2026 年 10 月 14 日，丹纳赫宣布与英伟达合作，推进“自主科学”。双方准备把科学仪器、自动化与实验室软件，接入加速计算和 AI。但公告没有展示一座已经交付的无人实验室，它瞄准的是预测通往实验证据的路径。

据丹纳赫公告，目标是让实验结果改善模型，再让模型帮助设计下一轮实验。英伟达带来计算与 AI 技术，丹纳赫带来仪器、工作流和领域经验。但合作的价值，要等这个循环真正运行后才能衡量：让模型接受实验的检验，才是这次合作的关键。

丹纳赫 10 月 14 日公告：连接 AI 技术、科学仪器、工作流与实验数据（图源：丹纳赫投资者关系官网截图）

模型给出答案以后，实验室怎么办？

可以把模型想成规划路线的导航：它提出方向，实验负责回传路况。但如果结果无法回到系统，下一轮规划就用不上这次试错。按照公告设想，实验与模型之间将形成持续学习循环，研究者据此更快地修正判断。

英伟达把类似路径称为 Lab-in-the-Loop，即“实验室在环”：模型提出假设，自动化系统执行实验，结果再反馈给模型。它试图把预测与验证串成连续流程。但这是一个工作范式，不能仅凭采用这个名称，就认定实验室已经实现自主决策。

英伟达“实验室在环”页面中的实验场景配图；用于说明技术背景，非本次合作现场（图源：NVIDIA）

丹纳赫的基础在于已有的实验室产品。以旗下贝克曼库尔特生命科学的 Biomek i5 为例，官网列有 25 个台面位，以及数据追踪和实验室信息管理系统连接能力。但现有自动化能力，只说明它具备可供连接的基础。

同一产品页还列出流程管理与调度软件，支持设备间的工作流衔接。按预设流程做实验，与根据结果决定下一步研究，是不同层次的能力。但这也解释了合作为何值得关注：双方尝试把科学推理，接到已有执行体系上。

Biomek i5 自动移液工作站，展示丹纳赫已有自动化产品基础；公告未确认它属于首批合作仪器（图源：丹纳赫生命科学官网）

英伟达送进实验室的，分别是什么？

先看算力的位置。公告点名 DGX Spark 这样的边缘计算设备，英伟达则将其定位为可在桌面运行模型与智能体的平台。这为靠近仪器部署 AI 提供了技术选项。但公告没有说明具体设备怎样接入、哪些任务会留在本地。

本地计算可以理解为把一个计算工位放到仪器附近。但算力就位，并不自动赋予系统控制实验的权限。从推理输出到仪器动作，中间的接口、授权和异常处理仍需明确；这些也是判断未来产品成熟度时应追问的问题。

DGX Spark 产品页展示的桌面系统家族；用于说明本地计算形态，非本次合作部署清单（图源：NVIDIA）

接下来是处理数据的工具。像先把账本整理成可计算的表格，数据分析也需要准备与转换环节；公告为此点名 RAPIDS。英伟达将其定义为 GPU 加速的数据科学软件库集合。但通用数据处理能力，不能直接换算成本次合作的研发提速。

公告没有给出处理速度、实验吞吐量或成本的对照结果。因此，评价合作要看完整实验循环，而不能只看一次计算快了多少。但这个区分容易被忽略：分析环节提速，最终能否缩短研究周期，还需要真实工作流来证明。

RAPIDS 与 Python、CUDA-X 及数据科学工具的关系；这是通用软件栈示意，不是丹纳赫合作性能测试（图源：NVIDIA）

负责生物领域模型的部分，公告提到了 BioNeMo Open Models。英伟达的介绍涵盖分子设计、蛋白质结构预测等用途。可以把它理解为帮助提出候选方案的工具层。但候选方案能否成立，仍要回到公告反复强调的实验证据。

这份公告没有列出合作具体采用哪些模型，也没有发布相应的验证结果。但这恰好划出了阅读新闻时的边界：可以解释这些技术各自做什么，不能把产品目录里的全部能力，都算成本次合作已经交付的成果。

英伟达“实验室在环”页面中的分子设计配图；用于说明模型应用方向，不代表本次合作的分子或实验结果（图源：NVIDIA）

在虚拟实验室里排练，能走到哪一步？

另外两项技术更像正式开机前的彩排：Omniverse 支持构建与仿真数字环境，Cosmos 提供面向物理 AI 的世界模型。但丹纳赫公告使用的是“探索”措辞。双方仍在研究它们如何支持更智能的仪器和实验工作流。

这类技术已有实验室规划案例。据英伟达介绍，Transcripta Bio 与 SoftServe、Automata 使用 Omniverse，模拟设备摆放与工作流。但它属于另一个项目，不能移作丹纳赫的落地证明。它提供的参照是：先在虚拟空间检验布局，再调整真实设施。

Transcripta Bio 实验室数字化案例配图；属于其他项目，仅用于解释数字孪生的应用背景（图源：NVIDIA 客户案例）

数据如何被记录，同样值得关注。丹纳赫现有的生物标志物自动化介绍，强调标准化执行、自动追踪与数据完整性。这些能力为结果回流提供了背景基础。但本次公告没有展开反馈数据如何质控、如何用于更新模型。

一份结果能否成为下一轮决策的依据，需要知道它来自什么条件、经历了哪些处理。但合作公告尚未披露这套机制的细节。因而，后续值得看的除了仪器是否接通，还有模型如何处理失败实验、异常读数与不确定结果。

丹纳赫展示的样本、分析前处理、筛查定量与数据汇总环节；用于说明现有工作流背景（图源：丹纳赫生命科学官网）

“多年压缩成数月”，离证据还有多远？

仿真可以帮助排练流程，但它与真实实验回答的问题仍有区别。虚拟流程跑通，不能替代生物学验证。这也是公告中值得保留的一条主线：无论模型与仪器如何连接，科学决策仍要以实验证据为中心。

英伟达医疗业务副总裁 Kimberly Powell 在公告中提出，帮助研究者把多年的发现过程压缩到数月。但这是合作愿景，公告没有附上支持这一提速幅度的实验基线和对照。它值得期待，也需要等待可复核的结果。

英伟达“实验室在环”页面中的分子模拟配图；模拟与实验各有角色，不是本次合作的验证数据（图源：NVIDIA）

丹纳赫同时表示，希望保留客户选择模型、标准和技术提供商的空间。但这项原则怎样落实到接口与实际产品，公告尚未展开。首期工作只聚焦“一组选定的优先仪器”，再视情况向更广的产品组合扩展；具体型号和交付日期仍未列明。

下一次值得追问的，是哪台仪器、哪条实验流程，拿出了怎样的验证结果。这次合作已经给出连接模型与实验的方向，但离可评价的自主实验室还有未公开的步骤：当模型判断错误，系统怎样发现、怎样停下，又由谁决定继续？

公告原文中的选定仪器、探索方向及客户选择原则；这些表述界定了当前公开合作的范围（图源：丹纳赫投资者关系官网截图）