，研发的边际成本曲线会改变，小团队也能承担过去只有大企业才能做的探索。