直播镜头下，五天五夜无休——屏幕里，代码一行行滚动生成指令；屏幕另一侧，机械臂昼夜不停地取样、反应、提纯、测试，全程没有任何研究人员踏入操作间。

　　直播间人数不断攀升。

　　初看，这似乎又是一场机器人表演秀。毕竟，机器狗巡逻、机械臂组装、早已不是什么新鲜事。那么，这场直播究竟凭什么值得关注？

干湿闭环直播截图

　　事实上，这不是简单的自动化演示，而是一次从设计到实验，全程无需人工干预的完整科研闭环的实时验证。由上海科学智能研究院牵头建设、上海格物智研科技有限公司打造运营的“Golab物质科学智能研发工厂”，已成功跑通国内领先的“AI计算—自动实验—数据回流—模型自进化”干湿闭环全流程，并在生物医药、能源材料、日用化工等多个行业方向开展验证性应用。

　　新民晚报记者了解到，“计算—执行—反馈—迭代”的技术闭环，正成为全球科技公司从技术验证走向商业落地的共识路径。无论是自动驾驶、具身智能还是科学智能，头部机构几乎都在用同一套方法论：让AI在真实物理世界中执行任务、采集数据、反哺模型、持续进化。

　　例如，特斯拉依托全球数百万辆存量车构建真实路况数据闭环，今年2月上海临港AI训练中心投用，完成全链路本土化闭环，全球车队每日产生约16亿帧图像数据，FSD累计行驶里程超100亿英里；宇树科技打通“真机采集—模型训练—真实部署”完整闭环，今年3月开源的人形机器人真机数据集包含189万条真实场景动作轨迹数据，驱动模型持续迭代……

　　不难理解，这套体系瞄准的是物质科学研发长期以来的核心痛点：周期漫长、试错成本高。AI能预测却无法验证、能设计却无法合成、能单点自动化却无法串联全流程，大量科学假设因此止步于计算模拟，无法进入物理世界接受检验。“Golab工厂”的突破在于，以通用的跨领域基础模型作为“大脑”，自驱动实验室作为伸向物理世界的“双手”，以及让二者持续互相校正、越用越强的自进化系统。

　　“数据回流是让系统自进化的关键所在。”上智院主任研究员、格物智研算法高级专家徐丽成告诉记者，“实验结果，包括大量在传统研发中被丢弃的失败案例与负向数据，被结构化回流至模型端，验证预测正误，模型据此自我修正。”

　　团队带头人、上智院AI科学家、格物智研创始人曹风雷表示，平台的目标并非取代科研人员，而是帮助他们更好地专注于科研本身。过去，科研人员要耗费大量精力处理与科研不直接相关的事务，比如从零搭建实验室或配置设备，成本高且耗时。进入这一平台后，这些环节可以大幅精简。科研人员只需集中思考“该做什么”和“如何解决问题”，执行层面则交由平台完成。

　　直播的意义，正在于将这条链路毫无保留地置于公众视野之下，让技术接受真实场景的检验，也让所有人见证科研从“人力驱动”加速转向“智能驱动”。截至7月11日21时，直播共运行135题，原规划为102题。由于在分子生成、AI训练与推理、虚拟筛选等环节均进行了不同程度的时间优化，整体进度提前结束，同时在药物设计方向增加了同类型但不同目标的题目。总体完成率达到99%，工具调用正确率为100%，工具完成度高于95%。

　　“整个平台在超长时间任务串行中表现极其稳定。”曹风雷自豪地透露。