2026年7月7日，上海科学智能研究院（简称上智院）在沪正式发布了其牵头建设的重磅成果——Golab物质科学智能研发工厂。Golab是一个由AI驱动的超级科研工厂，它跑通了国内领先的"AI计算到自动实验再到数据回流最后模型自进化"的全流程闭环。在物质科学领域，这意味着从计算模拟到实物验证再到模型迭代的全链条首次实现了无人工干预的自动化运转。Golab的发布标志着中国AI4S（AI for Science）基础设施建设迈上了新的台阶。AI4S不再只是一个学术概念或实验室里的研究工具，而是有了一个可以支持大规模、标准化科研生产的实体基础设施。上智院重点孵化企业格物智研负责Golab的具体建设和运营。Golab的核心定位非常明确：聚焦物质科学领域，通过持续开放模型、算力、实验等核心能力，加快破解新药、新材料研发周期长、试错成本高等核心难题。
Golab物质科学智能研发工厂的技术架构可以分为四个紧密衔接的核心模块：AI计算模块、自动实验模块、数据回流模块和模型自进化模块。四个模块构成了一个完整的"干湿闭环"，这也是Golab最核心的技术创新所在。AI计算模块是Golab的"大脑"。该模块部署了多个面向物质科学的专用AI大模型，包括分子动力学预测模型、材料性能预测模型和化学反应路径优化模型等。当一个新材料或新药的研发任务被提交到Golab系统时，AI计算模块首先在大脑中进行海量的虚拟计算和筛选，从上千万个候选方案中筛选出最有潜力的少数候选者。自动实验模块是Golab的"双手"。在AI完成虚拟计算筛选后，系统会将候选方案的实验参数自动传输到自动实验模块中的高精度实验设备上。这些实验设备包括自动化高通量合成平台、机器人操作的分析测试仪器和智能化的样品处理系统。自动实验模块接收AI计算模块的实验指令后，自动完成实验操作、数据采集和结果分析，整个实验过程无需人类研究人员现场介入。数据回流模块是Golab的"神经系统"。自动实验模块在完成实验操作后，实时采集实验数据并将其反馈回流到AI计算模块中。这些真实世界的实验数据对AI模型的训练和优化极为宝贵。模型自进化模块是Golab最精妙的设计。当AI计算的预测结果与自动实验的真实结果出现偏差时，系统会自动分析偏差的原因，并根据新的数据自动调整和优化AI模型。这种"计算预测到实验验证到模型修正"的自进化循环，使得Golab的AI能力随着时间的推移不断自我提升。
Golab的发布对AI4S产业化具有多层次的战略意义。从基础设施层面来看，Golab是目前国内在物质科学领域最完整的AI驱动科研平台。在此之前，AI4S在国内的落地大多以单点工具或局部优化的形式存在——某个AI模型可以做分子结构预测，某个自动化实验平台可以做高通量筛选，但这些能力分散在不同的机构和技术体系中，彼此之间缺乏有效的数据流通和协同联动。Golab首次将AI计算和自动实验进行了一体化整合，形成了一条从虚拟筛选到实物验证的完整闭环。从研发效率的角度来看，Golab带来的提升是量级的。一个典型的新材料研发项目，传统的人工模式需要化学家先基于经验提出假设，然后手工进行实验验证，再根据实验结果修正假设，如此反复迭代。一个完整的材料优化周期通常需要数月甚至数年。Golab的干湿闭环系统可以将这一周期压缩到数周甚至数天，因为AI计算模块可以在数小时内完成传统化学家需要数周才能完成的筛选工作，自动实验模块可以7×24小时不间断运转。从商业模式层面来看，Golab为上智院和格物智研的商业化探索提供了坚实的基础。Golab将面向药企、材料企业和科研机构提供开放服务。企业可以将自己的研发需求提交到Golab系统中，系统自动完成AI计算、实验验证和结果输出的全流程，企业只需支付相应的算力和实验设备使用费用。这种"AI研发即服务"的商业模式有望大幅降低中小型企业的药物和材料研发门槛。
Golab的建成和运行离不开整个AI4S技术生态的支撑。在上游数据层，Golab整合了上智院多年积累的材料科学和药物设计专业数据库，包括数百万条化合物性质数据、材料性能数据和化学反应数据。这些高质量的结构化数据是Golab的AI模型训练和优化的重要基础。在中间模型层，Golab集成了多个面向物质科学场景定制的AI基础模型。上智院的科学家团队在分子力场预测、材料能带计算和化学反应路径推断等方向进行了专门的大模型训练和优化。在底层算力层，Golab部署了高性能的GPU计算集群，支持大规模并行AI计算和分子模拟任务。在下游实验层，Golab配置了国内最先进的自动化实验设备，包括高通量合成仪、自动化X射线衍射仪和多模式成像系统等。与Golab发布同步，上智院的孵化企业格物智研也在推进AI4S技术在更广泛产业场景中的落地应用。当前Golab已经与多家制药企业和新材料企业签订了合作协议。在化工领域，Golab正在与几家国有大型化工企业合作，利用AI技术优化催化剂的开发流程。在半导体材料领域，上智院正在与多家国产半导体材料供应商合作，利用Golab的平台能力加速高性能电子材料的筛选和测试。这些合作案例表明，Golab作为一个AI4S的公共基础设施，正在为多个国民经济关键领域的技术创新提供系统性的智力和算力支持。
Golab的发布也引发了全球AI4S领域对中国发展路径的关注。从全球视角来看，AI4S基础设施的建设正在成为一个各主要科技强国争相投入的战略制高点。美国能源部旗下的多个国家实验室（如阿贡和劳伦斯伯克利）都在积极推进AI驱动的科研基础设施项目。在产业界，英伟达推出了AI for Science加速平台BioNeMo和CUDA加速库，从算力和软件工具层面支撑全球AI4S生态发展。Google DeepMind推出的AlphaFold 4在蛋白质互作预测准确率上达到了98%。Golab的差异化优势在于"干湿闭环"的全流程整合能力。美国模式的AI4S基础设施大多侧重在AI计算层面，虽然AI模型能力强大，但模型的计算结果最终仍然需要通过人工实验来验证，从AI计算到实物实验的衔接环节仍然是效率瓶颈。Golab的干湿闭环体系恰恰在这一点上实现了突破——AI计算模块和自动实验模块被整合为一个无缝衔接的整体系统，AI预测的结果可以自动触发实验验证，实验数据又可以自动回馈给AI模型进行迭代优化。当然，Golab在发展过程中也面临一些挑战。自动实验设备的初始投资相当可观。另一个挑战是高级AI人才的短缺，同时精通AI技术和物质科学的复合型人才在全球范围内都极为稀缺。Golab的建成只是一个开始，如何保持平台的持续运营和技术领先，如何吸引更多企业和科研机构使用平台服务，如何在保障数据安全的前提下实现平台能力的最大化开放，都是需要持续探索的课题。